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。
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