Ferrishot 使用与启动教程
2025-04-19 16:44:50作者:舒璇辛Bertina
1. 项目介绍
Ferrishot 是一个用 Rust 编写的屏幕截图应用程序,它受到了 Flameshot 的启发。Ferrishot 是一个跨平台的应用程序,支持 Windows、MacOS、Linux (X11) 以及 Linux (Wayland)。它提供了一系列的屏幕截图功能,包括选择屏幕区域、调整大小、移动选区、直接复制到剪贴板、保存为文件等。项目正处于积极的开发中,未来还将添加更多功能。
2. 项目快速启动
以下是快速启动 Ferrishot 的步骤:
安装
根据您的操作系统选择以下安装方式:
Homebrew (macOS)
brew install nik-rev/tap/ferrishot
PowerShell (Windows)
powershell -ExecutionPolicy Bypass -c "
irm https://github.com/nik-rev/ferrishot/releases/latest/download/ferrishot-installer.ps1 | iex
"
Shell (Linux)
curl --proto 'https' --tlsv1.2 -LsSf https://github.com/nik-rev/ferrishot/releases/latest/download/ferrishot-installer.sh | sh
Nix (NixOS/Linux)
将以下内容添加到您的 flake.nix 文件中:
inputs.ferrishot.url = "github:nik-rev/ferrishot/main";
然后,在 home-manager 或其他 Nix 环境中使用它:
inputs.ferrishot.packages."${pkgs.system}";
Cargo (Linux)
如果您在 Linux 上使用 Cargo,请参考 CONTRIBUTING.md 文件了解需要的依赖项,然后运行:
cargo install ferrishot
运行
运行以下命令启动 Ferrishot:
ferrishot
3. 应用案例和最佳实践
案例一:捕获屏幕区域
启动 Ferrishot 后,通过左键点击并拖动来选择屏幕上的区域。释放鼠标后,您可以调整大小、移动选区或执行以下操作:
- 按下
Enter将截图复制到剪贴板。 - 按下
Ctrl s保存截图到文件。 - 按下
F11选择整个屏幕。 - 使用
--instant标志来立即复制到剪贴板。
案例二:微调截图
在调整截图大小时,按住 Shift 键可以使得调整速度变慢,从而更精确地控制大小。
4. 典型生态项目
目前 Ferrishot 作为一个新兴项目,其生态系统尚未完全形成。不过,您可以关注其 GitHub 仓库以了解最新的发展和社区贡献。随着项目的成熟,预计将会出现更多围绕 Ferrishot 的插件、工具和社区项目。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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
1.03 K
492
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
346
147