TGUI 1.9.0版本发布:跨平台GUI库的重大更新
TGUI(Tiny GUI)是一个轻量级、跨平台的C++ GUI库,它提供了丰富的UI组件和现代化的界面设计能力。TGUI最初是为SFML图形库设计的,但随着发展已经支持多种后端渲染引擎,包括SDL、Raylib等,使其成为游戏开发和图形应用程序中构建用户界面的理想选择。
新后端支持:SDL_GPU
TGUI 1.9.0版本引入了对SDL3新GPU API的支持。这一重大更新意味着开发者现在可以使用SDL_GPU作为TGUI的后端渲染引擎。SDL_GPU是SDL3中新增的一个高性能图形渲染API,它提供了更直接的硬件加速访问,能够带来更好的渲染性能。
对于已经使用SDL3进行项目开发的团队来说,这一支持意味着可以无缝集成TGUI到现有项目中,无需额外的渲染层转换。SDL_GPU后端特别适合那些需要高性能图形渲染的游戏和应用程序。
RichTextLabel功能增强
RichTextLabel组件在此版本中获得了重要增强,新增了对URL标签的支持。这意味着开发者现在可以在富文本中嵌入超链接,为用户提供更丰富的交互体验。
此外,新增的findLinkAtPos函数允许开发者检查鼠标是否悬停在任何链接上,这为实现链接悬停效果和点击处理提供了基础。这一功能对于创建现代化的、类似网页的交互体验非常有价值,特别是在游戏内的帮助系统、教程或信息展示界面中。
CanvasSFML坐标映射功能
CanvasSFML类新增了两个实用的坐标转换函数:mapPixelToCoords和mapCoordsToPixel。这些函数提供了像素坐标与逻辑坐标之间的双向转换能力,解决了在复杂视图和变换场景下精确定位UI元素的问题。
这一功能特别适用于那些需要在不同坐标系之间进行转换的场景,比如当CanvasSFML用于游戏中的小地图或特殊效果渲染时,开发者可以更轻松地处理坐标系统间的映射关系。
百分比字面量支持
TGUI 1.9.0引入了一个新的命名空间tgui::literals::percent,其中包含了_percent用户定义字面量。这一语法糖使得在代码中表示百分比值更加直观和类型安全。
例如,开发者现在可以这样写:
auto width = 50_percent; // 等同于tgui::Layout2d("50%")
这种表达方式不仅使代码更易读,还能在编译时捕获一些潜在的类型错误,提高了代码的健壮性。
Android平台上的Raylib支持
此版本增加了通过raymob在Android平台上使用raylib后端的能力。这一扩展使得TGUI可以更广泛地应用于移动设备开发,特别是那些使用raylib作为图形引擎的Android游戏和应用。
对于移动开发者来说,这意味着他们可以在Android平台上利用TGUI的强大UI功能,同时保持raylib的轻量级和跨平台特性。这一支持为移动游戏开发提供了更多可能性。
动画效果修复
TGUI 1.9.0修复了在使用showWithEffect或hideWithEffect函数时,当淡入淡出(Fade)动画尚未完成时的行为问题。这一修复确保了动画效果的平滑过渡,避免了在快速连续触发动画时可能出现的视觉瑕疵。
对于注重用户体验的开发者来说,这一改进意味着他们可以更可靠地使用TGUI的动画效果系统,创建更流畅的界面过渡和交互体验。
总结
TGUI 1.9.0版本带来了多项重要更新和功能增强,从新的渲染后端支持到现有组件的功能扩展,再到平台兼容性的提升。这些改进不仅丰富了TGUI的功能集,也提高了其在各种应用场景下的适用性和稳定性。
对于C++开发者,特别是那些需要构建跨平台图形界面的游戏和应用开发者来说,TGUI 1.9.0提供了一个更加强大和灵活的工具集。无论是桌面应用还是移动应用,新版本都能满足更广泛的开发需求,同时保持TGUI一贯的轻量级和易用性特点。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust021
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00