RMK键盘固件v0.5.1版本发布:连接优化与功能增强
项目简介
RMK是一款开源的机械键盘固件项目,基于Rust语言开发,专为嵌入式设备设计。它提供了完整的键盘功能实现,包括按键矩阵扫描、按键映射、蓝牙连接等核心功能。RMK项目的特点是模块化设计、高性能和可定制性强,适合开发者构建自己的定制化键盘固件。
连接状态同步与PHY优化
本次v0.5.1版本在无线连接方面做出了重要改进。新增了中央设备(如电脑)与外围设备(键盘)之间的连接状态同步机制,这使得键盘能够更可靠地感知连接状态变化,避免了因连接不稳定导致的输入丢失问题。
另一个值得注意的改进是默认启用了2M PHY(物理层)协议。2M PHY是蓝牙5.0引入的高速模式,相比传统的1M PHY,它能提供更高的数据传输速率和更低的延迟。对于键盘这种需要实时响应的设备来说,这意味着按键输入将更加即时,特别是在高频率打字场景下,用户体验会有明显提升。
新的项目模板与构建工具
v0.5.1版本引入了基于云开发环境的项目模板,这大大降低了新用户入门RMK的门槛。开发者现在可以在云端环境中快速搭建RMK开发环境,无需在本地配置复杂的工具链。
项目构建工具也进行了升级,现在使用rmkit作为默认的项目生成器。rmkit提供了更简洁的项目结构和更高效的构建流程,同时集成了更多实用功能,如自动化的依赖管理和构建配置。
按键处理逻辑改进
在按键处理方面,本次更新引入了两个重要的宏:
-
mt!宏用于实现修饰键的轻按-长按功能,允许单个按键在不同操作方式下触发不同功能。例如,轻按可能是普通按键,而长按则变为修饰键(如Shift或Ctrl)。 -
th!宏则提供了更灵活的轻按-长按动作配置,开发者可以更精细地控制按键在不同状态下的行为。
此外,修复了"轻按后保持"按键丢失的问题,现在系统允许多个"轻按后保持"按键同时存在,这大大改善了组合键的使用体验。
存储与构建系统升级
底层存储系统升级到了sequential-storage v4.0.0版本,这带来了更可靠的非易失性存储支持和更高的性能。对于需要保存配置或宏定义的键盘来说,这意味着更安全的数据存储和更快的访问速度。
构建流程也进行了优化,现在使用cargo-hex-to-uf2替代了原来的Python脚本生成UF2固件。这一变化不仅提高了构建速度,还增强了构建过程的可靠性,特别是在跨平台开发环境中。
其他重要修复
本次更新还包含了一系列重要的问题修复:
-
修正了左右修饰键错误交换的问题,现在按键映射更加准确。
-
修复了直接引脚矩阵扫描中等待futs数量错误的问题,提高了矩阵扫描的可靠性。
-
改进了连接参数设置机制,现在由中央设备而非外围设备设置连接参数,这有助于建立更稳定的蓝牙连接。
-
修复了多处文档和代码中的拼写错误,提高了项目的整体质量。
总结
RMK v0.5.1版本在连接稳定性、按键处理逻辑和开发体验等方面都做出了显著改进。特别是2M PHY的默认启用和连接状态同步机制的引入,使得无线键盘的响应速度和可靠性达到了新的水平。新的项目模板和构建工具则大大降低了新用户的入门门槛,让更多开发者能够轻松使用RMK构建自己的定制键盘固件。
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