HID Remapper项目最新版本r2025-01-13功能解析
HID Remapper是一个开源的输入设备重映射工具,它允许用户自定义各种输入设备(如游戏手柄、键盘、鼠标等)的信号映射关系。通过这个项目,用户可以灵活地重新定义输入设备的按键、摇杆和触发器的功能,满足个性化需求或特殊场景下的使用要求。
输入信号自动标准化处理
在最新发布的r2025-01-13版本中,项目团队实现了一项重要改进:摇杆和触发器输入信号现在会自动缩放到标准的0-255范围。这一改进极大简化了常见映射场景的配置工作。
以往,当用户需要将"左摇杆X轴"映射到"右摇杆X轴"时,如果输入设备使用了非标准范围(这在Xbox控制器和一些DIY摇杆中很常见),用户不得不使用表达式来手动调整数值范围。现在,系统会自动处理这种范围转换,使得简单的映射配置不再需要复杂的表达式。
新增表达式操作符
为了给高级用户提供更多灵活性,新版本引入了几个实用的表达式操作符:
-
INPUT_STATE_SCALED操作符可以获取已缩放到0-255范围的摇杆/触发器输入值。这意味着用户现在可以编写适用于不同输入范围的表达式,更换设备时无需重新调整表达式参数。 -
DEADZONE和DEADZONE2操作符专门用于为摇杆输入应用径向死区。死区是指摇杆中心附近的一个区域,在这个区域内输入信号会被忽略,防止轻微抖动导致的误操作。例如,用户可以将寄存器1映射到左摇杆X轴,寄存器2映射到左摇杆Y轴,然后使用以下表达式实现25%的死区效果:
0x00010030 input_state_scaled
0x00010031 input_state_scaled
64 deadzone
2 store
1 store
配置复杂度的错误提示
新版本改进了配置保存机制。当配置过于复杂而无法保存在设备上时,系统会显示明确的错误信息,而不是像以前那样出现未定义行为。这一改进有助于用户快速识别和解决问题,提升了用户体验。
键盘LED状态支持
蓝牙版本现在可以访问键盘LED状态(如大小写锁定灯、数字锁定灯等),虽然这些状态目前还不会传递给连接的设备。此外,设置键盘LED状态的功能在更多设备上得到了支持,兼容性有所提升。
多平台固件支持
项目为多种硬件平台提供了预编译固件,包括但不限于:
- 标准RP2040开发板
- Adafruit Feather nRF52840
- Seeed XIAO nRF52840
- Waveshare RP2040-PiZero
- 各种定制版本
每种固件都针对特定硬件进行了优化,用户可以根据自己的设备选择合适的版本进行刷写。
技术意义与应用场景
HID Remapper的这些改进特别适合以下场景:
- 游戏玩家需要自定义控制器映射以适应不同游戏需求
- 特殊需求用户需要调整输入设备以适应身体条件
- 开发者测试不同输入设备的兼容性
- DIY爱好者构建定制化输入解决方案
自动缩放功能的加入大大降低了使用门槛,使得非技术用户也能轻松配置输入映射。而死区操作符则为精确控制提供了专业级工具,满足了高端用户的需求。
随着开源社区的持续贡献,HID Remapper项目正在成为一个功能强大且易于使用的通用输入设备定制平台,为各种特殊输入需求提供了灵活的解决方案。
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