ValveResourceFormat 12.0版本发布:黑暗模式与纹理处理能力升级
ValveResourceFormat(简称VRF)是一个开源工具集,主要用于解析和处理Valve公司旗下游戏(如Dota 2、CS2等)的资源文件格式。该项目提供了GUI界面工具Source2Viewer和命令行工具,能够帮助开发者、Mod制作者和游戏研究人员深入了解游戏资源结构。
黑暗模式支持
随着.NET 9的发布,VRF 12.0版本正式引入了黑暗模式支持。这一特性将自动跟随系统主题设置,同时也允许用户在设置中手动切换。虽然目前某些控件在黑暗模式下仍存在显示问题,但预计这些问题将在.NET 10发布后得到解决。
黑暗模式不仅提升了夜间使用的舒适度,也符合现代UI设计趋势。对于需要长时间处理游戏资源的开发者来说,这一改进将显著减轻视觉疲劳。
纹理处理能力升级
12.0版本对纹理处理系统进行了重大改进:
-
解码库替换:团队替换了原有的BCn(包括DXT5、BC7、ATI1N等)纹理解码器,采用了经过充分测试的新库。这一改变带来了更准确的解码结果和更快的处理速度。
-
GPU加速:在GUI界面中导出纹理时,系统会优先使用GPU进行解码,这不仅提高了效率,也避免了CPU实现的性能瓶颈。团队还修复了GPU解码器和纹理查看器中的多个bug。
-
纹理查看器增强:
- 新增了对独立.svg文件的支持
- 增加了R/G/B/A通道分离查看功能
- 添加了纹理重复显示选项,便于观察UV包裹效果
- 引入了纹理采样选择功能
- 优化了渲染效率,在内容未变化时停止渲染以节省电量
- 修复了软件mipmap的完整尺寸渲染问题
模型反编译器改进
模型处理能力得到了显著提升:
- 动画资源现在可以按文件夹分组整理
- 新增了AnimGameplayTiming注释导出功能
- 支持提取骨骼权重列表
- 增加了对8骨骼权重模型的支持(包括glTF导出)
- 修复了布娃娃碰撞体缺少父节点的问题
其他重要改进
-
资源浏览器:
- 增强了对CS2创意工坊分卷VPK文件的支持
- 书签和最近文件列表现在会显示游戏图标
- 优化了路径显示方式,加入了游戏名称缩写
- 修复了Steam更新后游戏图标加载问题
-
包查看器:
- 为表头添加了排序箭头
- 修复了点击大小列首次排序方向错误的问题
- 改进了搜索结果中右键文件的操作体验
- 优化了大列表(如超过1万个文件的搜索结果)的渲染性能
-
模型查看器新增了Root Motion可视化功能
命令行工具(CLI)变更
12.0版本引入了一个重要的破坏性变更:导出资源到glTF格式时,必须指定--gltf_export_format参数。此外,CLI现在支持导出VPK外的文件到glTF,并增强了递归扫描功能,能够识别更多非资源类文件(如字体、导航、flex场景和闭路字幕等)。
底层库增强
- 新增了对Deadlock游戏中
TBUF块的支持 - 增加了
UIFontFilePackage用于反编译uifont文件 - 新增了动画图资源反编译支持
- 改进了KeyValues3文本中二进制数据的解析能力
- 替换了BC1-BC7纹理解码器实现
- 为BC6h纹理增加了EXR导出支持
- 修复了非2的幂次方ETC2纹理解码问题
- 确保glTF导出具有确定的纹理索引
- 修正了3D纹理深度mip-mapping问题
ValveResourceFormat 12.0版本的这些改进显著提升了工具的功能性和用户体验,特别是对纹理处理和模型反编译的增强,将为游戏开发者和研究者提供更加强大的分析能力。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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