osu!游戏客户端中为谱面添加自定义标签的UI实现
2025-05-13 12:19:20作者:袁立春Spencer
在音乐节奏游戏osu!的开发过程中,团队正在为游戏客户端添加一个新功能:允许玩家为游戏谱面(beatmap)添加自定义标签。这一功能将增强社区互动和谱面分类能力。
功能概述
该功能主要包含以下几个技术要点:
- 用户界面设计:在游戏结果界面(score results screen)的详细信息视图中添加标签管理区域
- 标签操作:
- 显示现有热门标签
- 允许对现有标签进行+1投票
- 允许从服务器定义的列表中添加新标签投票
- 视觉反馈:
- 通过背景框颜色变化显示哪些标签已达到"采纳"状态
- 提供移除投票的功能
技术实现细节
前端实现方案
开发团队采用了类似GitHub标签下拉菜单的交互方式,但使用标签云(tag cloud)的可视化形式呈现。在鼠标悬停时,标签会重新排列以突出显示相关操作选项,但为了避免视觉混乱,重新排列效果会在鼠标离开控件后恢复。
后端API交互
系统与服务器端的交互主要通过以下API端点实现:
- 获取所有可用标签:通过GET请求获取服务器预定义的标签列表,包括每个标签的ID、名称和描述
- 标签管理操作:
- 添加标签:POST请求将特定标签关联到谱面
- 移除标签:DELETE请求取消标签关联
- 获取谱面标签信息:从beatmapset资源中获取谱面的热门标签信息
技术挑战与解决方案
-
API设计优化:
- 统一了标签操作的参数传递方式,避免混合使用查询字符串和路径参数
- 考虑将批量标签操作作为未来优化方向
-
数据一致性:
- 客户端需要维护标签的全局数据与谱面特定数据的同步
- 实现了即时反馈机制,确保用户操作后UI能立即反映变化
-
用户体验优化:
- 采用渐进式显示策略,优先展示高票数标签
- 引入视觉提示区分用户已投票和未投票的标签
实现效果
该功能最终实现了流畅的标签管理体验:
- 用户可以通过直观的界面查看和操作谱面标签
- 标签云布局动态调整,既保证可读性又提供充足操作空间
- 操作反馈即时可见,增强了用户的互动体验
这一功能的加入将显著提升osu!社区对游戏内容的分类和组织能力,为玩家提供更丰富的谱面发现和分享体验。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.69 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
656
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
614
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
71
仓颉编程语言测试用例。
Cangjie
36
657