Überzug++ 项目下载及安装教程
1. 项目介绍
Überzug++ 是一个用 C++ 编写的命令行实用程序,旨在通过使用 X11/Wayland 子窗口、Sixel、Kitty 和 iTerm2 在终端上绘制图像。该项目旨在成为现已废弃的 Überzug 项目的替代品。Überzug++ 提供了比 w3mimgdisplay 和 Überzug 更多的优势,包括对 Wayland(如 Sway、Hyprland 和 Wayfire)的支持、MacOS 支持、无竞争条件、支持没有 WINDOWID 环境变量的终端等。
2. 项目下载位置
要下载 Überzug++ 项目,请访问其 GitHub 仓库。你可以使用以下命令克隆项目:
git clone https://github.com/jstkdng/ueberzugpp.git
3. 项目安装环境配置
在安装 Überzug++ 之前,你需要确保系统中安装了以下依赖项:
- CMake ≥ 3.22
- libvips
- libsixel
- chafa ≥ 1.6
- openssl
- tbb
3.1 Ubuntu/Debian 系统
在 Ubuntu 或 Debian 系统上,你可以使用以下命令安装这些依赖项:
sudo apt-get install libssl-dev libvips-dev libsixel-dev libchafa-dev libtbb-dev
3.2 Fedora 系统
在 Fedora 系统上,你可以使用以下命令安装这些依赖项:
sudo dnf install openssl-devel vips-devel libsixel-devel chafa-devel tbb-devel
3.3 依赖项安装示例
以下是 Ubuntu 系统上安装依赖项的示例截图:

4. 项目安装方式
4.1 克隆项目
首先,克隆 Überzug++ 项目到本地:
git clone https://github.com/jstkdng/ueberzugpp.git
cd ueberzugpp
4.2 创建构建目录
接下来,创建一个构建目录并进入该目录:
mkdir build
cd build
4.3 配置构建选项
使用 CMake 配置构建选项。你可以根据需要启用或禁用某些功能。以下是一些常用的选项:
ENABLE_OPENCV(默认开启)ENABLE_X11(默认开启)ENABLE_TURBOBASE64(默认关闭)ENABLE_WAYLAND(默认关闭)
例如,启用 Turbo-Base64 支持:
cmake -DCMAKE_BUILD_TYPE=Release -DENABLE_TURBOBASE64=ON ..
4.4 编译项目
配置完成后,编译项目:
cmake --build .
4.5 安装项目(可选)
如果你希望将 Überzug++ 安装到系统默认路径,可以使用以下命令:
sudo cmake --install .
5. 项目处理脚本
Überzug++ 提供了两个命令:layer 和 tmux。layer 用于向 Überzug++ 发送命令,而 tmux 用于内部处理。
5.1 layer 命令选项
layer 命令接受以下选项:
ueberzug layer -h
这将显示帮助信息,包括所有可用的选项。
5.2 使用 JSON 对象控制图像显示
你可以使用 JSON 对象来控制图像的显示和隐藏。例如,显示图像的 JSON 对象如下:
["action":"add", "identifier":"preview", "max_height":0, "max_width":0, "path":"/path/image.ext", "x":0, "y":0]
隐藏图像的 JSON 对象如下:
["action":"remove", "identifier":"preview"]
通过这些步骤,你可以成功下载、安装并使用 Überzug++ 项目。
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