Corne键盘3x5巧克力版改装指南
2025-06-03 23:04:22作者:温玫谨Lighthearted
前言
Corne键盘(CRKBD)是一款广受欢迎的分体式机械键盘,其4.1版本支持多种布局配置。本文将详细介绍如何将标准的3x6布局Corne键盘改装为3x5巧克力(Choc)版本,特别适合追求更紧凑布局的用户。
改装原理
Corne键盘4.1版本在设计时已经考虑到了不同布局的需求,PCB板上预留了3x5布局的改装选项。通过物理切割PCB板,用户可以轻松地将标准3x6布局转换为3x5布局。
改装步骤
-
识别切割区域:在PCB板上,最右侧一列按键(包括开关和二极管)所在的区域可以通过物理方式移除。这一区域通常有明显的分割线标记。
-
切割工具选择:建议使用专业的PCB切割工具或高精度模型切割刀。如果没有专业工具,也可以使用锋利的剪刀或美工刀,但需要格外小心。
-
切割操作:
- 沿着PCB板上预留的分割线进行切割
- 切割时保持力度均匀,避免损坏其他电路
- 切割完成后,用细砂纸打磨边缘,去除毛刺
-
元件处理:
- 移除切割区域上的所有元件(开关、二极管等)
- 检查剩余部分的电路连接是否完好
注意事项
-
改装后的键盘将失去最右侧一列按键功能,需要在固件中相应调整键位映射。
-
切割前建议先备份原始固件配置,以便需要时可以恢复。
-
对于巧克力(Choc)开关版本,特别注意开关的安装方向和对齐。
-
改装后的键盘可能需要重新设计或调整外壳/底壳,以适应新的尺寸。
改装后的配置
完成物理改装后,还需要进行软件方面的调整:
- 更新键盘固件,将布局设置为3x5
- 重新定义键位映射
- 测试所有按键功能是否正常
总结
Corne键盘的模块化设计使其具有很高的可定制性。通过简单的物理改装,用户可以根据个人喜好将3x6布局调整为更紧凑的3x5布局。这种改装不仅节省了桌面空间,也为用户提供了更加个性化的输入体验。改装过程中需要注意保护电路完整性,并在完成后进行充分的测试。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
343
146