【亲测免费】 Hangover:让x86 Windows应用在ARM64上飞起来!
项目介绍
Hangover 是一个由André Zwing和Stefan Dösinger于2016年启动的开源项目,旨在实现x86_32 Windows应用程序在aarch64(ARM64)架构上的运行。通过巧妙的技术手段,Hangover能够仅模拟目标应用程序,而非整个Wine安装,从而显著提升性能。目前,Hangover的主要目标是支持在ARM64 Linux上运行i386 Windows应用程序,同时也支持在x86_64 Linux上运行ARM32 Windows应用程序。
项目技术分析
Hangover的核心技术在于其独特的模拟策略。它利用多种模拟器作为DLL(动态链接库),仅模拟目标应用程序,而非整个Wine环境。当应用程序进行Windows或Wine系统调用时,如NtUserCreateWindowEx,这些调用会在非模拟环境中执行,从而实现高性能。此外,所有与Unix相关的操作都不会被模拟,进一步提升了效率。
Hangover通过WoW64(Windows on Windows 64-bit)支持,实现了在ARM64架构上的x86_32应用程序模拟。这种策略不仅减少了模拟的开销,还避免了不必要的性能损失。
项目及技术应用场景
Hangover的应用场景非常广泛,尤其适合以下几种情况:
-
ARM64设备上的Windows应用迁移:对于希望在ARM64设备(如某些嵌入式系统或ARM服务器)上运行x86 Windows应用程序的用户,Hangover提供了一个高效且轻量级的解决方案。
-
跨平台开发与测试:开发者在进行跨平台开发时,可以使用Hangover在ARM64 Linux上测试和调试x86 Windows应用程序,确保其在不同平台上的兼容性和性能。
-
老旧应用的兼容性支持:对于一些老旧的x86 Windows应用程序,Hangover可以帮助它们在现代ARM64架构上继续运行,延长其生命周期。
项目特点
- 高性能模拟:Hangover通过仅模拟目标应用程序,而非整个Wine环境,显著提升了模拟性能。
- 多模拟器支持:项目支持多种模拟器(如QEMU、FEX、Box64等),用户可以根据需求选择最适合的模拟器。
- 跨平台兼容:不仅支持在ARM64 Linux上运行x86 Windows应用程序,还支持在x86_64 Linux上运行ARM32 Windows应用程序。
- 社区支持:项目拥有一个活跃的Discord社区,为贡献者和用户提供技术支持、开发讨论等服务。
- 易于构建与使用:Hangover提供了详细的构建和运行指南,用户可以轻松地在Debian、Ubuntu、Termux等平台上进行构建和使用。
结语
Hangover项目通过其创新的技术手段和高效的模拟策略,为ARM64设备上的x86 Windows应用程序运行提供了一个优秀的解决方案。无论你是开发者、系统集成商,还是普通用户,Hangover都能帮助你轻松实现跨平台应用的运行。赶快加入Hangover的行列,体验高性能的跨平台模拟吧!
项目地址:Hangover GitHub
加入Discord社区:Hangover Discord
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