首页
/ Piantor 键盘:重新定义你的打字体验

Piantor 键盘:重新定义你的打字体验

2026-01-22 04:51:01作者:瞿蔚英Wynne

Piantor Keyboard

项目介绍

Piantor 键盘是一款基于 Raspberry Pi Pico 或其他兼容 RP2040 芯片的 42 键或 36 键有线、无二极管、非翻转、低轮廓 Choc V1(混合热插拔和非热插拔/焊接)、激进列式倾斜、可编程的人体工程学机械分体键盘。它基于 Cantor 键盘 设计,名字“Piantor”是“Pico”和“Cantor”的组合。

Piantor 键盘不仅适合经验丰富的键盘爱好者,也非常适合初次尝试自定义键盘的用户。其独特的设计和灵活的配置选项,使得每个人都能根据自己的需求定制出完美的打字工具。

项目技术分析

硬件技术

  • RP2040 MCU:采用低成本、易获取的 RP2040 微控制器,双核 Arm Cortex-M0+ 处理器,主频高达 133MHz,内置 264kB SRAM 和 2MB 外部闪存(最高可达 16MB),确保了强大的计算能力和充足的存储空间。
  • Cantor 布局:人体工程学设计,特别优化了小拇指的按键位置,减少疲劳。
  • 非翻转 PCB:简化了控制器安装过程,减少了初学者的错误率。
  • 无二极管设计:简化了焊接过程,减少了故障点。
  • 混合热插拔和焊接低轮廓 Choc 开关:用户可以根据需求选择热插拔或直接焊接,灵活性极高。
  • 可拆卸小拇指列:轻松将 42 键布局转换为 36 键布局,无需特殊工具。

软件支持

  • QMK:完全支持,用户可以自定义键盘布局和功能。
  • Vial:基于 QMK 的图形化配置工具,支持 Piantor 键盘。
  • KMK:Python/CircuitPython 固件支持,已提交 PR。
  • Remap、PRK、keyberon:计划支持,具体时间待定。
  • ZMK:等待有线分体支持。

项目及技术应用场景

Piantor 键盘适用于各种场景,无论是日常办公、编程开发还是游戏娱乐,都能提供出色的打字体验。其人体工程学设计和可编程特性,特别适合长时间使用键盘的用户,能够有效减少手部疲劳。

项目特点

  • 强大的微控制器:RP2040 芯片提供了充足的计算和存储资源,支持多种功能和层级配置。
  • 人体工程学设计:Cantor 布局优化了按键位置,减少手部疲劳。
  • 灵活的配置选项:支持热插拔和焊接两种方式,用户可以根据需求自由选择。
  • 易于定制:丰富的固件支持,用户可以轻松自定义键盘布局和功能。
  • 适合初学者:非翻转 PCB 和无二极管设计,简化了组装过程,降低了错误率。

结语

Piantor 键盘不仅是一款功能强大的机械键盘,更是一个开放的平台,让用户能够根据自己的需求和喜好进行定制。无论你是键盘爱好者还是初学者,Piantor 都能为你带来全新的打字体验。立即加入 Piantor 社区,开始你的定制之旅吧!


了解更多

赞助商

Piantor 键盘:重新定义你的打字体验 Piantor 键盘:重新定义你的打字体验

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
509
550
docsdocs
暂无描述
Markdown
852
5.68 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.04 K
2.48 K
kernelkernel
deepin linux kernel
C
33
16
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
838
1.27 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
844
1.69 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.16 K
856
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.25 K
1.37 K
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
502
345
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
783
410