Skiko项目中RuntimeShaderBuilder对数组uniform的支持解析
背景介绍
Skiko是JetBrains推出的一个跨平台Skia绑定库,它允许开发者在多种平台上使用Skia图形库的功能。在图形编程中,着色器(Shader)是实现各种视觉效果的核心组件之一。RuntimeShaderBuilder是Skiko中用于构建运行时着色器的重要工具类。
问题发现
在Skiko的早期版本中,开发者发现RuntimeShaderBuilder缺少对数组类型uniform变量的支持。具体表现为,当着色器代码中声明了一个vec3数组类型的uniform变量时,无法通过现有的API来设置这个数组的值。
const int COLOR_SIZE = 4;
uniform vec3 uColor[COLOR_SIZE];
技术分析
现有API限制
原生的RuntimeShaderBuilder提供了多种uniform设置方法,如设置单个浮点数、整数、向量等,但缺少直接设置浮点数数组的方法。这在处理需要传递多个颜色值或其他向量数组的场景时造成了不便。
Android平台的对比
在Android平台上,类似的RuntimeShader实现已经支持通过FloatArray来设置数组类型的uniform变量。开发者可以这样使用:
compositeRuntimeEffect.setFloatUniform("uColor", floatArrayOf(
1f, 0f, 0f,
0f, 1f, 1f,
0f, 0f, 0f,
0f, 1f, 0f
))
底层实现机制
在Skia底层,SkRuntimeEffectBuilder::BuilderUniform类提供了set()方法来处理数组类型的uniform变量。Skiko需要在其JNI绑定层添加对应的方法调用,才能实现这一功能。
解决方案实现
社区贡献者sphrak实现了这一功能,主要改动包括:
- 在RuntimeShaderBuilder.kt中添加新的uniform(String, FloatArray)方法
- 在RuntimeShaderBuilder.cc中添加对应的JNI绑定
- 确保底层调用SkRuntimeEffectBuilder::BuilderUniform.set()方法
使用示例
实现后,开发者可以这样使用数组uniform:
val shaderBuilder = RuntimeShaderBuilder(RuntimeEffect.makeForShader(shaderCode))
val colors = floatArrayOf(
1.0f, 0.0f, 0.0f, // 红色
0.0f, 1.0f, 0.0f, // 绿色
0.0f, 0.0f, 1.0f // 蓝色
)
shaderBuilder.uniform("colors", colors)
类型转换处理
值得注意的是,Skia底层会自动处理浮点数数组到不同向量类型的转换。无论是vec2[]还是vec3[],都可以使用同一个FloatArray来设置,系统会根据着色器中的声明自动进行正确的解释。
跨平台兼容性
这一功能已经在多个平台上得到验证:
- JVM平台
- macOS Arm64平台
- WebAssembly(wasmJs)平台
实际应用场景
这个功能特别适用于需要传递多个颜色值或其他向量参数的着色器效果,例如:
- 多色渐变效果
- 粒子系统中的多个属性值
- 复杂材质的多参数配置
- 动画中的关键帧数据传递
总结
Skiko通过添加对数组类型uniform的支持,进一步提升了其在图形编程中的灵活性和实用性。这一改进使得Skiko在功能上更加接近原生Android平台的实现,为跨平台图形开发提供了更一致的体验。开发者现在可以更方便地在着色器中使用数组参数,实现更复杂的视觉效果。
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