texlive.js 使用教程
1. 项目介绍
texlive.js 是一个将 TeX Live 2016 移植到 JavaScript 的开源项目。它基于 emscripten 将 pdftex TeX 编译器移植到 JavaScript,能够在浏览器中直接编译 LaTeX 代码并生成 PDF 文件。该项目支持多种 LaTeX 包,适用于需要在浏览器中进行 LaTeX 编译的场景。
2. 项目快速启动
2.1 环境准备
确保你已经安装了 Node.js 和 npm。如果没有安装,请访问 Node.js 官网 进行安装。
2.2 安装项目
git clone https://github.com/manuels/texlive.js.git
cd texlive.js
npm install
2.3 编译 LaTeX 代码
在项目目录下创建一个 example.tex 文件,内容如下:
\documentclass{article}
\begin{document}
\LaTeX is great!
$E = mc^2$
\end{document}
2.4 运行编译
在项目目录下运行以下命令:
var pdftex = new PDFTeX();
var latex_code = "" +
"\\documentclass{article}" +
"\\begin{document}" +
"\\LaTeX is great!" +
"$E = mc^2$" +
"\\end{document}";
pdftex.compile(latex_code).then(function(pdf) {
window.open(pdf);
});
编译完成后,生成的 PDF 文件将在新窗口中打开。
3. 应用案例和最佳实践
3.1 在线 LaTeX 编辑器
texlive.js 可以用于构建在线 LaTeX 编辑器,用户可以在浏览器中编写 LaTeX 代码并实时预览生成的 PDF 文件。这种应用场景非常适合教育平台或科研机构。
3.2 自动化文档生成
在需要自动化生成文档的项目中,texlive.js 可以集成到前端应用中,通过用户输入动态生成 PDF 文档。例如,在线简历生成器或报告生成器。
3.3 跨平台文档处理
由于 texlive.js 完全基于 JavaScript,因此可以在任何支持 JavaScript 的平台上运行,包括桌面应用、移动应用和 Web 应用。
4. 典型生态项目
4.1 pdf.js
pdf.js 是由 Mozilla 开发的 JavaScript PDF 阅读器,可以与 texlive.js 结合使用,实现从 LaTeX 代码到 PDF 文件的完整处理流程。
4.2 emscripten
emscripten 是一个将 LLVM 编译器工具链转换为 JavaScript 的编译器,texlive.js 正是基于 emscripten 实现的。了解 emscripten 可以帮助你更好地理解 texlive.js 的底层原理。
4.3 bibtex.js
bibtex.js 是一个将 BibTeX 移植到 JavaScript 的项目,可以与 texlive.js 结合使用,实现文献引用和参考文献的自动化管理。
通过以上教程,你可以快速上手 texlive.js,并在实际项目中应用它。希望这个教程对你有所帮助!
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