推荐:D3D9On12 - 让Direct3D 9在DirectX 12上焕发新生
项目介绍
D3D9On12是一个神奇的映射层,它将Direct3D 9(简称D3D9)的图形命令转换为Direct3D 12(简称D3D12)。这不是一个简单的D3D9 API实现替换,而是一个对D3D9用户模式DDI(设备驱动接口)的实现。这意味着它不是一个名为d3d9.dll的二进制文件,而是称为d3d9on12.dll的库。
通过调用Direct3DCreate9On12和Direct3DCreate9On12Ex函数,应用可以选择创建一个D3D9On12设备,而不是传统的D3D9设备。一旦加载了d3d9on12.dll,当应用程序调用渲染命令时,D3D9会验证这些命令,然后将其转换为D3D9 DDI,再发送给D3D9On12。D3D9On12会将这些命令转化为D3D12 API调用,并由D3D12运行时进一步验证,包括可能启用的D3D12调试层,最终传递给D3D12驱动。
项目技术分析
D3D9On12是一个“启蒙”版的D3D9驱动,与传统驱动相比,它在多个点接收额外信息。这使得它不仅能提供API级信息给D3D12,还能支持轻量级共享和同步场景。设备创建后,会暴露一个IDirect3DDevice9On12接口,允许应用程序同时向D3D9 API和D3D12 API提交工作。
要了解更多关于D3D9On12的详细信息,请参考:
应用场景
D3D9On12是为那些依赖D3D9技术但想要利用D3D12高性能特性的应用程序设计的。它可以用于:
- 老旧游戏或应用程序的现代化升级,无需修改源代码。
- 在需要D3D9兼容性的同时充分利用现代硬件的性能。
- 游戏引擎和图形研究中的过渡和桥接。
项目特点
- 透明迁移:D3D9On12作为中间层,允许D3D9应用无缝地在D3D12硬件上运行。
- 性能提升:通过D3D12的低级控制,可以提高内存管理效率和多线程性能。
- 兼容性保证:尽管如此,仍尽力保持与原生D3D9的兼容性。
- 社区参与:开源特性鼓励开发者贡献修复和优化,改善Windows 10的稳定性和性能。
构建与使用
构建D3D9On12需要安装Windows Driver Kit(WDK),并使用CMake进行配置。此外,为了本地测试和实验,你可以覆盖操作系统的D3D9On12版本,但不建议在生产环境中这样做。
开源价值
微软选择开源D3D9On12是为了推动社区贡献,改进稳定性,同时也是作为使用D3D12TranslationLayer库的一个示例。
总而言之,D3D9On12是一个极具潜力的项目,它让老旧的D3D9代码得以继续在现代图形技术中闪耀。对于开发者来说,这是一个探索和利用新技术的宝贵资源,也是一项能为整个Windows生态贡献力量的机会。
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