【免费下载】 Twinkle Tray 下载及安装教程
1. 项目介绍
Twinkle Tray 是一个开源项目,旨在帮助 Windows 用户轻松管理外部显示器的亮度。尽管 Windows 本身可以调整大多数显示器的背光亮度,但它并不支持外部显示器,并且缺乏管理多个显示器亮度的选项。Twinkle Tray 通过在系统托盘中添加一个新图标,使用户可以即时访问所有兼容显示器的亮度级别。
2. 项目下载位置
你可以从以下位置下载 Twinkle Tray:
- GitHub Releases: Twinkle Tray Releases
- 官方网站: Twinkle Tray 官方网站
3. 项目安装环境配置
Twinkle Tray 是一个基于 Electron 的应用程序,因此你需要确保你的系统满足以下环境要求:
- 操作系统: Windows 10 或 Windows 11
- Node.js: 建议安装最新版本的 Node.js(可选,如果你需要从源代码构建)
环境配置示例
-
安装 Node.js
访问 Node.js 官方网站 下载并安装最新版本的 Node.js。
-
安装 Git
如果你需要从源代码构建 Twinkle Tray,请访问 Git 官方网站 下载并安装 Git。

4. 项目安装方式
通过安装包安装
- 从 GitHub Releases 下载最新的安装包(通常是一个
.exe文件)。 - 双击下载的
.exe文件,按照安装向导的提示完成安装。 - 安装完成后,你会在系统托盘中看到 Twinkle Tray 的图标。
通过包管理器安装
使用 Chocolatey 安装
-
打开命令提示符(以管理员身份运行)。
-
运行以下命令安装 Twinkle Tray:
choco install twinkle-tray -
安装完成后,你会在系统托盘中看到 Twinkle Tray 的图标。
使用 Scoop 安装
-
打开 PowerShell(以管理员身份运行)。
-
运行以下命令添加 Scoop Extras 桶:
scoop bucket add extras -
运行以下命令安装 Twinkle Tray:
scoop install extras/twinkle-tray -
安装完成后,你会在系统托盘中看到 Twinkle Tray 的图标。
5. 项目处理脚本
Twinkle Tray 支持通过命令行调整显示器的亮度。以下是一些常用的命令行参数示例:
-
调整特定显示器的亮度:
"%LocalAppData%\Programs\twinkle-tray\Twinkle Tray.exe" --MonitorNum=1 --Offset=-30该命令将调整编号为 1 的显示器的亮度,降低 30%。
-
列出所有显示器(从 v1.14.0+ 开始支持):
"%LocalAppData%\Programs\twinkle-tray\Twinkle Tray.exe" --List -
设置特定显示器的亮度:
"%LocalAppData%\Programs\twinkle-tray\Twinkle Tray.exe" --MonitorNum=2 --Set=95该命令将编号为 2 的显示器的亮度设置为 95%。
通过这些命令行参数,你可以自动化亮度调整任务,或者在脚本中集成 Twinkle Tray 的功能。
通过以上步骤,你应该能够成功下载并安装 Twinkle Tray,并开始使用它来管理你的显示器亮度。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00