glasscast

把电脑屏幕投到千问 AI 眼镜 S1，用语音开始和停止。适合瞄一眼终端、构建进度或文档，不适合看视频、玩游戏。

非官方个人项目，与阿里巴巴、千问团队和千问 AI 硬件开放平台没有任何关联。

它怎么工作

眼镜没有给第三方开放视频流，所以 glasscast 用连续换图来代替视频。一次投屏分三段：

1. 电脑截屏。 glasscast serve 不停截屏，按推荐配置缩到 480×218，压成约 2.6 KB 的灰度 JPEG。它只保留最新一帧，放在你自己的公网 HTTPS 域名下。

2. 眼镜取图。 眼镜上的页面不停换图片地址，比如 …/screen.jpg/0101120000_1.jpg、…/0101120000_2.jpg。地址一变，手机 App 就下载一次，拿到的总是最新一帧，再经蓝牙传给眼镜解码显示。

3. 语音控制。 你对眼镜说「开始投屏」，千问平台的大模型调用 glasscast 的 MCP 工具，再打开投屏页面。MCP 只管开始、停止和查询，不参与逐帧刷新。

一张图从手机下载到眼镜显示，固定要约 0.65 秒，和图片是 2.5 KB 还是 4 KB 关系不大。这决定了这条链路的速度上限。

Related MCP server: openowl

实际效果

下面是在 S1 真机上测到的结果：

• 普通模式延迟约 1～2 秒，流畅模式没有单独测过。

• 单色绿屏，没有声音，也不能在眼镜上操作电脑。

• 画面在视野左上角，页面里改不了。整屏缩小后小字看不清，看代码时建议只投一块区域（GLASSCAST_REGION）。

• 只在 macOS 上测过。

流畅模式的实现思路

流畅模式要同时做到两件事：换图比每秒一次快，并且每张图都来得及显示。

普通模式为什么快不起来

普通模式用 <tick> 换图。页面里所有 tick 共用一个 1 秒定时器，所以最快每秒 1 帧。我们也试过用 <frame-set> 帧合集当定时器，模拟器里能跑，但平台保存时的校验（URI-001）不放行，放不到真机上。

用事件倒数当定时器

页面可以给自己发 emit:// 事件。emit 是异步的，事件要等下一轮消息循环才送达，真机上每一步约 13 毫秒。收到事件后再发一个，页面就有了一个比 tick 快得多的节拍。

难点在于节拍不能写进 data。每写一次 data 就刷新一次绑定，而绑定一刷新，还没加载完的 <image> 就要从头加载。早期版本每一圈都连写两三次 data，真机上每张图被请求 3～6 次，最后只显示出一张图。

所以计数放在事件参数里，只有换图时才写 data。页面的核心就是下面这些（完整代码见 pages/cast-emit/template.xml）：

<data s="0" g="0" m="75"/>

<!-- 打开页面：写入每轮的步数 m，开始倒数 -->
<lifecycle-event a:if="{{hops != 0}}" on-load="data://update?m={{hops * 3}}" on-new-intent="data://update?m={{hops * 3}}"/>
<lifecycle-event on-load="emit://event/d10?n=10"/>

<!-- 倒数：d1 到 d9 共九条规则，动作相同，都是把 n 减一再发出去 -->
<event match="event://d1" action="emit://event/d{{e:n - 1}}?n={{e:n - 1}}"/>
<event match="event://d9" action="emit://event/d{{e:n - 1}}?n={{e:n - 1}}"/>

<!-- 倒到 0：写一次换图编号 g，再从 m 开始下一轮 -->
<event match="event://d0?" action="data://update?g={{d:g + 1}}"/>
<event match="event://d0?" action="emit://event/d{{d:m}}?n={{d:m}}"/>

<image a:if="{{d:s != 0}}" src="{{url}}{{structuredContent.url}}/{{d:s}}_{{d:g}}.jpg" width="640" height="290" image-fit="stretch"/>

以档位 4 为例，m 是 36，一张图的过程是：

1. 倒数到 0，g 加一。这是一轮里唯一一次写 data，图片地址随之变成 …/<会话>_<g>.jpg。

2. 手机下载最新一帧，经蓝牙传给眼镜，眼镜解码显示。

3. 这段时间里页面继续倒数 36、35……1，全程不写 data，图片不会被打断。

4. 又倒到 0，回到第 1 步。

还有两个写法上的细节：

• 九条规则就能倒任意步数。 每页不同的 match 数量有限（最多 32 个），而 match 是前缀匹配：event://d3 能命中 d3、d30、d36。所以 d1～d9 按 n 的首位数字分流，只有 n 到 0 时才命中 d0?。

• 地址每次都不一样。 data 里的数超过 2147483647 会被卡住，时间戳存不进去。所以 s 只取打开页面时的月日时分秒，g 是从 0 开始的小计数器，两者拼成的地址不会溢出，每次打开页面也不会命中缓存。地址还必须以 .jpg 结尾，用 ?ts= 防缓存的地址能下载，但眼镜不显示。

