ZMK固件中实现自动移位(autoshift)功能的开关控制
2025-06-25 08:09:17作者:明树来
自动移位功能概述
在ZMK固件中,自动移位(autoshift)是一种常见的行为模式,它允许用户在短暂按下按键时输入小写字母,而长按时则输入对应的大写字母。这种功能通常通过zmk,behavior-hold-tap行为实现,配置为"tap-preferred"模式,并设置适当的tapping-term-ms参数。
标准自动移位实现
典型的自动移位配置如下所示:
as: auto_shift {
compatible = "zmk,behavior-hold-tap";
#binding-cells = <2>;
flavor = "tap-preferred";
tapping-term-ms = <155>;
bindings = <&kp>, <&kp>;
};
在键盘布局中,我们可以这样使用自动移位功能:
default_layer {
bindings = <
AS(TAB) AS(Q) AS(W) ...
>;
};
自动移位开关的需求
在某些应用场景下,自动移位功能可能并不适用。例如:
- 在需要频繁输入大写字母的场合
- 在某些专业软件中需要精确控制按键时长
- 游戏场景下需要即时响应按键操作
实现自动移位开关的方案
在ZMK中,虽然没有直接的AS_TOGG命令(如QMK中那样),但可以通过创建额外的键盘层来实现类似功能。
实现步骤
-
创建无自动移位的替代层:复制默认层但移除AS修饰
-
正确设置层优先级:确保替代层位于默认层之后
-
添加切换功能:使用
&tog行为切换层状态
具体配置示例
// 默认层(带自动移位)
default_layer {
bindings = <
AS(TAB) AS(Q) AS(W) ...
>;
};
// 无自动移位的替代层(必须定义在默认层之后)
no_autoshift_layer {
bindings = <
&kp TAB &kp Q &kp W ...
>;
};
// 添加切换按键
keys {
...
autoshift_toggle: autoshift_toggle {
bindings = <&tog no_autoshift_layer>;
};
...
};
层优先级的重要性
在ZMK中,层的激活顺序至关重要。层按照从最后定义到最先定义的顺序处理,最后定义的层具有最高优先级。因此,替代层必须定义在默认层之后,才能正确覆盖默认层的自动移位行为。
使用建议
- 将切换按键放置在方便操作但不常使用的位置
- 考虑添加视觉反馈(如LED指示灯)来显示当前自动移位状态
- 根据个人使用习惯调整tapping-term-ms参数
- 可以创建多个不同tapping-term的层来实现更精细的控制
通过这种层切换的方法,ZMK用户可以灵活地控制自动移位功能的启用和禁用,适应不同的使用场景和需求。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.12 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
315
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219