在React Bits项目中实现模糊文本与渐变文本的组合效果
背景介绍
React Bits是一个提供各种React组件的开源项目,其中包含了许多实用的UI效果组件。在项目中,开发者提出了一个关于如何将模糊文本(BlurText)与渐变文本(GradientText)两种效果组合使用的需求。
技术分析
模糊文本和渐变文本是两种常见的文本视觉效果,它们分别通过不同的CSS属性和JavaScript动画实现:
-
模糊文本(BlurText):通常使用CSS的
filter: blur()属性实现模糊效果,结合动画库如react-spring来实现平滑的过渡动画。 -
渐变文本(GradientText):通过CSS的
background-clip: text和-webkit-background-clip: text属性,配合线性或径向渐变背景实现文本颜色渐变效果。
实现方案
虽然这两种组件在设计之初并未考虑组合使用,但通过简单的组件嵌套即可实现两者的结合效果。以下是实现的关键步骤:
-
修改BlurText组件:在BlurText组件中导入GradientText组件。
-
嵌套组件结构:将原本直接渲染的文本内容包裹在GradientText组件中。
-
保留原有动画:确保react-spring的动画效果仍然作用于最外层的span元素。
代码实现
// 在BlurText组件中添加GradientText导入
import { GradientText } from './GradientText';
// 修改渲染部分
return (
<p ref={ref} className={`blur-text ${className}`}>
{springs.map((props, index) => (
<animated.span
key={index}
style={{
...props,
display: 'inline-block',
willChange: 'transform, filter, opacity',
}}
>
<GradientText>
{elements[index] === ' ' ? '\u00A0' : elements[index]}
{animateBy === 'words' && index < elements.length - 1 && '\u00A0'}
</GradientText>
</animated.span>
))}
</p>
);
技术要点
-
空格处理:使用
\u00A0(不间断空格)替代普通空格,确保动画效果的一致性。 -
性能优化:保留
will-change属性声明,提示浏览器哪些属性将会变化,优化渲染性能。 -
动画层级:react-spring的动画属性作用于外层span,而渐变效果作用于内层文本,两者互不干扰。
应用场景
这种组合效果特别适合需要突出显示同时又带有动态模糊效果的场景,例如:
- 网站的主标题动画
- 产品特色展示
- 动态加载指示器
- 视觉焦点引导元素
注意事项
-
性能考虑:同时应用多种视觉效果可能会增加渲染负担,特别是在低端设备上。
-
浏览器兼容性:确保目标浏览器支持所有使用的CSS特性,特别是
background-clip: text。 -
可访问性:避免过度使用视觉效果影响文本的可读性,确保符合WCAG标准。
通过这种简单的组件组合方式,开发者可以轻松创建出既具有动态模糊效果又带有渐变色彩的文本元素,为网站增添独特的视觉体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00