Rem项目屏幕录制功能异常问题分析与解决方案
问题现象
Rem是一款基于macOS的屏幕录制工具,近期部分用户反馈在某些设备上无法正常录制屏幕内容。具体表现为:
- 时间线界面显示空白内容
- 搜索功能可以找到文本内容但无法显示对应的屏幕截图
- 生成的MP4文件大小为0KB,无法正常播放
- 多显示器环境下问题尤为明显
该问题主要出现在M1/M2/M3系列芯片的Mac设备上,特别是运行macOS Sonoma 14.x系统的机型。
问题根源分析
经过技术团队深入调查,发现问题主要由以下几个因素导致:
-
多显示器兼容性问题:当用户连接外部显示器时,Rem无法正确处理屏幕切换逻辑。虽然OCR功能仍能工作(证明截图成功),但视频流无法正确传输到ffmpeg进行编码。
-
分辨率动态变化:不同显示器(特别是主显示器与扩展显示器)的分辨率和方向(横屏/竖屏)差异导致视频帧尺寸不一致,ffmpeg编码器无法处理这种动态变化的输入。
-
权限管理异常:在某些情况下,系统屏幕录制权限虽然已授予,但实际录制过程中权限验证仍存在问题,特别是在Xcode调试模式下。
技术解决方案
开发团队针对上述问题实施了以下改进措施:
-
显示器焦点追踪:改进后的版本能够检测用户当前活跃的显示器,并针对该显示器进行持续录制。当用户切换显示器时,系统会正确处理录制会话的切换。
-
视频帧标准化处理:对所有截图进行标准化处理,确保输入ffmpeg的视频帧保持一致的尺寸和比例,避免编码器异常。
-
录制会话管理:优化录制会话的生命周期管理,当检测到显示器配置变化时,会正确结束当前录制并开始新的会话。
-
权限验证增强:改进了权限检查机制,确保在各种运行模式下都能正确获取屏幕录制权限。
用户解决方案
对于遇到类似问题的用户,可以尝试以下步骤:
- 确保使用最新版本的Rem(0.1.10或更高版本)
- 检查系统屏幕录制权限设置
- 对于多显示器环境,建议先使用单一显示器进行测试
- 如果通过Xcode自行构建,注意每次运行前需要重新授权屏幕录制权限
技术细节补充
该问题的核心在于macOS的屏幕捕获API与ffmpeg编码器的交互方式。当显示器配置变化时,系统提供的CGImage对象尺寸会发生变化,而ffmpeg期望输入帧保持一致的尺寸。解决方案包括:
- 动态检测显示器配置变化
- 对截图进行适当的缩放和裁剪处理
- 维护多个独立的编码器实例以应对多显示器场景
未来改进方向
开发团队计划进一步优化多显示器支持,包括:
- 同时录制多个显示器的内容
- 智能识别主工作区并优先录制
- 改进显示器切换时的流畅度
- 增加录制质量的自适应调整功能
该问题的解决不仅修复了基本功能,也为Rem未来的多显示器支持奠定了坚实基础。
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