Fresco 开源项目教程
1. 项目介绍
Fresco 是一个开源的 Mapbox Vector Tile 样式编辑器,专为制图专业人员和业余地图制作者设计。与其他样式编辑器不同,Fresco 不试图隐藏 Mapbox GL 样式的复杂性,而是将其暴露出来,以提供最大程度的控制和灵活性。这使得用户能够实现丰富的交互式样式,利用数据驱动的属性和表达式。
Fresco 运行在浏览器中,创建和修改的样式会保存到浏览器的本地存储中,并在更改时同步。建议用户下载样式作为备份,因为远程样式存储和协作工具即将推出。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保您的计算机上安装了最新版本的 Node.js。
2.2 下载项目
首先,克隆 Fresco 项目到您的计算机:
git clone https://github.com/go-spatial/fresco.git
2.3 安装依赖
进入项目目录并安装依赖:
cd fresco
npm install
2.4 启动项目
启动 Fresco 项目:
npm start
Fresco 将在浏览器窗口中自动打开。
2.5 构建项目
如果您需要部署 Fresco,可以使用以下命令构建项目:
npm run build
构建文件将位于 /build 目录中。
3. 应用案例和最佳实践
3.1 自定义样式
Fresco 允许用户自定义默认加载的样式。您可以通过更新 /src/config/stylesDefault.json 文件来实现这一点。例如,加载多个样式:
[
{
"id": "style1"
},
{
"id": "style2"
}
]
3.2 使用 Fresco 进行地图样式设计
Fresco 提供了丰富的地图交互样式编辑器,适用于 Mapbox GL 样式。用户可以通过 Fresco 实现复杂的地图样式设计,包括数据驱动的属性和表达式。
3.3 最佳实践
- 备份样式:由于 Fresco 将样式保存到本地存储,建议定期下载样式作为备份。
- 参考 Mapbox 样式规范:在使用 Fresco 时,建议参考 Mapbox 样式规范,以更好地理解和应用样式。
4. 典型生态项目
4.1 Tegola
如果您需要创建可以与 Fresco 一起使用的矢量瓦片,可以查看 Tegola 项目。Tegola 是一个开源的矢量瓦片服务器,支持多种数据源和高效的瓦片生成。
4.2 Mapbox GL JS
Fresco 生成的样式可以直接用于 Mapbox GL JS,这是一个用于在 Web 上显示地图的 JavaScript 库。通过 Fresco 和 Mapbox GL JS 的结合,用户可以创建高度定制化的地图应用。
通过本教程,您应该能够快速启动并使用 Fresco 项目,并了解其在实际应用中的最佳实践和相关生态项目。
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