Системные требования

Требования полной программы зависят от сценария: разметка и классический CV заметно легче model-backed CV, длительного Capture и Screph Code. Ниже отделены подтверждённые технические границы от рекомендаций, для которых ещё нет clean-machine compatibility matrix.

1. Платформа и статус совместимости

Текущая целевая платформа — Windows 10/11 x64. Свежие packaged screph.exe, pro_agent.exe и QtWebEngineProcess.exe имеют PE machine AMD64; 32-bit Windows не является поддерживаемой целью. Linux и macOS остаются roadmap, а запуск исходников там не равен поддержке продукта.

Alpha evidence boundary. Artifact manifest 1.0.9 не записывает architecture, минимальный Windows build или результаты compatibility matrix. QtIFW installer также не выполняет отдельный OS-version preflight; найденный packaged smoke относится к текущему build host, а clean-machine Windows 10/11 matrix в release evidence не найдена. Поэтому «Windows 10/11 x64» — целевая поддержка, а не сертификат работы на каждом обновлении Windows 10.

2. CPU и оперативная память

В текущем installer/runtime нет проверенного минимального числа CPU cores или объёма RAM, поэтому сайт не объявляет выдуманные значения вроде «8 GB minimum». Реальная нагрузка определяется размером кадров, FPS, длиной timeline, числом canvas presentations, выбранными CV-моделями, LLM runtime и параллельными процессами Screph Code.

  • Для разметки, projects и классического OpenCV начните без ML-компонента.
  • При длительном Capture используйте disk_images; ram_images хранит кадры в памяти и требует уменьшать FPS/длину сессии при росте потребления.
  • Для model-backed CV начинайте с небольших моделей и кадров; caches могут удерживать модели в RAM/VRAM до очистки или завершения процесса.

3. GPU и CUDA

Отдельная видеокарта не требуется для основной программы. YOLO по умолчанию имеет use_gpu=false и явно выбирает CPU, если CUDA выключена или недоступна. NVIDIA GPU с совместимым CUDA/PyTorch runtime ускоряет тяжёлые модели, но не заменяет установку ml.runtime и weights.

OmniParser device-control boundary. Видимый GPU-флажок по умолчанию также выключен и сохраняется в settings, но текущий CV runner его не читает: вызов run_omniparser() оставляет device=None, то есть устройство выбирает underlying runtime. Пока consumer не подключён, флажок нельзя считать гарантией принудительного CPU/GPU режима.

На CPU большие YOLO/OmniParser/SAM задачи могут быть медленными. При CUDA out-of-memory уменьшите изображение или модель; для YOLO можно явно выключить GPU. Screph не публикует универсальный минимум VRAM: он зависит от модели и входа.

4. Место на диске

  • Full-конфигурация 1.0.9: около 3,9 GiB распакованных default-selected QtIFW components.
  • Optional packaged ML component: ещё около 1,36 GiB.
  • Отдельный managed ML pack: до 6,5 GB установленного объёма; его сетевой archive оценивается примерно в 334 MB.

Dependency page мастера вычисляет installer.requiredDiskSpace(), добавляет managed ML estimate и блокирует продолжение, если на диске установки нет расчётного объёма плюс 512 MB запаса. Это наиболее точная проверка для выбранных components. Она не резервирует место для будущих проектов, Capture frames, model weights, download caches, logs и Assistant/Screph Code workspaces — для них нужен отдельный запас.

5. Runtime и встроенный web-движок

Обычной packaged-установке не нужен заранее установленный системный Python: основное приложение и managed dependency payload приносят свои runtime-файлы. Вкладка зависимостей может использовать совместимые global tools только после probe; отсутствие global Python не является ошибкой установки.

Screph Code использует bundled QtWebEngine/Monaco: в full payload присутствуют QtWebEngineProcess.exe, resources и PySide6 bindings. Microsoft WebView2 не является отдельной prerequisite Screph. Для browser-based device login и внешних ссылок всё же нужен доступный системный браузер.

6. Устройства, сеть и права

  • Screen/markup/classic CV работают с обычными правами текущего пользователя; default target — %LOCALAPPDATA%\Screph.
  • Камера и голос требуют соответствующих устройств и разрешений Windows; stream URL требует поддерживаемого OpenCV backend/codec.
  • Исполнение GUI-действий требует настроенного Arduino HID, legacy serial или FakerInput Virtual HID; driver install использует UAC, а Arduino flashing изменяет внешнюю плату.
  • Базовая локальная работа возможна offline после подготовки runtimes/models. Обновления, archives, cloud LLM/speech, account и support используют сеть отдельно.

Windows, UAC и устройства →
Runtime-компоненты и repair →