Language Selector 语言选择器安装与使用教程
Language Selector 是一款专为 Android 13 及以上版本设计的应用程序,允许用户为单个应用程序设置语言偏好。该应用通过访问系统的私有 API 实现此功能,因此使用前必须安装 Shizuku 并获取相应权限。
项目概述
Language Selector 项目旨在复制 Android 13 中引入的"应用语言"功能,特别适用于 MIUI 等定制系统可能缺少此功能的设备。该项目采用 Kotlin 语言开发,使用 Jetpack Compose 构建现代化用户界面。
系统要求
- Android 13 或更高版本(不支持旧版 Android)
- 必须安装并运行 Shizuku
- 需要授予应用相应的系统权限
项目结构
Language-Selector/
├── app/ # 主应用模块
│ ├── src/main/
│ │ ├── java/vegabobo/languageselector/
│ │ │ ├── MainActivity.kt # 主活动类
│ │ │ ├── LocaleManager.kt # 语言管理类
│ │ │ ├── QSTile.kt # 快捷设置磁贴
│ │ │ └── service/ # 服务相关类
│ │ ├── res/ # 资源文件
│ │ │ ├── drawable/ # 图片资源
│ │ │ ├── values/ # 字符串和样式
│ │ │ └── xml/ # XML配置
│ │ └── AndroidManifest.xml # 清单文件
├── hidden_api/ # 隐藏API模块
└── gradle/ # Gradle配置
核心功能
1. 单应用语言设置
允许用户为每个应用程序单独设置首选语言,无需更改系统全局语言设置。
2. 语言列表管理
应用解析 Java 的 Locale.getAvailableLocales() 来获取所有可用语言环境,提供丰富的语言选择选项。
3. 快捷设置磁贴
通过 QS 磁贴快速切换当前运行应用的语言,仅显示已固定的语言选项。
4. 语言固定功能
长按语言项可将其固定,固定语言会显示在列表顶部并可在 QS 磁贴中使用。
安装与使用步骤
1. 安装前置条件
首先需要安装 Shizuku 应用并确保其正常运行。Shizuku 是使用此应用的必要条件。
2. 安装 Language Selector
从项目的发布页面下载最新版本的 APK 文件并进行安装。
3. 授予权限
打开 Language Selector 应用,授予 Shizuku 权限,然后点击"继续"按钮。
4. 选择应用和语言
- 选择您想要更改语言的应用程序
- 从语言列表中选择所需的语言
- 操作完成后,应用程序将在下次启动时使用选定的语言
5. 使用 QS 磁贴
将 Language Selector 的磁贴添加到快捷设置面板,可以快速切换当前应用的语言。
技术实现
应用通过 Shizuku 访问系统的 LocaleManager API,使用以下核心类:
- MainActivity: 主活动类,处理权限请求和 Shizuku 服务绑定
- LocaleManager: 语言环境管理逻辑
- UserService: 通过 Shizuku 提供的用户服务
- QSTile: 快捷设置磁贴实现
注意事项
-
语言支持: 应用不会翻译应用程序,只是指定应用程序使用的语言环境。如果应用程序支持所选语言,则会正常显示。
-
系统应用: 不建议更改系统应用程序的语言设置,可能会导致意外行为。
-
兼容性: 仅支持 Android 13 及以上版本,与旧版 Android 不兼容。
-
性能: 当前语言列表加载方式较慢,未来可能会进行优化。
开发背景
该项目最初是为了解决 MIUI 系统在 Android 13 上缺少应用语言设置功能而开发的。通过利用 Android 13 内置的 LocaleManager 服务,即使系统设置中没有相关选项,用户仍然可以享受单应用语言设置的功能。
源码获取
要获取项目源码,可以使用以下命令克隆仓库:
git clone https://gitcode.com/gh_mirrors/la/Language-Selector
项目遵循 Apache 2.0 开源协议,欢迎开发者贡献代码和改进建议。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00

