搞个大新文

October 2024

• 如何利用LuaSTG做出自己的东方同人…

  写在前面 对于做STG而言，选择其实是很丰富的，处于懒得可以的目的，这里直接用现成的LuaSTG就好了，这个用Lua写的引擎基本的弹幕功能还是很好用的，就直接拿来用了。 前序配置 Lua作为一个脚本语言自然是需要安装其环境的，Lua Binaries (sourceforge.net)直接去这里下载最新的发行版安装就好了，之后需要去找一份LuaSTG的压缩包，处于神秘的小圈子目的，这些byd都不给发行版，要么自己编译，要么就得上网找找，LuaSTG有一大堆神奇的分支，这里使用LuaSTG plus ex来作为主要的工具，在贴吧应该能找到这个发行版。 别样的符卡编辑大战 一些前言 LuaSTG提供了一个非常好用（存疑）的弹幕脚本编辑器，不需要写代码就能编辑弹幕。 虽然我感觉不是很有必要，还整得挺麻烦，但是利于上手倒是真的。 在\editor目录下的LuaSTG Editor.wx.wlua就是编辑器了，打开之后直接新建一个别样的符卡大战（划掉） 因为这里是做一些符卡的练习和演示，就不搞一个完整的关卡了。 在开始做符卡之前，先看一下（并没有什么用）的符卡规则吧： 妖怪之间的决斗有造成幻想乡崩坏的危险。但是没有了决斗妖怪们的力量就会弱化。因此强力的妖怪（很可能是妖怪贤者）和博丽巫女在命名决斗法案的基础上建立了符卡规则。 名义上，符卡规则是由博丽灵梦提出的，目的是让妖怪们也有可能轻松地打倒巫女。 命名决斗法案的理念是： 妖怪能轻松发动异变 人类能轻松解决异变 否定完全的实力主义 没有东西能胜过美丽与思念 在此基础上建立了符卡规则。符卡规则就是相互竞技，展现美感的决斗规则。简略地说就是： 符卡就是给自己的绝技加上名字。使用时要进行宣言。 双方在决斗前要说清楚自己准备出多少张符卡。 持有的符卡全部被击破就必须承认输了。 胜利者只能拿决斗前说好的报酬，如果对对手提出的报酬不满意，可以拒绝决斗。 胜利者要积极接受失败者的再次挑战。 要有觉悟，随时可能出意外。 此外，符卡规则似乎对弹幕密度进行了限制[儚月抄小说第六话]，来保证弹幕可以被躲避[弹幕天邪鬼]，弹幕密度超过限制的符卡会成为禁招[GoM]。 符卡规则是东方Project系列的核心设定，符卡是东方Project系列游戏的核心元素。 或者换句话说，做出来的符卡你自己要能打得过。 编辑器的简单利用 总所周知…

  永久链接至 “如何利用LuaSTG做出自己的东方同人STG”

August 2024

• CRT 遇上 MTR

  總所周知CRT的引導標示是請JR西做的，一直都不算難看的那一類。 但是如果讓港鐵給CRT來點世界級鐵路服務會怎麽樣呢？ 參考了港鐵的出站標識，稍微魔改了一點内容。 雖然但是 其實最開始二號綫真的叫較新綫，直到現在去二號綫九龍坡高架段的橋梁上面都能看到較新綫的標識。 這個稍微有點大，分開看吧 其實我覺得這麽不如原來的那個好看 這個1似乎是站臺標識，CRT在有的超多車換乘站也有這個，比如西站。 講真，重慶急行綫這個名字比直通聽起來正常多了，後者有一種肛腸醫院的味道，雖然也很有本地特色就是了… 新橋綫我想了半天不能叫Shimbashi line 吧，就全部按照粵語發音來了，川渝的拼音標準一直是個迷，還是不要用爲好。

  永久链接至 “CRT 遇上 MTR”

• 2024暑期行

  前言 这个文章写作的时候，我已经从学校外出半个多月了。期间去了非常非常多的城市，但是很遗憾的是，并没有发现任何一个像北京的城市。 这次出门去了老多地方了苏州，南京，上海，深圳，香港，澳门，等等一堆。 来点图图。 长三角 来点钱塘自古繁华系列。 苏州 漂亮得很呐 南京 去南理工把玩了RC车车，太强大了 上海 What was your mission in Shanghai？! 珠三角系列 香港 Hong Kong 这个出租车除了我坐不起以外哪里都好（ 激情屯马线，摄于红磡站附近 摄于中环，叮叮与的士 摄于坚尼地城，神秘机位，蚊子和蠓很多，建议做好防虫再去。 维港一瞥 澳门 常常听到的新葡京就是这个楼 另附澳门炮台一瞥 広东

