HID Remapper项目发布新版本:解决单Pico变体设备连接问题
HID Remapper是一个开源硬件项目,主要用于键盘和鼠标等HID设备的按键重映射和功能扩展。该项目基于RP2040微控制器,支持多种硬件变体,包括单Pico、双Pico、Feather等多种开发板形态。通过这个项目,用户可以实现复杂的按键映射、宏功能以及设备间的信号转换。
本次更新的核心改进
最新发布的r2025-03-10版本主要解决了单Pico变体设备的一系列连接稳定性问题。此前版本中,某些特定配置下,设备只有在插入PC并开机后再连接HID Remapper才能正常工作,每次使用都需要重新插拔。新版本彻底修复了这一限制,使设备连接更加稳定可靠。
具体来说,本次更新带来了以下重要改进:
-
连接稳定性提升:现在单Pico变体的HID Remapper可以作为纯粹的USB-to-GPIO解码器使用,无需依赖PC端的特定连接顺序。这意味着设备可以从任何USB电源供电工作,不再强制要求连接到PC。
-
睡眠/唤醒兼容性:修复了设备在系统睡眠和唤醒过程中的兼容性问题,确保在各种电源状态下都能保持稳定连接。
-
KVM切换器支持:增强了与KVM切换器的兼容性,解决了之前版本中可能出现的连接中断问题。
新增硬件支持
除了上述功能改进外,本次更新还新增了对Waveshare RP2350-USB-A开发板的支持。这是一款基于RP2040的紧凑型开发板,具有USB-A接口,非常适合用于HID设备改造项目。
技术实现细节
从技术角度看,本次更新主要优化了USB枚举和电源管理逻辑。开发团队重新设计了设备的初始化流程,确保在各种连接场景下都能正确识别和配置。特别是解决了以下技术难点:
- 改进了USB描述符的处理逻辑,使设备能够更可靠地被主机识别
- 优化了GPIO状态管理,确保在电源波动时保持稳定
- 增强了错误恢复机制,减少因连接问题导致的设备锁定
适用场景与使用建议
新版本特别适合以下应用场景:
-
嵌入式HID设备开发:现在可以更可靠地将HID Remapper集成到各种嵌入式系统中,无需担心连接顺序问题。
-
工业控制面板改造:利用其稳定的GPIO解码功能,可以方便地将传统开关设备转换为USB HID设备。
-
KVM环境下的设备共享:在多计算机切换环境中提供更稳定的键盘鼠标共享方案。
对于现有用户,建议尽快升级以获得更好的使用体验。升级过程非常简单,只需下载对应硬件变体的UF2文件并通过引导加载模式刷入即可。
未来展望
从本次更新可以看出,HID Remapper项目正在向更稳定、更通用的方向发展。随着对更多硬件平台的支持和核心功能的持续优化,该项目有望成为HID设备改造领域的标准解决方案之一。开发团队对电源管理和连接稳定性的持续关注,也预示着未来版本可能会进一步拓展在低功耗和物联网领域的应用潜力。
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