OpenToonz中TVPaint JSON导出功能的使用指南
2025-06-12 22:01:14作者:钟日瑜
功能概述
OpenToonz作为一款专业的2D动画制作软件,提供了与TVPaint动画软件的互操作性功能,其中最重要的就是TVPaint JSON导出功能。这项功能允许用户将OpenToonz中的动画项目导出为TVPaint能够识别的JSON格式文件,实现两个软件之间的工作流程衔接。
功能启用方法
在OpenToonz中,TVPaint JSON导出功能默认存在于"文件"菜单下的"导出"子菜单中。如果用户发现该选项缺失,可以通过以下步骤重新添加:
- 进入"自定义"菜单
- 选择"自定义命令"
- 在命令列表中找到"MI_ExportTvpJson"
- 将其添加到"文件"菜单或"导出"子菜单中
使用限制
需要注意的是,TVPaint JSON导出功能有以下使用限制:
- 仅支持导出栅格图层(Raster Levels),不支持Toonz栅格图层(Toonz Raster)或矢量图层(Vector Levels)
- 需要确保图层文件位于正确的项目目录结构中
- 导出的JSON文件会引用原始图像文件,因此需要保持文件路径的有效性
技术实现细节
导出的JSON文件包含以下关键信息:
- 项目基本信息:帧率、分辨率等
- 背景颜色设置
- 图层列表及各图层的属性
- 每帧对应的图像文件引用
- 图层的可见性、混合模式等属性
JSON文件采用TVPaint 5.1版本兼容的格式,确保在TVPaint中能够正确导入和使用。
常见问题解决方案
如果遇到导出功能不可用的情况,可以尝试以下解决方案:
- 检查是否使用了自定义房间布局,可能需要手动添加导出命令
- 确认项目中使用的是栅格图层而非其他类型图层
- 确保所有图层文件都保存在项目目录的drawings文件夹中
- 尝试使用OpenToonz的默认房间布局进行导出操作
最佳实践建议
为了获得最佳的导出效果,建议:
- 在项目开始时就规划好文件目录结构
- 统一使用栅格图层进行动画制作
- 导出前检查所有图层的可见性和位置设置
- 在TVPaint中导入后,仔细检查时间轴和图层对应关系
通过遵循这些指导原则,用户可以有效地在OpenToonz和TVPaint之间转移动画项目,充分利用两款软件各自的优势完成动画制作流程。
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