  永久链接至 “2024暑期行”

July 2024

• 讯飞赛道2024年比赛视觉部分代码讲解

  前言 虽然比赛结果一坨屎，但是不影响我把自己写的部分给opensource 总共包含的部分 数据标注，预处理与增强部分。 模型转换与推理 视觉巡线部分（一坨 第一部分：部署巡线代码 如果只是想看看巡线的效果的话，你需要在车上首先启动底盘节点。 电脑上只有早期早期版本的巡线代码，车上的还没拷贝出来（悲 估计要等两天了。 在一代车与二代车都能运行，但是针对二代车的摄像头参数调整，所以在一代车估计不太行 你需要把以下两部分的代码放在车上同一个目录下，注意，应使用python3。 第一个脚本命名为：new_tinkin.py,第二个命名为line_potral_2.py（第二个无所谓叫啥其实，但是你最后要运行它。） # -*- coding: utf-8 -*- import cv2 import numpy as np class LineFinder: def __init__(self): self.in_doing_img = None self.image = None self.image_size = (640, 480) self.cut_range = [(0, 240), (640, 480)] self.image_path = 'photo/11.jpg' self.Flag = "Not start" self.capture = cv2.VideoCapture(0) def read_image(self): self.image = cv2.imread(self.image_path, 0) self.Flag = "Now Process" def read_cap(self): ret, frame = self.capture.read() img = cv2.cvtColor(frame, cv2.COLOR_RGB2GRAY) # cv2.imshow("show_time", img) img = cv2.resize(img, (640, 480)) return img # 预处理裁切,模糊与大津法 def img_pre_deal(self): self.image = cv2.resize(self.image, self.image_size…

  永久链接至 “讯飞赛道2024年比赛视觉部分代码讲解”

• 写在背面

  这篇文章应该不能被随便看到吧 现在是七月十五号的晚上，刚刚吃了一颗泰诺，看看在睡着之前能写点啥沟吧出来 我操，应该++能看到吧 随便了 狗日的自动输入纠正，我就在汉字里面赛空格了，干你妈。 这个沟吧电脑是真的很不错啊，从2022年买来一直兢兢业业工作到现在，虽然你妈返厂修了三次操你妈的微软，品控怎么这么垃圾。但是真的东西设计很好，马加爵，不太行，感觉不如我。 不是，但是这个比赛确实完赛了，写了那么鸡巴多方案和代码，还是满分，要是现场运气好的话就能满分了，明天还要坐火车，1461确实垃。 300块不到还是躺着送到苏州，其实还行，就是五点钟到了没啥事做，想去南京玩？ 我还是把空格换成了逗号，干你妈微软你比候舒桐还牛逼能纠正这个。他也不在育才了，整挺好，狗都不在育才，哦不是也不是，算了。 育才挺好的，总有傻卵在喊要衡中模式，我日你母亲。 怎么这么喜欢写你妈以前的事情，因为没法写以后的事情，这个网站还是不要写预言家文章了，我他妈也不知道以后是什么样子。干。 他妈的真的烦死人一天天的，还好有你妈没有PLANB寄了，那我只能说随便了。 无所谓了，我是cv领域大神，哪天真的投了cvpr我真的想去看极光，但是cvpr太难了。 傻逼国内的有些脑残导师，他妈就不是搞科研的，是他吗吃这口饭的废物，怎么混上去的日你妈这个过程就有问题了，会你妈蛋蛋cv，太能水了，重要的工作都是别人做的。 你妈，湿度真的很高。 他妈的还要下雨我日，我车停在外面露天了，上面的hentai贴纸要寄，无所谓了，掉色也挺好看的，大不了重新贴一次他妈的，我车停在那里周围都没车停过来的。 傻逼二次元。 幻想乡真美好啊他妈，人死了真的会变成幻想乡的一朵花吗，不知道。 这个真他妈好听吧，怎么没啥人喜欢听啊，狗日的都是易拉罐。 变成幻想乡的一朵花也比重开来地球好，给他妈生命积分 ∫出生死亡​人生d悲欢<0 哎我操latex确实好用，这种鸡巴东西也能写出来，必须支持。 幻想乡怎么进行生产生活啊，不知道。傻逼二次元。 我操应该不停下来一直写的，想去切歌了，在放红辣椒的ost，就游行那一段的那个，确实很牛逼啊，但是我想听别的东西。 ++应该不会看这个文章吧，估计也没怎么看这个网站了，随便了，不是这又是什么歌，ytb你妈 这下对了，为什么说傻逼二次元，这其实是一种二次元婆罗门，但是这句话本身也是足以发到婆罗门版的爆论…

