三步打造专属桌面猫咪:BongoCat自定义模型导入全攻略
你是否已经厌倦了千篇一律的桌面宠物?想让你的BongoCat与众不同?本文将带你通过简单三步,将任何Live2D模型转化为会对你的键盘和鼠标操作做出反应的专属桌面猫咪。无需编程基础,只需跟着指引操作,5分钟即可完成个性化设置。
一、准备符合规范的模型文件
BongoCat支持标准Live2D Cubism 3/4格式的模型文件,你需要准备以下文件结构:
- 主配置文件(.model3.json)
- 模型数据文件(.moc3)
- 纹理图片文件夹(包含.png格式纹理图)
- 动作文件(.motion3.json,可选)
- 表情文件(.exp3.json,可选)
官方预设模型结构可参考:src-tauri/assets/models/standard/
模型配置文件(.model3.json)是关键,需要正确定义文件引用关系。以下是一个基本的配置示例:
{
"Version": 3,
"FileReferences": {
"Moc": "demomodel.moc3",
"Textures": [
"demomodel.1024/texture_00.png",
"demomodel.1024/texture_01.png"
],
"Motions": {
"CAT_motion": [
{
"File": "live2d_motion1.motion3.json",
"FadeInTime": 0.5
}
]
}
}
}
二、导入模型到BongoCat
-
创建模型文件夹 在项目的模型目录中创建新文件夹:src-tauri/assets/models/ 建议使用有意义的名称(如"my_custom_cat")作为你的模型标识。
-
复制文件到目录 将准备好的所有模型文件复制到新创建的文件夹中,保持文件结构与官方模型一致。确保所有文件路径在.model3.json中正确引用,相对路径以配置文件所在位置为基准。
-
修改模型存储配置 编辑模型存储文件:src/stores/model.ts 在初始化函数中添加你的模型信息:
nextModels.unshift({
id: "my_custom_cat", // 唯一标识
mode: "standard", // 模型类型:standard/keyboard/gamepad
isPreset: false, // 设为false表示自定义模型
path: join(modelsPath, "my_custom_cat"), // 模型文件夹路径
})
三、配置模型交互行为
BongoCat通过参数映射实现模型对用户输入的响应,你需要配置键盘按键与模型动作的对应关系。
-
编辑模型交互逻辑 打开模型交互逻辑文件:src/composables/useModel.ts
-
设置按键响应 在handlePress函数中添加按键与动作的映射关系:
const handlePress = (key: string) => {
// 自定义按键映射
const keyMappings = {
'KeyA': 'left_paw',
'KeyS': 'right_paw',
'Space': 'jump'
};
const motionPath = modelStore.supportKeys[keyMappings[key]];
if (motionPath) {
live2d.startMotion(motionPath);
}
}
- 调整模型大小与位置 如果导入的模型大小不合适,可以在handleResize函数中调整缩放比例:
catStore.window.scale = round((size.width / width) * 80); // 80为缩放百分比
四、应用与测试
完成上述步骤后,重新启动BongoCat应用,在设置界面的模型选择中就能看到你的自定义模型了。点击应用后,模型会立即加载并对你的键盘操作做出反应。
如果模型无法加载或动作异常,可以检查:
- 模型文件路径是否正确
- .model3.json配置是否有语法错误
- 纹理图片格式是否为PNG且尺寸合适
- 模型文件权限是否正常
现在,你已经成功创建了专属的BongoCat模型!尝试添加更多自定义动作和表情,让你的桌面猫咪更加生动有趣。如有疑问,可以参考项目官方文档或提交issue获取帮助。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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