档位和真实帧数

start_cast 的 fps 参数是速度档位，不是眼镜上的帧数。它决定两件事：

• 电脑每秒截几张图。 档位 4 时电脑每秒截 4 张，眼镜只来得及显示约 1.5 帧，手机每次取到的都是最新一张。

• 页面每轮倒数多少步。 hops = round(1000 / 档位 / 20)（Python 的 round，12.5 取 12；20 是 GLASSCAST_EMIT_HOP_MS 的默认值），限制在 1～25，m = hops × 3。hops 由 start_cast 算好，模型打开页面时传进去，所以换档不用改页面。

3～4.5 档是实测的，1～2 档是按步数估算的。3、3.3 档用约 4.1 KB 的图，4 档的 630～720 毫秒和 4.5 档用约 2.5 KB 的图。图越小越不容易卡：约 4.1 KB 的图到 3.5 档就开始不稳，3.8 档约 500 毫秒、时好时坏，4 档不行；约 2.5 KB 的图到 4 档还算稳。

上限和卡住是怎么来的

每张图有约 0.65 秒的固定开销，所以倒数再短，真实帧数也基本停在每秒 1.5 帧左右。

档位 4 的 36 步按每步 13 毫秒算只要约 470 毫秒，比 0.65 秒还短，正常时实测却是 630～720 毫秒。这是因为眼镜处理图片时，事件循环也被拖慢了。

问题在于倒数并不知道图片显示完了没有。只要有一张图没显示出来，眼镜就不再被拖慢，循环回到全速（每步约 12.5 毫秒），下一张来得更快，也就更显示不出来。真机日志里这种状态能持续几十秒，换图间隔只有 405～450 毫秒，画面却不动。档位越高越容易掉进去，4 是实测能稳住的最高档，但也不是绝对不会卡。

想再快，只能一次下载里装多帧，在眼镜本地播放，这条路还在实验中。现在传的始终是一张张普通 JPEG，不是视频流，也不是 GIF：<gif> 的 src 在模拟器里只在创建时取一次，换不了内容（真机没测过），GIF 输出只是默认关闭的实验开关，现有页面都没用它。

需要准备

• 千问 AI 眼镜 S1 和手机 App「千问AI穿戴」

• 千问 AI 硬件开放平台账号

• 一台装好 uv 的 Mac，投屏时不能锁屏或睡眠

• 一个指向这台电脑的公网 HTTPS 域名，必须是真证书

快速开始

先在本机试一下，不需要眼镜：

git clone https://github.com/Edint386/glasscast.git
cd glasscast
uv sync
GLASSCAST_TOKEN=local-test-token-123456 GLASSCAST_CAST_KEY=localtest123 \
  uv run glasscast serve --source synthetic --public-url http://127.0.0.1:8766 --autostart image

用浏览器打开 http://127.0.0.1:8766/s/localtest123/screen.jpg，合成画面约每秒更新一帧，隔一秒以上刷新就能看到新画面。

接到眼镜上：

1. 运行 cp .env.example .env，填好域名和 token（用 openssl rand -hex 24 生成）。

2. 给启动 glasscast 的终端打开「屏幕录制」权限。

3. 把服务暴露到公网 HTTPS，见 公网部署。

4. 启动服务：. ./.env && uv run glasscast serve。

5. 在平台上建 MCP 插件、技能和两个页面，见 平台配置。

6. 对眼镜说「开始投屏」。

语音命令

安全

• 图片地址里的 KEY 等于看屏口令，拿到完整地址的人就能看到你的屏幕。

• 投屏会投出屏幕上的一切，包括通知和密码框。

• Token 只填在平台的插件配置和本机的 .env 里，不要写进技能或页面。

详见 使用手册的安全一节。

文档

• 使用手册：完整部署步骤、命令行和环境变量、HTTP 和 MCP 接口、排错、已知问题

• 公网部署：反向 SSH 隧道、nginx、1Panel、cloudflared

• 平台配置：在千问平台上建插件、技能和页面

• 眼镜页面：每个页面是什么、改页面前要知道的限制

• 本地模拟器：不用眼镜预览页面

• 实验记录：带日期的调研和真机测试笔记

许可

代码以 MIT 许可证 发布。「千问」「Qwen」等名称和商标归其各自所有者。模拟器用到的官方渲染内核不包含在本仓库里，由脚本从官方 CDN 下载。使用时请遵守平台的开发者协议，投屏内容和公网暴露的风险由使用者自行承担。

English: glasscast mirrors a Mac screen to Qwen AI glasses S1 by serving small grayscale JPEGs over your own HTTPS domain, at about 1 to 1.5 images per second. Setup docs are in Simplified Chinese. This is an unofficial personal project.