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。
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