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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00