VancedMicroG:打造无Google服务的应用运行环境
项目介绍
VancedMicroG 是一个开源框架,旨在为无法使用 Google Play Services 的系统提供一个运行环境,使得依赖 Google 服务框架的应用能够正常运行。此项目是对 microG GmsCore 的改进和定制版本,特别为需要 Google 认证的应用,如 Vanced,提供了更为精简和高效的解决方案。
项目技术分析
技术基础
VancedMicroG 基于著名的 microG GmsCore 进行了定制化开发。microG GmsCore 是一个开源框架,其目的是替代 Google Play Services,为 Android 设备提供核心的 Google 服务功能。该项目使用了 Java 语言,遵循了 FLOSS(Free/Libre Open Source Software)的原则。
核心改动
- 非系统应用:VancedMicroG 不再作为系统应用,这使得它更加灵活,易于安装和管理。
- 包名变更:为了避免与官方的 microG 冲突,包名由
com.google.android.gms更改为com.mgoogle.android.gms。 - 移除不必要的功能:项目移除了许多与 Google 认证无关的功能,如广告、分析、地图、游戏等,以减少资源消耗和潜在的隐私问题。
移除的功能列表
- 广告
- 分析
- 汽车
- Droidguard
- 暴露通知
- 反馈
- Firebase
- 游戏
- 地图
- 恢复
- 应用权限注册
- SafetyNet
- 自我检查
- 搜索
- TapAndPay
- 钱包
- Wear-Api
项目及技术应用场景
应用场景
VancedMicroG 的主要应用场景是在那些无法访问 Google Play Services 的设备上运行依赖 Google 服务框架的应用程序。这在一些国家或地区尤为常见,由于政策或技术限制,Google 服务无法正常使用。VancedMicroG 提供了一个替代方案,确保这些应用能够正常运行。
具体应用
- 替代 Google 服务:对于那些需要使用 Google 服务但受限于设备或地区限制的用户,VancedMicroG 提供了一个有效的解决方案。
- 增强隐私保护:通过移除广告和分析等功能,VancedMicroG 有助于保护用户的隐私。
- 优化性能:去除不必要的功能和权限,可以减少资源消耗,提升应用性能。
项目特点
精简性
VancedMicroG 通过移除冗余功能和权限,实现了对原始 microG GmsCore 的精简。这不仅减少了资源消耗,还提升了系统的响应速度。
兼容性
尽管进行了大量定制,VancedMicroG 依然保持了良好的兼容性,可以与多种应用和设备配合使用。
安全性
移除了潜在的安全风险和隐私泄露源,如广告和分析功能,使得 VancedMicroG 在安全性方面有了显著提升。
开源优势
作为开源项目,VancedMicroG 享受着来自全球开发社区的贡献和审查,这有助于保证其稳定性和安全性。
在遵守 SEO 收录规则的同时,VancedMicroG 无疑是那些在非 Google 生态系统中寻求高效、安全解决方案的开发者和用户的理想选择。通过其卓越的性能和安全性,VancedMicroG 正在成为开源社区中的热门项目。
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