Microsoft-Activation-Scripts中Office激活问题的解决方案
问题背景
在使用Microsoft-Activation-Scripts项目中的Ohook方法处理Windows Server上的Office时,部分用户遇到了一个特定的错误。当用户确认操作并打开Office软件时,系统会显示登录窗口,关闭后则出现提示信息:"Sorry, we cannot verify the license currently installed for this product",随后Office会退出。
问题分析
经过技术分析,这个问题主要出现在以下环境中:
- 操作系统:Windows Server 2012或2016
- Office版本:Office 2016或2019专业版(x86/x64 ISO版本)
值得注意的是,相同的Office安装包在Windows 10/企业版或其他版本上运行正常,不会出现此警告。这表明问题与Windows Server特定的注册表配置有关。
根本原因
问题的根源在于Windows Server环境下,Office安装过程中自动创建了一个名为"SharedComputerLicensing"的注册表项,其值被设置为1。这个注册表项位于:
HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Office\ClickToRun\Configuration
当这个值为1时,Office会强制使用共享计算机许可模式,这与Ohook处理方法产生冲突,导致验证失败。
解决方案
手动解决方法
- 打开注册表编辑器(运行"Regedit")
- 导航至以下路径:
HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Office\ClickToRun\Configuration - 找到并删除"SharedComputerLicensing"项
- 重新启动Office应用程序
脚本集成方案
Microsoft-Activation-Scripts项目组已经注意到这个问题,并在开发分支中提交了修复。新版本脚本将自动处理这个注册表项,确保在Windows Server环境下也能顺利完成操作。
验证方法
用户可以通过以下步骤验证操作是否成功:
- 运行Ohook脚本后,检查脚本输出是否显示"Office is permanently processed"
- 打开任意Office应用程序,确认不再出现验证错误
- 检查Office账户页面,确认产品已处理
技术细节
SharedComputerLicensing注册表项是微软为共享计算机环境设计的特殊模式。在这种模式下:
- Office会强制用户登录微软账户进行验证
- 状态与用户账户绑定
- 不适合使用KMS或Ohook等批量处理方法
Ohook处理方法通过模拟验证机制工作,需要完全控制Office的验证流程。当SharedComputerLicensing启用时,两种验证机制会产生冲突,导致验证失败。
总结
对于在Windows Server上使用Microsoft-Activation-Scripts处理Office的用户,遇到验证错误时,最直接的解决方案是删除SharedComputerLicensing注册表项。项目组已经将此修复纳入新版本,未来用户将无需手动干预即可完成操作。这个案例也提醒我们,服务器环境下的软件处理可能需要特殊处理,与客户端操作系统有所不同。
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