t-rec-rs 终端录制工具使用教程
2026-01-14 17:47:51作者:何将鹤
1. 项目介绍
t-rec-rs 是一个用 Rust 编写的终端录制工具,能够快速生成高质量的动画 GIF 图像或 MP4 视频。它具有以下特点:
- 高速录制:每秒可录制 4 帧,适用于快速生成演示动画。
- 高质量输出:生成的 GIF 图像或 MP4 视频质量高,文件尺寸小。
- 内置优化:支持空闲帧检测和优化,确保演示流畅。
- 跨平台支持:支持 MacOS、Linux 和 NetBSD。
- 离线运行:无需云服务,完全离线运行。
2. 项目快速启动
2.1 安装
2.1.1 MacOS 安装
使用 Homebrew 安装:
brew install t-rec
使用 MacPorts 安装:
sudo port selfupdate
sudo port install t-rec
使用 Cargo 安装:
brew install imagemagick
cargo install -f t-rec
2.1.2 Linux 安装
使用 deb 包安装:
sudo apt-get install imagemagick
wget https://github.com/sassman/t-rec-rs/releases/download/v0.5.0/t-rec_0.5.0_amd64.deb
sudo dpkg -i t-rec_0.5.0_amd64.deb
使用 snap 安装:
sudo snap install t-rec --classic
使用 AUR 安装(适用于 Arch Linux):
paru -S t-rec
2.1.3 NetBSD 安装
使用 pkgin 安装:
pkgin install t-rec
2.2 使用
基本使用:
t-rec
指定不同的程序启动:
t-rec /bin/sh
3. 应用案例和最佳实践
3.1 录制终端操作
使用 t-rec 录制终端操作,生成 GIF 动画:
t-rec
3.2 录制任意窗口
录制浏览器窗口:
TERM_PROGRAM="google chrome" t-rec
录制 VSCode 窗口:
t-rec --ls-win | grep -i code
WINDOWID=27600 t-rec
3.3 生成 MP4 视频
生成 MP4 视频:
t-rec --video
4. 典型生态项目
t-rec-rs 作为一个终端录制工具,可以与其他终端工具和开发工具结合使用,例如:
- 终端模拟器:如
iTerm2、GNOME Terminal等。 - 开发工具:如
VSCode、IntelliJ IDEA等。 - 版本控制系统:如
Git、GitHub等,用于记录和分享代码变更过程。
通过结合这些工具,t-rec-rs 可以帮助开发者更高效地记录和分享终端操作和开发过程。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust074- 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
项目优选
收起
暂无描述
Dockerfile
689
4.46 K
Ascend Extension for PyTorch
Python
544
668
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
955
928
Claude 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 Started
Rust
415
74
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
407
323
昇腾LLM分布式训练框架
Python
146
172
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
650
232
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.08 K
564
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.59 K
925
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
642
292