Farbtastic 技术文档
1. 安装指南
为了使用 Farbtastic 插件,您需要遵循以下步骤:
-
确保您的页面已经包含了 jQuery 库。
-
下载 Farbtastic 插件文件
farbtastic.js。 -
在 HTML 文件的
<head>部分或页面的底部,包含这个 JavaScript 文件:<script type="text/javascript" src="farbtastic.js"></script> -
如果您使用的是不支持 HTML5 canvas 元素的浏览器(如 Internet Explorer),则需要包含 Explorer Canvas polyfill。
2. 项目的使用说明
基本使用
-
在您的 HTML 中包含一个用于显示颜色选择器的
<div>元素和一个文本输入框,并为它们设置唯一的 ID:<form> <input type="text" id="color" name="color" value="#123456" /> </form> <div id="colorpicker"></div> -
在文档的
ready()事件中初始化颜色选择器,并将其与文本输入框相连接:$(document).ready(function() { $('#colorpicker').farbtastic('#color'); });
高级使用
jQuery 方法
使用 $(...).farbtastic() 可以在选定的对象中创建颜色选择器。callback 是可选的,可以是:
- DOM 节点、jQuery 对象或 jQuery 选择器:颜色选择器将同步选中元素的值(对于表单元素)和颜色。
- 函数:每次用户选择不同的颜色时,这个函数将被调用。
对象方法
$.farbtastic(placeholder) 与使用 $(placeholder).farbtastic() 相同,但它返回的是一个 Farbtastic 对象而不是 jQuery 对象。这允许您使用下面的 Farbtastic 方法和属性。注意,每个占位符只有一个 Farbtastic 对象。如果使用相同的占位符两次调用 $.farbtastic(placeholder),每次都会得到相同的对象。
可选的回调参数的行为与 jQuery 方法中的相同。
选项
$(...).farbtastic(options) 或 $.farbtastic(placeholder, options) 允许您传递除了回调之外的其他选项。可能的选项包括:
callback: 如前所述的回调。height: 小部件的高度。width: 小部件的宽度。
例如:$(...).farbtastic({ callback: '#color2', width: 150 })。
方法
.linkTo(callback):允许您设置一个新的回调。任何现有的回调将被移除。.setColor(string):将选择器的颜色设置为给定的十六进制颜色。.setColor([h, s, l]):将选择器的颜色设置为规范化的 HSL 颜色(0..1 的比例)。
属性
.linked:此选择器链接到的元素(jQuery 对象)或回调函数。.color:当前的十六进制颜色表示。.hsl:当前的规范化 HSL 颜色。
3. 项目 API 使用文档
请参考上文中的“高级使用”部分,其中详细介绍了如何使用 Farbtastic 提供的 API 方法。
4. 项目安装方式
项目的安装方式已在“安装指南”部分进行了说明。请按照给定步骤下载并包含必要的 JavaScript 文件。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00