DOSBox-X项目中CGA模式分辨率输出问题的技术分析
问题背景
在DOSBox-X模拟器中,当用户将机器类型设置为CGA、CGA_COMPOSITE或CGA_COMPOSITE2时,系统会错误地输出640x400分辨率,这与VGA的双扫描模式类似。这一问题影响了所有版本的DOSBox-X,包括最新发布版本。
技术细节
CGA(彩色图形适配器)是IBM PC早期的一种图形标准,其原生分辨率应为320x200。然而在DOSBox-X中,当使用以下配置时:
- machine=cga/cga_composite/cga_composite2
- scaler=none
- doublescan=false
系统却错误地输出了640x400分辨率。这种异常行为特别影响那些支持复合视频输出而不仅仅是RGB输出的DOS应用程序和游戏。
问题根源
经过深入分析,发现这一问题主要存在于640像素宽的模式下(包括80x25文本模式和640x200图形模式)。值得注意的是,40x25文本模式和320x200图形模式能够正确工作,不会出现双扫描问题。
解决方案
开发团队提供了多种解决方案:
-
临时解决方案:用户可以将scaler设置为hardware_none来禁用软件高度加倍功能。这一调整允许CRT着色器正确模拟CGA输出的扫描线效果。
-
推荐配置:建议使用scaler=hardware2x而非scaler=normal2x作为默认设置,以获得更准确的输出效果。
-
最新修复:在最新的夜间构建版本中,用户可以通过以下组合获得正确的扫描线效果:
- machine=cga
- scaler=hardware_none
技术实现改进
开发团队对代码进行了以下重要改进:
-
分离了硬件缩放和软件缩放的逻辑,防止缩放因子被错误地叠加计算。
-
确保scaler=hardware完全禁用所有缩放,包括通常应用于非方形像素(如640x200)的宽度和高度加倍。
-
优化了硬件2x缩放的行为,使其在output=surface时能够像normal2x一样工作。
用户配置建议
对于追求准确CGA模拟效果的用户,推荐以下配置:
- output=openglnb
- scaler=hardware_none
- aspect=true (或选择"Fit to aspect ratio")
- 适当的GLSL着色器(如crt-aperture)
结论
通过最近的代码修复,DOSBox-X已经能够正确模拟CGA及其复合视频输出的原始分辨率特性。这一改进特别有利于那些追求历史准确性的模拟器用户,使他们能够体验到更接近原始硬件的视觉效果。
对于普通用户,只需更新到最新版本并采用推荐的配置即可获得最佳体验;对于高级用户,可以通过调整各种缩放和着色器选项来进一步微调输出效果。
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