推荐:Visual Editor - 强大的富文本编辑器

项目简介
Visual Editor 是一个专为 Flutter 设计的富文本编辑器,源自 [Flutter Quill] 的分支,并基于 [Quilljs Delta] 文档格式构建。Delta 格式不仅易于读取和修改,还提供了大量的扩展选项。我们对原始 Quill 进行了改进,详细原因在 QUILL_FORK.md 中有详述。这个项目旨在提供一套强大而灵活的文本编辑解决方案。
以下是一段演示视频:

技术解析
Visual Editor 使用 Quilljs Delta 文档模型,它是一个可操作的文档对象,可以表示复杂的文本样式和结构。编辑器的核心是 Delta 操作,这使得插入、删除和格式化文本变得简单。此外,我们增加了亮点、标记、附件等高级功能,它们都是针对 Delta 文档的扩展实现。
亮点和标记的区别在于,前者是临时性的,后者则会持久存储于文档中。这些特性使得编辑器不仅能用于基本的文本输入,还能支持更复杂的应用场景,如注释、高亮显示或自定义数据绑定。
应用场景
Visual Editor 可广泛应用于各种需要富文本编辑的场景:
- 博客写作平台:允许用户添加图片、链接、标题和列表。
- 协作编辑应用:通过 Delta 实现协作编辑,跟踪并合并不同用户的更改。
- 教育领域:插入数学公式、定义术语等,支持学习资料的创建与编辑。
- 内容管理后台:方便管理员进行页面内容更新和格式调整。
项目特点
- 强大的定制性:无论是编辑器的行为还是界面呈现,都可以通过提供的钩子进行自定义,满足各种个性化需求。
- 高效的文档处理:Delta 格式使得文档序列化和反序列化高效且准确。
- 多样的扩展功能:包括亮点、标记、附件等,为文本编辑带来更多可能性。
- 出色的交互体验:快速菜单、头部导航、链接管理等功能,提高用户编辑效率。
以下是部分特色功能的展示:
- 亮点显示:

- 标记功能:

- 嵌入式附件:

- 快速菜单:

- 标题索引:

开始使用
Visual Editor 目前仍处于开发阶段,但已经非常接近发布状态。你可以通过 Git 从 GitHub 直接导入项目:
dependencies:
visual_editor:
git: https://github.com/visual-space/visual-editor.git
要运行示例代码,请查看 README 中的 “Getting Started” 部分。
计划中的新功能
未来我们将持续优化,增加更多特性,如更好的链接编辑界面、标签、提及功能、命令行指令、合作编辑以及数学公式等。
社区支持
我们欢迎您加入我们的 YouTube 渠道 学习如何使用和扩展 Visual Editor,并参与 Discord 社区 获取实时帮助和支持。
总的来说,Visual Editor 提供了一个全面的富文本编辑解决方案,无论你是开发者还是内容创作者,都将从中受益。快来尝试一下,开始你的富文本编辑之旅吧!
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