React Native Video 全屏模式下的导航栏与控制器处理方案
全屏模式下的导航栏显示问题
在 React Native Video 6.4.3 版本中,当视频进入全屏模式时,Android 设备的底部导航栏会保持可见状态。这一设计选择是为了确保用户在全屏观看视频时仍能访问返回按钮、最小化等系统功能。
开发者可以通过修改 FullScreenPlayerView 的代码来实现沉浸式体验,隐藏导航栏。核心方法是重写 onAttachedToWindow 方法,设置系统 UI 标志位:
override fun onAttachedToWindow() {
super.onAttachedToWindow()
window.decorView.systemUiVisibility = (
View.SYSTEM_UI_FLAG_IMMERSIVE_STICKY
or View.SYSTEM_UI_FLAG_FULLSCREEN
or View.SYSTEM_UI_FLAG_HIDE_NAVIGATION
or View.SYSTEM_UI_FLAG_LAYOUT_FULLSCREEN
or View.SYSTEM_UI_FLAG_LAYOUT_HIDE_NAVIGATION
or View.SYSTEM_UI_FLAG_LAYOUT_STABLE
)
}
退出全屏时,需要重置 UI 可见性:
override fun onDetachedFromWindow() {
super.onDetachedFromWindow()
window.decorView.systemUiVisibility = (
View.SYSTEM_UI_FLAG_LAYOUT_STABLE
or View.SYSTEM_UI_FLAG_LAYOUT_HIDE_NAVIGATION
or View.SYSTEM_UI_FLAG_LAYOUT_FULLSCREEN
)
}
全屏模式下的控制器处理
开发者反馈,即使设置了 controls={false} 属性,全屏模式下仍会显示默认控制器。这是因为全屏模式的控制器是由原生端独立处理的,与普通模式下的控制器不同。
解决方案有两种:
-
避免使用原生全屏模式:不直接使用
fullScreen={true}属性,而是通过 JavaScript 端实现全屏效果。可以创建一个新的全屏页面,在用户点击全屏按钮时导航至该页面,这样就能完全自定义控制器。 -
等待功能更新:React Native Video 团队正在考虑添加新属性来控制全屏模式下的导航栏显示行为,未来版本可能会提供更灵活的配置选项。
状态栏颜色问题
另一个需要注意的问题是,在 Android 设备上使用 fullScreen={true} 时,状态栏会变为黑色,且在退出全屏后不会恢复原色。这已被确认为一个需要修复的问题,预计在后续版本中解决。
最佳实践建议
-
如果需要完全自定义的全屏体验,建议采用 JavaScript 端实现方案,避免依赖原生全屏模式。
-
若必须使用原生全屏模式,可以等待官方更新,或自行修改原生代码实现所需效果。
-
对于状态栏颜色问题,目前可通过监听全屏状态变化,在 JavaScript 端手动调整状态栏样式作为临时解决方案。
React Native Video 作为一个成熟的视频播放组件,在全屏体验方面提供了基础功能,同时也保留了让开发者根据需求进行自定义的灵活性。理解这些底层机制有助于开发者更好地控制视频播放体验。
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