FastLED 3.9.16版本发布:为数字艺术家打造的灯光编程新体验
FastLED是一个广受欢迎的Arduino库,专门用于控制各种LED灯带和矩阵。它提供了丰富的功能和高效的性能,让开发者能够轻松创建令人惊叹的灯光效果。最新发布的FastLED 3.9.16版本特别关注数字艺术家和创客社区的需求,引入了一系列强大的视觉增强功能。
核心视觉增强功能
1. 波模拟器(FxWave)
FastLED 3.9.16引入了革命性的1D和2D波模拟器系统。这一功能基于Shawn Silverman提供的微分方程实现,采用int16_t固定整数空间运算,即使在没有专用浮点处理器的微控制器上也能高效运行。
波模拟器支持超采样技术,可以以2x、4x或8x的分辨率进行模拟,然后降采样渲染,显著提高视觉效果质量。默认情况下,模拟器运行在半双工模式,丢弃负值,使得默认状态能够呈现纯黑色而非中间值(127)颜色。
与基于粒子的效果不同,波模拟器的性能不会随复杂度增加而降低,这为艺术家提供了更大的创作空间。
2. 时间Alpha动画
新版本引入了TimeAlpha类,提供基于当前时间和开始/结束时间的平滑过渡效果。开发者可以触发TimeAlpha来启动时钟,然后通过update()函数获取当前的alpha值。
这一功能特别适合用于路径追踪等效果。例如,可以在波模拟器上运行像素追踪,并在交点处增加指定值。TimeAlpha类可以用于亮度控制,或者作为参数化路径的输入,将uint8_t或float转换为x和y坐标。
3. 无Alpha通道混合
CRGB::blendAlphaMaxChannel(...)函数实现了基于像素亮度的混合算法,解决了FastLED长期以来缺乏强大alpha遮罩概念的问题。这一算法通过查询上层像素各分量的最大亮度作为alpha遮罩,然后混合上下层像素,产生惊人的视觉效果。
4. 2D混合堆栈
新增的fx/fx2d/blend.h提供了一个Fx2d子类,作为混合堆栈使用。它可以将多个Fx2d类实例组合成一个功能性的Fx2d实例。每个Fx2d可以有自己的模糊设置,层从后到前合成,底层直接绘制,其余通道通过CRGB::blendAlphaMaxChannel(...)合成。
5. 四维噪声函数
inoise函数升级到4D,新增了对z轴和时间的支持。这一增强特别适合处理不规则形状,如LED灯带缠绕的圆柱体。开发者可以定义宽度和半径,在3D空间中计算每个像素,然后通过x,y,z坐标加上时间因子产生噪声图案。
6. 新型火焰效果
Fire2012视觉效果已经显得有些过时。3.9.16版本引入了FireMatrix和FireCylinder两种新型2D火焰模拟器。FireMatrix适用于平面面板,而FireCylinder则实现了无缝环绕效果,特别适合弯曲的柔性LED面板。
技术实现细节
FxWave2d示例展示了一个64x64矩阵网格,使用了两个FxWave2d可视化器:一个用于蓝色渐变,另一个用于白红渐变。蓝色渐变波模拟器运行速度略快,产生类似恒星爆炸的效果。两个波模拟器都采用2x超采样然后降采样渲染。
通过Blend2D FX类将两个波模拟器实例组合,蓝色渐变波位于堆栈底部直接写入渲染表面,白红渐变波则通过混合合成。白红波使用了大量模糊处理来提高视觉质量,而蓝色波则几乎不需要模糊处理。
示例中的十字效果是通过4个参数化路径应用到白红波模拟器实现的。路径速度可通过用户设置调整,为避免像素跳跃,路径以显示宽度6%的范围过度绘制。
其他重要更新
- 新增EVERY_N_MILLISECONDS_RANDOM(MIN, MAX)宏,为草图提供随机时间间隔功能
- 引入beta版字体支持,从WLED项目移植了微软字体(API可能会在未来版本中变化)
- 新增FireMatrix和FireCylinder示例,展示新型火焰效果
- 改进了噪声函数,支持4D输入(x,y,z,t)
FastLED 3.9.16为数字灯光艺术家提供了前所未有的创作工具和视觉效果,使得在微控制器上实现专业级灯光秀变得更加容易。无论是波模拟器的物理精确性,还是新型混合算法的视觉冲击力,这一版本都将数字灯光艺术推向新的高度。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
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