VVVV.js 技术文档
1. 安装指南
环境准备
在开始安装 VVVV.js 前,您需要确保您的系统中已经安装了 Node.js 6.x。您可以从 Node.js 官网 下载并安装。
获取 VVVV.js
下载或克隆 VVVV.js 到您的项目目录中,例如 /your/project/directory/vvvv_js。
初始化项目
在命令行中进入到 VVVV.js 的目录下,执行以下命令来安装依赖:
npm install
创建模板项目
您可以选择下载或克隆 VVVV.js 模板项目到 /your/project/directory/vvvvjs-template。如果选择使用模板,可以跳过以下步骤。
创建 VVVV.js 补丁
在您的项目目录中创建一个空的 VVVV 补丁文件,例如 /your/project/directory/main.v4p。
配置前端 HTML
确保您的 HTML 文件包含并加载了 VVVV.js,如下所示:
<head>
...
<script language="JavaScript" src="/vvvvjs/lib/require.js"></script>
<script language="JavaScript" src="/vvvvjs/vvvv.js"></script>
<link rel="VVVV" href="main.v4p"/>
<script language="JavaScript">
VVVVContext.init("/vvvv_js/", 'full', function() {
console.log('VVVV.js initialized');
});
</script>
...
</head>
启动 VVVV.js 服务器
在您的项目目录中运行以下命令来启动 VVVV.js 的 Web 服务器:
$ node vvvv_js/server.js . -e
这将启动 Web 服务器并服务于当前目录。使用 -e 选项将启用补丁编辑。
访问 http://localhost:5000,您将看到 index.html。
2. 使用说明
运行补丁
如上所述,您可以通过 HTML 中的 <link> 标签或 JavaScript 代码来加载和运行 VVVV.js 补丁。
启动补丁编辑器
要启动编辑器,请将 URL 的地址栏中添加 #edit/main.v4p。这将启动编辑器在一个弹出窗口中,请确保您的浏览器允许弹出窗口。
按下 CTRL+S 可以在编辑器中保存您的更改。
手动加载补丁
如果不使用 <link> 标签的方法(例如,您不希望立即运行补丁),您可以自己创建 VVVV.Core.Patch 对象:
<head>
...
<script language="JavaScript" src="/vvvv_js/lib/require.js"></script>
<script language="JavaScript" src="/vvvv_js/vvvv.js"></script>
<script language="JavaScript">
VVVVContext.init("javascripts/vvvv_js/", 'full', function(VVVV) {
console.log('VVVV.js initialized');
var patch = new VVVV.Core.Patch("mypatch.v4p", function() {
var mainloop = new VVVV.MainLoop(p);
console.log('patch loaded and started');
});
});
</script>
...
</head>
使用 VVVViewer 渲染补丁
您可以通过创建一个 Patch 对象,然后将其传递给一个新的 VVVViewer 对象来加载和渲染嵌入在网站中的补丁:
var myvvvviewer;
var mypatch = new VVVV.Core.Patch("mypatch.v4p", function() {
myvvvviewer = new VVVV.VVVViewer(this, '#patch');
});
对应的 HTML 代码为:
<div id='patch'>Your browser does not support the VVVViewer</div>
3. API 使用文档
关于 VVVV.js API 的详细信息,您可以访问其官方网站 www.vvvvjs.com 获取更多的指导和文档。
4. 项目安装方式
如上所述,项目的安装方式包括下载或克隆 VVVV.js 到您的项目目录,初始化项目依赖,配置前端 HTML 文件以及启动 VVVV.js 的 Web 服务器。按照这些步骤,您可以成功安装并运行 VVVV.js。
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