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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00