Compass Ceaser CSS Easing Transitions 使用与技术文档
1. 安装指南
要使用Compass Ceaser CSS Easing Transitions扩展,您首先需要通过命令行安装gem:
gem install ceaser-easing
如果您想要将Ceaser Easing添加到现有项目中,需要编辑项目配置文件并添加以下代码:
require 'ceaser-easing'
然后在您的Sass/SCSS文件中导入Ceaser Easing:
@import "ceaser-easing";
创建一个使用Ceaser Easing的新项目,可以按照以下步骤操作:
compass create project_name -r ceaser-easing -u ceaser-easing
接着,在您的Sass/SCSS文件中导入Ceaser Easing:
@import "ceaser-easing";
2. 项目的使用说明
Ceaser Easing扩展为Sass提供了一个名为ceaser的函数,您可以将该函数用作过渡(transition)或动画(animation)的timing-function属性的值。您需要传递所需的缓动类型给该函数,它会为您应用正确的cubic-bezier过渡定时函数。
以下是ceaser函数的使用示例:
#transition {
transition-property: all;
transition-duration: 1.2s;
transition-timing-function: ceaser($ease-in);
}
#transition-shorthand {
transition: all 1.2s ceaser($ease-in);
}
#animation {
animation-name: animateMe;
animation-iteration-count: infinite;
animation-duration: 10s;
animation-timing-function: ceaser($easeInSine);
}
#animation-shorthand {
animation: animateMe 10s ceaser($easeInSine) infinite;
}
3. 项目API使用文档
Ceaser Easing扩展提供了以下缓动类型供您选择:
-
$linear -
$ease(默认值) -
$ease-in -
$ease-out -
$ease-in-out -
$easeInQuad -
$easeInCubic -
$easeInQuart -
$easeInQuint -
$easeInSine -
$easeInExpo -
$easeInCirc -
$easeInBack -
$easeOutQuad -
$easeOutCubic -
$easeOutQuart -
$easeOutQuint -
$easeOutSine -
$easeOutExpo -
$easeOutCirc -
$easeOutBack -
$easeInOutQuad -
$easeInOutCubic -
$easeInOutQuart -
$easeInOutQuint -
$easeInOutSine -
$easeInOutExpo -
$easeInOutCirc -
$easeInOutBack
此外,Ceaser Easing扩展还提供了一个名为ceaser的mixin,允许您传递所需的缓动类型给mixin,它会应用正确的cubic-bezier过渡定时函数。您还可以传递过渡属性、持续时间和延迟时间(默认分别为all、500ms和0)。
@mixin ceaser-transition($transition-property, $duration, $ease-type, $delay: 0) {
// mixin内容
}
@include ceaser-transition(all, 3s, $ease-in);
@include ceaser-transition(width, 500ms, $easeInOutExpo, 1s);
以下是如何为具有box ID的HTML元素创建上述过渡的示例:
#box {
width: 500px;
@include ceaser-transition(width, 500ms, $easeInOutExpo, 1s);
}
#box:hover {
width: 700px;
}
4. 项目安装方式
请遵循上述“安装指南”中的步骤进行安装。
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