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。
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