Apollo项目中的应用程序退出问题解决方案
问题背景
在使用Apollo进行游戏串流时,用户发现当退出串流会话时,应用程序(如游戏)并未被正确关闭。这一问题在Playnite等游戏启动器中尤为明显,导致后台进程持续运行。
问题根源分析
经过技术分析,该问题主要由以下几个因素导致:
-
应用程序启动方式:当使用URL启动器(如Steam URL或Playnite URL)启动应用时,Apollo无法有效管理这些进程。
-
分离命令配置:如果应用程序被添加到"Detached commands"中,它们将不受Apollo管理。
-
后台进程行为:对于Steam大屏幕模式或Playnite等应用,如果它们已经在后台运行,再次执行其exe文件只会激活现有进程,而不会创建新的可管理进程。
解决方案
针对Playnite启动器的特殊情况,需要修改PrepCommandInstaller.ps1脚本以适配Apollo的路径和服务名称。以下是具体实施步骤:
-
修改脚本路径:将脚本中指向Sunshine的配置路径更改为Apollo的安装路径(默认为C:\Program Files\Apollo\config\sunshine.conf)。
-
更新服务名称:将脚本中的Sunshine服务引用更改为Apollo服务(ApolloService)。
-
执行脚本:运行修改后的PrepCommandInstaller.ps1脚本,它会自动配置正确的退出命令。
技术实现细节
修改后的脚本主要实现以下功能:
-
配置读取与修改:通过解析sunshine.conf配置文件,获取当前的全局准备命令设置。
-
命令过滤:移除所有与PlayNiteWatcher相关的现有命令,避免冲突。
-
新命令添加:插入新的命令,确保在串流结束时执行PlayNiteWatcher-EndScript.ps1脚本。
-
服务重启:修改配置后自动重启Apollo服务使更改生效。
注意事项
-
确保Apollo安装在默认路径,否则需要相应调整脚本中的路径。
-
修改脚本前建议备份原始文件。
-
执行脚本需要管理员权限,以允许服务重启操作。
-
该解决方案主要针对Playnite启动器,其他启动器可能需要类似但不同的配置方式。
通过以上配置,Apollo将能够在退出串流会话时正确关闭所有关联的应用程序进程,解决后台进程残留问题。
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