Pixelorama v1.1.1版本更新:2D像素艺术创作工具的重大升级
Pixelorama是一款开源的2D像素艺术创作工具,专为游戏开发者和数字艺术家设计。它提供了丰富的绘图功能、动画制作工具和直观的用户界面,让创作者能够轻松制作精美的像素艺术作品。最新发布的v1.1.1版本带来了多项重要更新,显著提升了软件的实用性和功能性。
新增功能亮点
本次更新最引人注目的是对等距和六边形瓦片形状的支持。开发者现在可以为瓦片地图层选择等距或六边形瓦片形状,这为创建更复杂的游戏地图和场景提供了更多可能性。同时新增的六边形网格类型支持尖顶和平顶两种方向,为不同类型的美术风格提供了灵活性。
曲线工具新增了单贝塞尔模式,其工作方式类似于Aseprite的曲线工具,使得绘制平滑曲线变得更加直观和高效。对于动画制作者来说,新增的快捷键可以快速跳转到同一标签下的前一帧或后一帧,大大提高了动画编辑的效率。
在用户体验方面,现在可以为时间轴中的cel添加颜色编码,帮助艺术家更好地组织和识别动画元素。同时,当使用"自动更改图层"快捷键时,会显示一个矩形框突出显示选中的cel,使图层管理更加直观。
核心功能改进
本次更新对瓦片地图系统进行了重大改进。现在调整画布大小、裁剪到内容和居中帧会移动每个瓦片图层的偏移量,而不是影响其瓦片集。缩放项目时也会按相同比例缩放瓦片的大小,保持了元素的相对比例关系。
工具选项的用户界面也进行了统一化处理,铅笔/橡皮擦/阴影笔刷的翻转/旋转UI现在与瓦片面板的UI保持一致,并支持相同的快捷键,减少了用户的学习成本。
在偏好设置中,快捷键组被重新组织,移除了"按钮"组,改为按各自面板(如时间轴、全局工具选项和调色板)进行分组,使设置更加逻辑化和易于查找。
问题修复与优化
v1.1.1版本修复了大量影响用户体验的问题。数值滑块和标尺不再将整数显示为浮点数,解决了显示上的不一致性。修复了在画布外使用套索和多边形选择工具时的崩溃问题,以及在空瓦片地图上使用桶工具时的崩溃问题。
图层管理方面,修复了z-index cel的渲染顺序问题,确保它们按照正确的顺序显示在画布上。同时修复了"自动更改图层"快捷键与"变换复制选中内容"快捷键的冲突问题。
文件操作方面,现在当原生保存文件对话框打开时,会阻止切换项目标签和保存操作,防止因同时保存两个同名项目而导致的数据丢失。保存对话框现在总会为.pxo文件提供默认名称,提高了保存操作的便捷性。
移除的功能
移除了"全部"网格类型选项,因为现在可以同时显示多个网格,这一选项已不再必要。这一变化简化了界面,同时没有损失功能。
总结
Pixelorama v1.1.1版本通过新增的等距和六边形瓦片支持、改进的曲线工具和动画编辑功能,以及大量用户体验优化,进一步巩固了其作为专业像素艺术创作工具的地位。这些更新不仅增加了创作的可能性,也提高了工作效率,使得从初学者到专业开发者都能从中受益。
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