推荐开源项目:gnome-cedilla-fix
在这个全球化信息时代,跨语言交流变得越来越普遍,而键盘布局的适配问题也随之凸显。对于巴西葡萄牙语用户和那些需要频繁输入带有 Cedilla( Cedilha)的小写字母 "ç" 的人而言,Gnome 系统中的 "US-International" 键盘布局可能会造成困扰。然而,现在有了一个解决方案——gnome-cedilla-fix。
项目介绍
gnome-cedilla-fix 是一个轻量级的脚本工具,它的目标是让使用 Gnome 桌面环境的 "US-International" 键盘布局的用户能够轻松地输入 Cedilla "ç" 而不是带重音的 "ć"。这个项目主要针对巴西葡萄牙语用户,但也适用于任何需要频繁使用 Cedilla 字符的人。
项目技术分析
gnome-cedilla-fix 的工作原理是通过复制并修改你的系统 "Compose" 文件到 ~/.XCompose(你的个人 Compose 文件)。它将所有产生带重音字符 "ć" 的组合转换为 Cedilla "ç",从而满足非 Gnome 应用程序的需求。这意味着用户可以按照以前在其他操作系统上的习惯来输入 "ç",无需适应新的输入方式。
应用场景
无论你是程序员编写代码注释,还是学生撰写法语或葡萄牙语文档,亦或是日常聊天,只要在 Linux 环境中使用 "US-International" 键盘布局,gnome-cedilla-fix 都能派上大用场。特别是对于那些依赖于 "ć" 和 "ç" 快速切换的巴西葡萄牙语用户,这个项目将是不可或缺的工具。
项目特点
- 简单易用 - 只需一条命令行即可安装,注销并重新登录后即生效。
- 无侵入性 - 安装仅涉及修改个人的
.XCompose文件,不会影响系统全局设置。 - 兼容性强 - 已经在多个发行版如 Debian, Ubuntu, Mint Linux, Fedora 上成功测试。
- 可逆性 - 卸载过程同样简便,只需删除个人的
.XCompose文件并重启即可恢复原状。
此外,该项目作者还提供了其他有趣的开源项目,包括网站收藏、Vim 主题和实用的系统管理工具等。
如果你在 Linux 中遇到输入 Cedilla "ç" 的困扰,那么不妨尝试一下 gnome-cedilla-fix,让输入变得更加自然流畅。试试看,也许你会爱上这种改变!
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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