Ubuntu-Rockchip项目中的Orange Pi 5 Plus HDMI输入功能配置指南
在Ubuntu-Rockchip项目中,Orange Pi 5 Plus的HDMI输入功能是一个实用特性,但近期更新后默认被禁用。本文将详细介绍如何重新启用这一功能,并解释相关技术背景。
问题背景
Orange Pi 5 Plus的HDMI输入功能原本可以正常工作,但在最近的系统更新后,用户发现该功能无法使用。主要表现是系统缺少/dev/video设备节点,导致v4l2工具无法检测到HDMI输入设备。这实际上是开发团队有意为之的改动,因为HDMI输入功能在某些情况下会导致系统负载过高,影响整体性能。
技术原理
HDMI输入功能通过Rockchip芯片的专用硬件模块实现,在Linux内核中需要加载相应的设备树覆盖(Device Tree Overlay)来启用相关驱动。设备树覆盖是一种动态修改硬件配置的方法,无需重新编译整个内核。
解决方案
要重新启用HDMI输入功能,需要以下步骤:
-
确认系统版本:本方案适用于Ubuntu 24.04 LTS,内核版本6.1.0-1021-rockchip
-
查找设备树覆盖文件:
find /lib/firmware/ -name '*rk3588-hdmirx*'正常情况下会返回类似路径:
/lib/firmware/6.1.0-1021-rockchip/device-tree/rockchip/overlay/rk3588-hdmirx.dtbo -
配置U-Boot加载覆盖: 编辑
/etc/default/u-boot文件,添加或修改以下行:U_BOOT_FDT_OVERLAYS="device-tree/rockchip/overlay/rk3588-hdmirx.dtbo" -
更新U-Boot配置:
sudo u-boot-update -
重启系统:
sudo reboot
验证功能
重启后,可以使用以下方法验证HDMI输入是否正常工作:
-
检查视频设备:
v4l2-ctl --list-devices应该能看到HDMI输入设备
-
检查内核日志:
dmesg | grep hdmirx查看是否有相关驱动加载成功的消息
注意事项
-
启用HDMI输入功能可能会导致系统负载增加,建议监控系统资源使用情况
-
不同版本的Ubuntu和内核可能需要调整配置方法
-
如果遇到问题,可以检查内核日志中的错误信息进行排查
通过以上步骤,用户可以灵活地控制Orange Pi 5 Plus的HDMI输入功能,根据实际需求进行启用或禁用。这种设备树覆盖的方法也适用于其他硬件功能的动态配置,体现了Linux系统的灵活性和可定制性。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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
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