Types-for-Adobe 的项目扩展与二次开发
项目的基础介绍
Types-for-Adobe 是一个开源项目,旨在为 TypeScript 开发者提供各种 Adobe Creative Cloud 产品的类型定义(typedefs)。这些类型定义可以帮助开发者在使用 TypeScript 开发 Adobe 扩展或脚本时,获得更好的类型检查和代码提示,从而提升开发效率和代码质量。
项目的核心功能
项目的核心功能是提供 TypeScript 类型定义文件,这些文件涵盖了 Adobe 的多个产品,包括 AfterEffects、Animate、Audition、Illustrator、InDesign、Photoshop 和 Premiere 等。这些类型定义是通过以下几种方式生成的:
- 使用 extendscript-xml-to-typescript 转换工具,将 Adobe 脚本字典转换为类型定义格式。
- 手动编写,通过参考 Adobe 的官方发布说明和 API 探索。
项目还支持不同版本 Adobe 产品的类型定义,以确保开发者可以为特定版本的软件开发工具。
项目使用了哪些框架或库?
Types-for-Adobe 项目主要使用以下框架或库:
- TypeScript:为 Adobe 产品提供类型定义的语言。
- Node.js:项目的构建和打包过程依赖于 Node.js 环境。
- npm:用于管理和安装项目依赖。
项目的代码目录及介绍
项目的代码目录结构如下:
Types-for-Adobe/
├── .github/ # GitHub 工作流程和配置文件
├── AfterEffects/ # Adobe AfterEffects 类型定义
├── Animate/ # Adobe Animate 类型定义
├── Audition/ # Adobe Audition 类型定义
├── Illustrator/ # Adobe Illustrator 类型定义
├── InDesign/ # Adobe InDesign 类型定义
├── Photoshop/ # Adobe Photoshop 类型定义
├── Premiere/ # Adobe Premiere 类型定义
├── _bin/ # 编译后的文件
├── _resources/ # 资源文件
├── shared/ # 公共类型定义和工具
├── .gitignore # git 忽略文件
├── .prettierrc # prettier 配置文件
├── LICENSE.md # 项目许可证
├── README.md # 项目说明文件
├── package-lock.json # npm 包锁定文件
├── package.json # npm 包配置文件
└── yarn-error.log # yarn 错误日志
对项目进行扩展或者二次开发的方向
-
增加更多 Adobe 产品的类型定义:目前项目已经支持了多个 Adobe 产品,但仍有其他产品没有包含在内,如 Adobe XD 等,可以增加对这些产品的类型定义。
-
更新现有类型定义:随着 Adobe 产品的更新,新的 API 和功能会被引入。定期更新类型定义,以保持与 Adobe 产品的最新版本同步。
-
改进类型定义的生成工具:项目的类型定义部分是通过手动编写和转换工具生成的,可以改进这些工具,提高类型定义的生成效率和准确性。
-
增加示例和文档:提供更详细的文档和示例代码,帮助开发者更好地理解和使用这些类型定义。
-
支持更多编程语言:除了 TypeScript,还可以考虑为其他编程语言提供类型定义,例如 JavaScript 或 Python。
通过这些扩展和二次开发的方向,Types-for-Adobe 项目将能够更好地服务于 Adobe 开发者社区,促进 Adobe 扩展和脚本的开发。
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