Live2dRender 使用教程
2025-04-21 11:35:07作者:明树来
1. 项目介绍
Live2dRender 是一个适用于最新版本 Live2D 模型文件的 JavaScript 渲染器。该项目基于 CubismSdkForWeb 开发,不适用于 IE 浏览器,并且请不要用于商业用途。此项目适用于基于 webpack 构建的项目,如果你的项目是静态页面,可能需要自行调整。
2. 项目快速启动
以下是使用 Live2dRender 的基本步骤:
步骤 1: 创建 Vue3 项目并安装依赖
如果没有 Vue3 项目,首先需要创建一个:
vue create test-live2d-render
然后进入项目目录:
cd test-live2d-render
安装 live2d-render 库:
npm install live2d-render
步骤 2: 准备 Live2D 模型
准备一个 Live2D 模型,通常包含以下文件:
- xxx.moc3
- xxx.model3.json
- 其他相关资源文件
将模型文件夹(例如 cat)放置在项目的 ./public 目录下。
步骤 3: 使用 Live2dRender
在你的 Vue 组件(例如 App.vue)中导入并初始化 Live2dRender:
<template>
<div id="app">
<HelloWorld msg="Welcome to Your Vue.js App"/>
</div>
</template>
<script setup>
import HelloWorld from './components/HelloWorld.vue'
import { onMounted } from 'vue';
import * as live2d from './lib/live2d-render';
defineComponent({
name: 'App'
});
onMounted(async () => {
await live2d.initializeLive2D({
BackgroundRGBA: [0.0, 0.0, 0.0, 0.0],
ResourcesPath: './cat/sdwhite cat b.model3.json',
CanvasSize: { height: 500, width: 400 },
ShowToolBox: true,
LoadFromCache: true
});
console.log('finish loading');
});
</script>
启动项目:
npm run serve
3. 应用案例和最佳实践
- 静态资源优化:如果你的项目中的 png 图片文件较大,可以考虑将其转换为 webp 格式,并在 model3.json 文件中更新纹理资源的路径。
- 缓存优化:使用 indexDB 进行缓存优化,可以减少网络请求,提高加载速度。
4. 典型生态项目
目前没有明确列出与 Live2dRender 相关的典型生态项目,但你可以通过搜索和探索其他开源项目来找到与 Live2dRender 相关的生态系统项目。这些项目可能会提供额外的功能或集成,以帮助你更好地使用 Live2dRender。
登录后查看全文
热门项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
196
218
暂无简介
Dart
636
144
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
652
276
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
245
316
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
627
仓颉编译器源码及 cjdb 调试工具。
C++
128
858
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
73
98
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
385
3.73 K