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。
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
项目优选
kernel
docs
nop-entropy
flutter_flutter
leetcode
pytorch
ops-math
ohos_react_native
gitea
RuoYi-Vue3