Ani 播放器全屏优化方案探讨
2025-06-10 08:03:08作者:韦蓉瑛
在 Ani 3.10.0-alpha01 版本中,用户提出了一个关于 PC 端播放器界面优化的建议:希望支持隐藏播放页右侧部分内容,实现应用内全屏效果。这个功能需求主要针对 macOS 和 Windows 平台的用户体验优化。
当前界面分析
从用户提供的截图可以看出,当前 Ani 播放器界面采用了传统的左右分栏布局:
- 左侧为主要视频播放区域
- 右侧为相关信息展示区域(可能包含视频信息、推荐内容等)
这种布局虽然信息展示全面,但在某些场景下(如专注观看视频时),右侧区域可能会分散用户注意力,影响沉浸式观看体验。
设计方案探讨
针对这一需求,开发团队进行了深入讨论,提出了几种可能的实现方案:
方案一:右侧内容下移
将右侧内容区域移至播放器下方,通过滚动方式查看。这种设计可以:
- 保持视频播放区域不被遮挡
- 在需要时仍可查看相关信息
- 符合移动端常见的交互模式
但需要考虑:
- 页面高度可能增加
- 用户需要额外操作才能查看完整信息
方案二:顶栏切换按钮
在播放器顶栏添加切换按钮,一键隐藏/显示右侧区域。这种设计:
- 操作直观便捷
- 不会影响视频播放区域
- 保持界面简洁
需要注意:
- 按钮位置需要精心设计,避免与现有控件冲突
- 需要明确的视觉反馈
方案三:B站直播页面参考
用户参考了B站直播页面的侧边栏设计,但开发团队认为:
- 这种设计会遮挡部分视频内容
- 按钮位置过于靠近播放控件,可能导致误触
- 不适合Ani的产品定位
技术实现考量
无论采用哪种方案,都需要考虑以下技术实现细节:
- 响应式布局:需要确保在不同屏幕尺寸下都能良好显示
- 状态管理:记录用户的全屏偏好设置
- 动画过渡:切换时添加平滑的动画效果
- 性能优化:避免频繁重绘导致的性能问题
结论
综合评估后,开发团队倾向于采用"顶栏切换按钮"方案。这种设计既能满足用户全屏观看的需求,又能保持界面的简洁性和易用性,同时避免了对现有交互模式的破坏性改变。
后续版本中,Ani 可能会逐步实现这一功能优化,为用户提供更加灵活的视频观看体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137