Apollo:为Artemis提供低延迟桌面流服务的开源解决方案
项目介绍
Apollo 是一个为 Artemis(Moonlight Noir)设计的自托管桌面流媒体主机。它支持硬件编码,兼容 AMD、Intel 和 Nvidia GPU,具备云游戏服务器的功能。通过提供的 Web UI,用户可以从喜爱的浏览器中进行配置和客户端配对,无论是本地服务器还是任何移动设备都能轻松实现。
Apollo 的主要特点包括:
- 内置虚拟显示支持,自动匹配客户端的分辨率/帧率配置,并支持 HDR
- 客户端权限管理
- 剪贴板同步
- 客户端连接/断开命令
- 输入模式
项目技术分析
Apollo 采用了一系列先进的技术来实现其功能。首先,它利用了虚拟显示技术,通过 SudoVDA 自动创建和管理与客户端分辨率和帧率相匹配的虚拟显示器。此外,项目还提供了细致的权限管理系统,确保不同客户端的安全和权限控制。
在硬件编码方面,Apollo 支持多种 GPU,使得用户可以根据自己的硬件配置选择最佳的编码方式。软件编码也是可用的,为用户提供了灵活性。
Web UI 的引入,使得用户可以通过浏览器进行配置和客户端配对,极大地方便了用户操作,提高了用户体验。
项目及技术应用场景
Apollo 适用于多种场景,尤其是对于需要远程游戏或者桌面共享的用户来说,它提供了以下应用场景:
- 远程游戏:用户可以在不同设备上远程连接到 Apollo 服务器,享受低延迟的游戏体验。
- 桌面共享:在办公或教育环境中,Apollo 可以用于共享桌面和应用程序,方便协作。
- 云游戏服务:利用 Apollo 的云游戏服务器功能,提供在线游戏流服务。
项目特点
以下是 Apollo 项目的几个显著特点:
自动匹配分辨率和帧率
Apollo 的内置虚拟显示支持自动匹配客户端的分辨率和帧率,无需用户手动配置,极大简化了设置过程。
权限管理系统
项目提供了灵活的权限管理系统,允许管理员为不同客户端分配不同权限,如查看流、启动应用程序、输入控制等。
剪贴板同步
Apollo 支持剪贴板同步,使得在客户端和服务器之间复制和粘贴内容变得无缝。
客户端连接/断开命令
用户可以通过命令控制客户端的连接和断开,这对于自动暂停和恢复游戏等场景非常有用。
输入模式
Apollo 还提供了输入模式,允许用户在没有虚拟显示支持的情况下,仅通过输入设备控制服务器。
总结
Apollo 作为一个开源项目,不仅提供了强大的功能,还具备高度的灵活性和可定制性。通过其先进的技术和细致的设计,它为用户带来了出色的远程桌面流媒体体验。无论是在游戏还是办公环境中,Apollo 都是一个值得推荐的选择。用户可以通过项目提供的 Web UI,轻松配置和管理客户端,享受高效、稳定的服务。如果您正在寻找一个能够满足多种需求的开源桌面流媒体解决方案,Apollo 绝对是您的不二之选。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00