Xournal++ 项目实现 macOS ARM 原生支持的技术演进
2025-05-18 00:00:50作者:殷蕙予
Xournal++ 作为一款优秀的开源手写笔记应用,近期完成了对 Apple Silicon(ARM64架构)macOS设备的原生支持。这一技术演进解决了长期以来用户必须通过 Rosetta 转译运行的性能瓶颈问题。
背景与挑战
随着 Apple Silicon 芯片的普及,越来越多的 macOS 用户开始使用基于 ARM 架构的设备。Xournal++ 作为跨平台应用,此前在 macOS 上仅提供 x86_64 架构的二进制包,导致在 M1/M2 等 ARM 设备上运行时需要通过 Rosetta 2 进行指令转译。
这种转译运行方式带来了明显的性能损耗,用户反馈中普遍提到了界面卡顿、延迟增大等问题。特别是在处理大型笔记文件或进行复杂绘图操作时,性能差异更加明显。
技术实现方案
Xournal++ 开发团队通过以下技术路线实现了对 ARM64 架构的原生支持:
- 构建系统适配:更新 CMake 构建配置,确保能够正确识别和编译 ARM64 目标架构
- 依赖库兼容性:验证所有依赖库(如 GTK、Cairo、Poppler 等)在 ARM64 macOS 上的可用性
- CI/CD 流程改造:调整 GitHub Actions 或 Azure Pipelines 的构建流程,增加 ARM64 构建目标
版本发布与效果
这一重要改进随 Xournal++ 1.2.4 版本正式发布。原生 ARM64 版本带来了显著的性能提升:
- 界面响应速度提高 30-50%
- 笔记滚动和缩放更加流畅
- 手写笔迹延迟显著降低
- 电池消耗优化
用户获取方式
macOS 用户可以通过以下方式获取原生 ARM64 版本:
- 官方网站下载最新版 DMG 安装包
- 通过 Homebrew 等包管理器更新至 1.2.4 或更高版本
未来展望
Xournal++ 对 ARM 架构的支持不仅限于 macOS 平台。开发团队也在积极推进对 Windows ARM64 和 Linux ARM 平台的完整支持,这将使 Xournal++ 成为真正全架构覆盖的跨平台手写笔记解决方案。
这一技术演进体现了 Xournal++ 项目对多平台兼容性和性能优化的持续投入,为用户提供了更好的跨平台使用体验。
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217