Niri 项目中触屏输入问题的分析与解决
在 Niri 窗口管理器的使用过程中,用户报告了某些应用程序在触屏设备上无法正常工作的现象。本文将深入分析这一问题的成因,并提供解决方案。
问题现象
用户在 Xiaomi Pad 5 设备上运行 Fedora 41 系统时发现,即时通讯软件和办公软件等应用程序在 Niri 会话中无法完全响应触屏输入。具体表现为:
- 通讯软件中无法发送表情
- 无法选择文本
- 无法通过触屏关闭应用
值得注意的是,这些问题仅出现在触屏操作时,使用鼠标操作则完全正常。同时,在 GNOME Wayland 会话中,这些应用对触屏和鼠标的响应均正常。
问题排查
经过技术分析,发现该问题涉及多个层面的因素:
-
Smithay 库的触屏事件处理:初步怀疑是 Smithay 库在发送触屏事件时存在差异,它会在触屏抬起(wl_touch up)后发送一个帧事件(wl_touch frame),这可能影响某些应用的触屏响应。
-
显示缩放因素:进一步测试发现,当显示缩放比例设为1时,通讯软件在Niri中的触屏功能恢复正常。这表明问题与分数缩放(fractional scaling)有关。
-
屏幕旋转因素:用户反馈显示,屏幕方向也会影响触屏功能。在GNOME默认的横向模式下触屏工作正常,而在纵向模式下出现问题;Niri则相反,在默认纵向模式下正常,横向模式下出现问题。
解决方案
针对这一问题,目前有以下几种解决方法:
-
调整显示缩放:将系统显示缩放比例设置为整数倍(如1倍),可以解决部分应用的触屏问题。
-
启用高DPI精确缩放:对于通讯软件,可以在设置→高级→实验性功能中启用"Enable precise high DPI scaling"选项,这能有效解决触屏输入问题。
-
保持默认屏幕方向:在Niri中使用设备默认的屏幕方向(通常是纵向),避免旋转屏幕。
技术背景
该问题反映了Wayland环境下触屏输入处理的复杂性。不同窗口管理器对触屏事件的处理方式可能存在差异,而应用程序对分数缩放和屏幕旋转的支持程度也不尽相同。特别是在跨平台框架(如Qt)开发的应用程序中,这类问题更为常见。
结论
Niri项目中的触屏输入问题主要源于应用程序对非标准显示配置(分数缩放、屏幕旋转)的支持不足。虽然可以通过调整系统设置或应用程序选项来临时解决,但根本的解决方案需要应用程序开发者改进对Wayland环境下各种显示配置的兼容性。
对于终端用户,建议在使用触屏设备时保持默认显示设置,或在遇到问题时尝试调整应用程序的高DPI相关选项。对于开发者,则需要注意在Wayland环境下全面测试各种输入方式和显示配置的组合。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00