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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00