ZenlessZoneZero-OneDragon项目:多显示器与分辨率适配优化指南
2025-06-19 05:18:17作者:裘晴惠Vivianne
项目背景
ZenlessZoneZero-OneDragon是一款针对《Zenless Zone Zero》游戏的自动化脚本工具。该工具在运行过程中对显示环境有特定要求,需要16:9的显示比例才能正常工作。然而,随着现代显示设备的多样化,特别是超宽屏(如21:9、32:9等比例)显示器的普及,这一限制给部分用户带来了不便。
核心问题分析
项目最初设计时仅考虑了在16:9比例的主显示器(显示器1)上运行。这导致以下使用场景出现问题:
- 超宽屏用户:使用21:9或32:9等非16:9比例显示器的玩家,脚本无法正确识别游戏画面
- 多显示器用户:习惯在副显示器上运行游戏的玩家,脚本默认只在主显示器工作
- 分辨率适配:游戏窗口分辨率不符合脚本预期时,功能异常
解决方案实现
经过开发者社区的反馈和协作,项目现已支持以下配置选项:
1. 显示器选择配置
在配置文件config/01/game.yml中,可以添加以下参数指定目标显示器:
monitor: "2" # 数字代表显示器编号
注意:此功能需要同时在设置中启用"启动参数"选项才会生效。
2. 分辨率设置
通过程序设置界面中的"启动参数"选项,用户可以自定义游戏启动时的分辨率,确保符合脚本运行的16:9比例要求。
技术实现细节
- 多显示器支持:脚本通过Windows API获取显示器信息,并根据配置选择目标显示器
- 分辨率适配:强制游戏以指定分辨率启动,保证画面比例符合脚本识别要求
- 图像识别优化:在非主显示器上运行时,调整截图和识别逻辑以适应不同显示设备
最佳实践建议
-
对于超宽屏用户:
- 建议设置2560x1440或1920x1080等标准16:9分辨率
- 在游戏启动参数中固定分辨率
-
对于多显示器用户:
- 明确指定目标显示器编号
- 确保目标显示器支持16:9比例
-
常规检查:
- 每次更新后验证显示设置是否保持
- 注意游戏更新可能重置分辨率设置
已知限制与注意事项
- 32:9等极端比例显示器上,直接运行仍可能出现画面压缩问题
- 显示器编号可能因系统配置变化而改变,需要定期检查
- 某些游戏全屏模式可能覆盖分辨率设置,建议使用窗口化模式
结语
通过合理的配置,ZenlessZoneZero-OneDragon项目现已能够很好地适应各种显示环境。用户只需按照上述指南进行设置,即可在不同显示设备上获得稳定的自动化体验。开发者社区将持续关注显示适配问题,未来可能引入更智能的识别机制来进一步提升兼容性。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
191
210
暂无简介
Dart
631
143
React Native鸿蒙化仓库
JavaScript
243
316
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
481
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
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++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
110
仓颉编译器源码及 cjdb 调试工具。
C++
128
858
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
211