Windows Auto Night Mode 新增 JPEG XR 壁纸支持解析
Windows Auto Night Mode 作为一款广受欢迎的自动切换 Windows 系统主题的工具,在最新版本中增加了对 JPEG XR 格式壁纸的支持,这一更新特别针对 Windows 11 24H2 版本中引入的 HDR 壁纸功能进行了适配。
JPEG XR 格式的技术背景
JPEG XR(JPEG Extended Range)是一种由微软开发的图像格式,其前身为 Windows Media Photo。这种格式支持高动态范围(HDR)图像,能够呈现更丰富的色彩和亮度层次,特别适合现代 HDR 显示设备。相比传统 JPEG 格式,JPEG XR 提供了更好的压缩效率和更高的图像质量。
Windows 11 24H2 的 HDR 壁纸特性
Windows 11 24H2 版本引入了一项重要功能:支持使用 JPEG XR 格式的图像作为系统壁纸,并能够正确显示 HDR 内容。这一特性使得用户可以在支持 HDR 的显示器上享受更加生动、色彩更丰富的桌面背景体验。
Windows Auto Night Mode 的适配过程
Windows Auto Night Mode 开发团队通过调研发现,Windows API 中的 SystemParametersInfoA 函数和 IDesktopWallpaper 接口实际上已经支持 JPEG XR 格式的壁纸设置。关键在于:
- 系统必须启用 HDR 模式
- 虽然预览可能显示不正常,但实际应用后会正确呈现
- 文件选择器需要正确识别 .jxr 扩展名
开发团队在最新版本中扩展了文件选择器支持的文件类型,现在用户可以直接选择 JPEG XR 格式的图像作为壁纸。同时,为了提供更好的用户体验,工具还增加了对其他多种图像格式的支持。
技术实现细节
Windows Auto Night Mode 通过以下两种主要方式设置壁纸:
- 使用 SystemParametersInfoA 函数的 SPI_SETDESKWALLPAPER 参数
- 调用 IDesktopWallpaper 接口
这两种方法在 Windows 11 24H2 中都已原生支持 JPEG XR 格式,因此不需要额外的编码工作,只需在用户界面中启用对应的文件类型选择即可。
用户使用建议
对于想要使用 HDR 壁纸的用户,建议:
- 确保显示器支持 HDR 并已启用该功能
- 使用最新版本的 Windows Auto Night Mode
- 选择高质量的 JPEG XR 格式图像作为壁纸
- 注意预览可能显示不正常,但实际应用后会正确呈现
未来展望
随着 HDR 显示设备的普及,JPEG XR 等支持高动态范围的图像格式将变得越来越重要。Windows Auto Night Mode 的这次更新不仅解决了当前用户的需求,也为未来更多高级图像特性的支持奠定了基础。开发团队表示将继续关注 Windows 系统的新特性,确保工具能够及时适配,为用户提供最佳的使用体验。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust077- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00