TweenJS 使用与技术文档
1. 安装指南
TweenJS 是一个用于 JavaScript 的简单补间动画库。它可以很好地与 EaselJS 库集成,但并不依赖于或特定于它(尽管默认情况下它使用了相同的 Ticker 和 Event 类)。它支持对数字对象属性和 CSS 样式属性的补间。
要使用 TweenJS,你可以通过以下几种方式安装:
通过 npm 安装
npm install tweenjs
通过 yarn 安装
yarn add tweenjs
直接在 HTML 中引用
你可以在 HTML 文件中直接通过 CDN 链接引入 TweenJS:
<script src="https://code.createjs.com/1.0.0/tweenjs.min.js"></script>
确保将上述代码放置在 <body> 标签的底部,以确保在执行脚本时 DOM 已经完全加载。
2. 项目的使用说明
TweenJS 的 API 设计简洁而强大,可以通过链式命令轻松创建复杂的补间动画。
以下是一个简单的示例:
var tween = createjs.Tween.get(myTarget)
.to({x:300}, 400)
.set({label:"hello!"})
.wait(500)
.to({alpha:0, visible:false}, 1000)
.call(onComplete);
上面的示例会创建一个新的补间实例:
- 在 400 毫秒内将目标对象的 x 值补间到 300,并将其标签设置为 "hello!"
- 等待 500 毫秒
- 在 1000 毫秒内将目标的 alpha 值补间到 0,并设置其不可见
- 调用
onComplete函数
补间由两个元素组成:步骤和动作。
步骤定义了补间的属性,总是与持续时间相关联(即使持续时间为 0)。步骤使用 "to" 和 "wait" 方法定义。步骤是完全确定性的。你可以任意设置补间的位置,它将始终为该位置设置相同的属性。
动作没有持续时间,并在步骤之间执行。它们使用 "call"、"set"、"play" 和 "pause" 方法定义。它们保证按正确的顺序执行,但可能不会在序列中指示的精确时刻执行。当补间通过 "play" 和 "pause" 动作相互作用时,这可能导致不确定的结果。
补间支持许多配置属性,这些属性在创建新补间时作为第二个参数指定:
createjs.Tween.get(target, {loop:true, useTicks:true, css:true, ignoreGlobalPause:true}).to(etc...);
所有配置属性默认为 false。这些属性包括:
- loop - 指示补间在结束时是否应该循环
- useTicks - 补间将使用滴答声而不是毫秒作为持续时间
- css - 启用某些 CSS 属性的 CSS 映射
- ignoreGlobalPause - 即使 Ticker 暂停,补间也会继续运行。
使用 Tween.get 时,你还可以将 true 指定为第三个参数,以覆盖目标上的任何活动补间。
createjs.Tween.get(target, null, true); // 这将移除目标上的任何现有补间。
3. 项目 API 使用文档
TweenJS 提供了几个类来帮助开发者创建和管理补间动画。
Tween 类
返回一个新的补间实例。
var tween = createjs.Tween.get(target, [config], [override]);
target是要补间的对象。config是一个包含配置属性的选项对象。override是一个布尔值,指示是否覆盖目标上现有的补间。
Timeline 类
Timeline 类同步多个补间,允许它们作为一个组进行控制。
var timeline = new createjs.Timeline();
Ease 类
Ease 类提供了一组用于补间动画的缓动函数。
createjs.Ease.quadInOut();
Ease 类不使用标准的四个参数缓动签名。相反,它使用一个参数,表示补间的当前线性比例(0 到 1)。
4. 项目安装方式
请遵循上面的安装指南,通过 npm、yarn 或直接在 HTML 中引用的方式安装 TweenJS。确保安装完成后,你可以通过全局 createjs.Tween 访问补间功能,并开始在项目中使用补间动画。
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
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