F_Record开源项目使用教程
2026-01-31 05:19:25作者:冯爽妲Honey
1. 项目介绍
F_Record是一款轻量级的Photoshop插件,用于录制绘画过程。它通过调用Photoshop生成器接口,在画布发生变化时截取过程图片,并将这些图片连贯起来生成视频。此插件支持Windows系统,兼容Photoshop 2022至2025版本。
2. 项目快速启动
安装方法
- 下载插件压缩包
F_Record.zip,解压,打开文件夹。 - 将内部的两个文件夹
com.f_know.f_record.cep和com.f_know.f_record.generator放到Photoshop主目录下的相应位置。Photoshop主目录的路径通常形如D:\Adobe Photoshop 2022。 - 确保
com.f_know.f_record.cep文件夹放置在路径如D:\Adobe Photoshop 2022\Required\CEP\extensions下。 - 确保
com.f_know.f_record.generator文件夹放置在路径如D:\Adobe Photoshop 2022\Plug-ins\Generator下。 - 如果Photoshop目录下缺少某些路径,如
Generator文件夹,需要手动创建。 - 打开Photoshop,依次点击"编辑-首选项-增效工具",确保"启用生成器"和"载入扩展面板"选项被勾选。
- 重启Photoshop(如果上述选项已经勾选,则无需重启)。
- 在Photoshop的"窗口-扩展(旧版)"中找到并打开插件。
使用说明
- 第一次使用时,打开插件开关,插件将自动记录绘画过程。
- 不同文档的绘画过程将自动保存在不同文件夹中。
- 插件面板可以关闭或隐藏,重启Photoshop后,插件将在后台自动启动并继续记录。
- 建议设置一个存储过程图片的文件夹,默认路径在C盘,建议改为有足够空间的路径。
- 分辨率和质量默认设置基本够用,调整越高,生成的视频质量越好,但占用的空间也越大。
{
"generatorSettings": {
"enabled": true,
"folder": "C:\\Path\\To\\Your\\Folder",
"quality": "high",
"resolution": "1920x1080"
}
}
3. 应用案例和最佳实践
- 案例1:艺术家使用F_Record记录整个绘画过程,以便在社交媒体上分享创作过程。
- 案例2:设计者利用F_Record生成的视频进行作品展示,增加作品的专业性和吸引力。
最佳实践:
- 在开始绘画前,预先设置好过程图片的存储路径。
- 根据需要调整分辨率和质量设置,以平衡视频质量和存储空间需求。
- 在完成绘画后,及时备份记录的图片和视频,避免数据丢失。
4. 典型生态项目
目前,F_Record作为一款专注于记录绘画过程的Photoshop插件,其生态项目主要围绕艺术创作和设计展示展开。以下是一些典型的生态项目:
- 艺术社区平台:集成F_Record插件,让艺术家能够轻松分享创作过程。
- 在线教育平台:使用F_Record插件进行绘画教学,让学生直观地学习绘画技巧。
- 个人作品集:设计师将F_Record生成的视频作为作品集的一部分,展示专业技能和创作流程。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue08- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
575
3.89 K
React Native鸿蒙化仓库
JavaScript
312
365
Ascend Extension for PyTorch
Python
397
474
🎉 (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
1.39 K
787
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++
902
706
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
360
219
昇腾LLM分布式训练框架
Python
122
148
暂无简介
Dart
814
200
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
93
161
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
161