Quadplay游戏引擎2025-04-19版本更新解析
Quadplay是一款开源的2D游戏开发引擎,以其轻量级和易用性受到独立游戏开发者的青睐。2025年4月19日发布的版本带来了多项重要更新,从图形渲染到物理引擎都有显著改进,为开发者提供了更强大的工具集。
核心功能增强
图形系统升级
本次更新为精灵系统带来了多项实用功能。新增的convex_hull()函数能够计算点集的凸包,这对于碰撞检测和物理模拟非常有用。linstep()函数的加入则为动画和过渡效果提供了更灵活的插值控制。
精灵表功能得到扩展,新增的spritesheet.size_in_sprites属性可以快速获取精灵表中包含的精灵数量。sprite_transfer_orientation()函数现在支持直接操作精灵表目标,简化了精灵方向转换的工作流程。
特别值得注意的是,引擎现在支持在macOS上使用ImageOptim、在Windows上使用PNGGauntlet进行PNG压缩,这显著优化了游戏资源的大小。同时新增了对Visual Studio 2022和Krita的外部编辑器支持,并扩展了文档编辑支持到.md、.html和.txt格式。
物理引擎改进
物理系统方面,区域和实体现在支持将entity.shape定义为由xy()值数组指定的凸多边形。这一改变影响了多个相关函数,包括entity.size、make_entity()、ray_intersect()等,为碰撞检测提供了更精确的控制。
新增的entity_apply_fluid_force()函数模拟了流体对物体的作用力,entity_projected_length()和entity_point_vel()则提供了更精细的物理属性查询能力。值得注意的是,entity_apply_force()和entity_apply_impulse()现在改为在实体空间中指定作用位置,这使物理模拟更加直观。
物理引擎还改进了休眠物体的接触保持机制,确保物体从休眠状态唤醒时能正确处理已有的接触关系。
开发工具优化
编辑器方面,精灵编辑器现在会显示当前像素位置和像素值,并增加了明确的缩放滑块,使像素级编辑更加方便。调试工具也得到增强,启用"显示物理"菜单选项现在会可视化作用力,而"显示实体边界"选项则会同时显示实体名称。
文档系统进行了重大改进,unparse()函数现在能漂亮地打印输出,识别xy()等常见对象和角度、分数等约定。帮助系统加载时间显著减少,且游戏文档的热重载现在能保持滚动位置。
输入与音频
输入系统新增了对游戏控制器模拟触发器的直接读取支持,通过device_control("get_analog_triggers", ...)实现。同时增加了device_control("rumble", ...)支持,为兼容的游戏控制器提供触觉反馈功能。
音频方面新增了shoot-14.sound.json音效资源,丰富了游戏的声音选择。
其他改进与修复
数学工具新增了random_within_tri()函数,用于在三角形区域内生成随机点。修复了sequence()回调函数在某些情况下不执行的问题,修正了Windows上的外部应用程序启动问题,并解决了物理模拟中扭矩方向错误等问题。
文档系统也进行了重组,改进了坐标系部分的说明,并添加了相关示例程序,帮助开发者更好地理解引擎的坐标系系统。
这次更新显著提升了Quadplay引擎的功能性和易用性,特别是在物理模拟和开发工具方面,为2D游戏开发者提供了更加强大和便捷的开发体验。
kernelopenEuler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。C032
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7暂无简介Jinja00
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