Typst幻灯片框架Touying 0.6.1版本发布:集成Theorion数学定理环境
Typst作为新一代科技文档排版系统,其生态正在快速发展。Touying作为Typst生态中的专业幻灯片制作框架,在0.6.1版本中迎来了一个重要更新——正式集成Theorion数学定理环境包,为学术演示提供了更专业的数学内容支持。
Touying框架与Theorion包简介
Touying是Typst生态中专注于演示文稿制作的框架,它继承了Typst简洁高效的特性,同时提供了丰富的幻灯片特效和布局功能。在学术和技术领域,数学定理、证明等内容是演示文稿的重要组成部分。为此,0.6.1版本选择集成Theorion包作为默认的数学定理环境解决方案。
Theorion是一个专为Typst设计的数学定理环境包,它提供了完整的定理、引理、证明等学术环境支持,具有高度可定制性和多语言特性。此次集成使得Touying用户在制作学术演示时能够获得更专业的数学内容排版体验。
Theorion的核心特性
多样化的预设样式
Theorion提供了四种开箱即用的样式主题:
- 简约风格:干净简洁的默认样式
- 彩虹风格:色彩鲜艳的视觉效果
- 云朵风格:柔和优雅的设计
- 精美风格:专业精致的学术排版
这些预设样式可以直接应用于Touying幻灯片中,满足不同场景下的演示需求。
高度可定制的环境
Theorion允许用户通过多种方式自定义定理环境:
- 自定义计数器与编号样式
- 可配置的继承层级结构
- 创建自定义定理环境类型
- 自定义渲染函数实现特殊效果
这种灵活性使得学术演示能够保持与论文或技术文档一致的排版风格。
完整的学术环境支持
除了基本的theorem环境外,Theorion还内置了丰富的学术环境预设:
- 定义(definition)
- 引理(lemma)
- 推论(corollary)
- 示例(example)
- 证明(proof)
这些环境都支持完整的标签和引用系统,方便在演示中进行交叉引用。
在Touying中的使用示例
在Touying幻灯片中使用Theorion非常简单。首先导入必要的包和样式:
#import "@preview/theorion:0.3.0": *
#import cosmos.fancy: *
#show: show-theorion
然后就可以在幻灯片中直接使用定理环境:
#theorem(title: "欧几里得定理")[
存在无限多个素数。
] <thm:euclid>
对于不需要编号的定理,可以使用theorem-box环境:
#theorem-box(title: "无编号定理", outlined: false)[
这个定理没有编号。
]
高级功能与应用
定理重述
在长篇演示中,有时需要重述重要定理。Theorion提供了方便的定理重述功能:
#theorion-restate(filter: it => it.outlined and it.identifier == "theorem")
定理目录
对于包含大量数学内容的演示,可以生成定理目录:
#theorion-toc()
动画支持
作为Touying的集成组件,Theorion完美支持Touying的动画特性,可以实现定理内容的逐步显示等效果。
版本升级建议
对于已经使用Touying制作学术演示的用户,0.6.1版本提供了平滑的迁移路径。建议用户:
- 更新Touying到0.6.1版本
- 导入Theorion包并选择合适的样式
- 将原有的数学环境逐步迁移到Theorion格式
- 利用新的标签系统改进演示中的引用
结语
Touying 0.6.1版本通过集成Theorion包,显著提升了在学术和技术演示中的数学内容表达能力。这一更新使得Typst生态系统在学术演示领域更加完善,为科研工作者和教育工作者提供了更加强大的工具。随着Typst生态的不断发展,我们可以期待Touying框架在未来带来更多专业级的演示功能。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00