Sdrangel项目中QT6环境下qtgamepad缺失的解决方案
背景介绍
Sdrangel是一款功能强大的软件定义无线电(SDR)应用,它依赖于Qt框架进行开发。随着Qt6的发布,一些Qt5的模块在Qt6中发生了变化,其中就包括qtgamepad模块。
qtgamepad模块在Sdrangel中的作用
在Sdrangel项目中,qtgamepad模块主要用于转子控制器(Rotor controller)功能,具体实现位于gs232controller插件中。这个模块提供了对游戏手柄等输入设备的支持,使得用户可以通过外接控制器来操作SDR设备。
QT6环境下的兼容性问题
Qt6中移除了qtgamepad模块,官方开发者表示在将其移植到Qt6之前需要进行大量修改。这给使用Qt6构建Sdrangel的用户带来了挑战。
解决方案
根据项目维护者的确认,有以下几种处理方式:
-
完全跳过该插件:如果用户不需要转子控制器功能,可以在构建时选择不编译gs232controller插件。
-
混合使用Qt5库:虽然项目主要使用Qt6构建,但可以单独保留Qt5的qtgamepad库。测试表明这种方式不会导致运行冲突。
-
等待官方移植:Qt开发团队计划在未来对qtgamepad进行重大改进后再移植到Qt6。
音频输出问题的澄清
在测试过程中,用户可能会遇到ALSA音频相关的警告信息,如"underun occurred"。需要明确的是,这些问题与qtgamepad模块无关,可能是由PipeWire音频系统引起的,属于另一个独立的技术问题。
构建建议
对于使用Qt6构建Sdrangel的用户,如果不需要游戏手柄支持功能,最简单的解决方案是在构建配置中排除gs232controller插件。如果需要该功能,目前最稳定的方案是混合使用Qt5的qtgamepad库。
项目代码已经做了良好的条件编译处理,即使在没有qtgamepad的情况下也能正常编译和运行,只是相关功能将不可用。这种设计体现了良好的模块化和兼容性考虑。
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