Apollo项目v0.3.0版本技术解析与功能详解
Apollo是一款基于Moonlight协议的开源游戏串流工具,它通过优化视频编码和网络传输技术,为用户提供低延迟、高质量的远程游戏体验。最新发布的v0.3.0版本带来了多项重要更新,包括远程输入模式、客户端命令支持、分辨率缩放功能等,显著提升了用户体验和功能多样性。
核心功能更新
远程输入模式
v0.3.0版本引入了全新的远程输入功能,允许设备在不传输音视频数据的情况下,仅作为输入设备使用。这一特性特别适合以下场景:
- 将手机变为电脑的触控板/键盘接收器
- 为电视/机顶盒等难以操作输入设备的终端提供便捷控制
- 连接电视/机顶盒不支持的控制器类型
远程输入模式与传统Moonlight客户端完全兼容,用户可以根据需要灵活切换使用方式。
客户端命令支持
新版本增加了对客户端连接/断开命令的支持,用户可以为每个客户端配置自定义脚本。这一功能的一个典型应用是实现游戏自动暂停功能,模拟主机游戏体验:
- 当用户按下移动设备电源键时,游戏自动暂停
- 随时可以恢复游戏进程
- 完全自动化,无需手动操作
分辨率缩放功能
v0.3.0版本扩展了分辨率支持范围,新增9种缩放模式:
- 0.5倍分辨率(基础/双倍刷新率)
- 0.75倍分辨率(基础/双倍刷新率)
- 1.25倍分辨率(基础/双倍刷新率)
- 1.5倍分辨率(基础/双倍刷新率)
- 1倍分辨率(双倍刷新率)
这些模式使得游戏可以保持原始宽高比的同时,适配不同客户端的显示需求。结合Lossless Scaling等工具,用户可以更轻松地实现画面放大而不失真。
性能优化与显示增强
SudoVDA升级
视频显示适配器(SudoVDA)获得了多项重要更新:
- 支持小数刷新率(如59.94Hz)
- 新增SDR 10bit和HDR 12bit色彩支持
- 增加广色域支持
- 优化内置分辨率预设,增加主流VR头显的专用分辨率
双刷新率模式
针对部分系统可能出现的卡顿问题,新增了双刷新率模式选项。启用后,系统会尝试以双倍帧率运行,可显著改善画面流畅度。
帧率限制选项
在高级设置中新增了捕获帧率限制选项,默认启用,有助于平衡性能与功耗。
使用建议与最佳实践
- 高刷新率优先:如果客户端支持高刷新率,应优先使用。配合Artemis的Warp模式,可模拟GSync/FreeSync效果。
- 帧率限制:使用RTSS(MSI Afterburner)限制游戏帧率通常比游戏内置的垂直同步/帧率限制更稳定。
- 虚拟显示管理:建议移除系统中其他虚拟显示解决方案,避免兼容性问题。
- 双刷新率替代方案:无法使用Artemis时,可启用双刷新率模式作为替代方案。
配置与兼容性
v0.3.0版本对配置API进行了升级,使用HTTP API的用户需要注意JSON格式变更,及时更新相关脚本。同时,应用名称输入现在会自动修剪空格,避免MoonDeckStream配置时的常见问题。
新版本还增加了每应用/每客户端身份选项,提供了更精细的访问控制能力。默认情况下,"高级显示设备配置"选项已被禁用,简化了普通用户的使用流程。
总结
Apollo v0.3.0通过引入远程输入、客户端命令和分辨率缩放等新功能,大大扩展了应用场景和使用灵活性。性能优化方面,双刷新率模式和帧率限制选项的加入,进一步提升了串流体验的流畅度。显示支持方面,SudoVDA的升级带来了更专业的色彩和分辨率管理能力。这些改进共同使Apollo向更成熟、更专业的方向迈进了一大步。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0201
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07