  永久链接至 “写在背面”

• [中文]如何在实验室里面开地铁…

  前言 Byd这个难度还是稍微有点大的，我还是先用中文写吧，不然理不清楚思路了。 有无数的铁道宅都喜欢录制各个厂家的VVVF声音，还有猛男在这个过程中摸索出了各自的调制策略，这也为本文提供了巨大的帮助。 关于VVVF最常见的就是在电车上面了，但是其实在电梯上面，VVVF也有很广泛的利用，这里提一嘴不是因为是电梯迷啥的，而是很多神秘的知识是从一个电梯的网站上面看到的。 扯了这么多，本文默认读者已经基本读完了大物的内容。 了解你的捍卫者：交流异步电机 在我们开始大扯特扯电机学之前，先聊一个很出名的问题： 无刷直流电机和交流异步电机有何区别？ 在测试VVVF中，按照常理你是需要一个交流异步电机的，这玩意通常能够在闲鱼收到一些，但是有一个问题：相电阻很大。 这就意味你需要很高的电压来驱动它，与此同时也就意味你的驱动最好整好点。 所以我们可以找到一个其实比较合适的平替：无刷直流电机。 讲道理这两者的差距在结构上并不是很小，主要体现在无刷直流电机使用了永磁体，而交流异步电机的外部磁场直接来自于定子的通电线圈，而中心的鼠笼则是不带电的。 但是其实这两者的控制方法又很有些共通的地方，所以先用无刷电机做早期的一些测试是完全可行的。 无刷电机（BLDC）的结构与控制思路 所谓无刷电机那么必然是相对于“有刷电机”而言的，在高中我们就学过的使用电刷作为换向器的有刷电机控制方法相当的简单，但是有一些很大的问题，首当其冲的就是寿命问题，由于电刷本身的摩擦结构，注定了其寿命必将受到电刷的寿命影响，以及其在高转速下发生的打火花等等，在更多的应用中我们一般使用无刷电机。 先来复习一下无刷电机的结构 转子由一块永磁体组成，而定子则是绕组线圈，由绕组线圈流经电流的不同来产生对应的磁场，磁场再进行合成来驱动中间的转子转动，其等效为这样。 我们假设电流和磁场强度直接线性相关，电流流进就必然流出，三项120°交错就必然能产生一个矢量合成的磁场，最简单的控制方法就是直接用相位分别相差1/3个周期的方波： 但是方波必然导致其磁场变化不是连续的，这样电机的运行噪音和发热量都会很大，并且还会有必然的抖动，所以就需要使用正弦波来调制 理想状况下正弦波就应该是最佳的控制方法，但是不对。 同步/异步控制问题 在上面我们知道了电机中间存在两个磁场的矢量：即转子磁极的磁场方向Vc与周围定子合成之磁场方向Vd…

  永久链接至 “[中文]如何在实验室里面开地铁：VVVF手搓指北”

• Solution for…

  In Past of times, to Read the image from the ‘cap’ class and not real-time read will cause read the past image. To solve this, all you need to do is change the size of imgae buffer. cap = cv2.VideoCapture(device) # set the size of buffer area cap.set(cv2.CAP_PROP_BUFFERSIZE,1)

  永久链接至 “Solution for addressing the issue of OpenCV reading cached images from previous operations”

June 2024

• [给社团]为什么在2024年还在DIY…

  前言 众所周知的，3DFDM（熔融沉积）打印技术在一开始就是从DIY而来的。 最早的开源3D打印机，达尔文结构，距今已经20多年了。 随着时代发展，更多的新技术，新结构，新固件不断产生，也有很多东西开始被淘汰。 极坐标3D打印机，已经被完全地淘汰了，这玩意真的垃圾 终于开始出现了商品机，也就是从开源社区中来，魔改一下marlin固件，然后把3D打印机的入门门槛拉低到不需要DIY一台机器。但是问题随之而来，首要的就是贵得你妈离谱，一台um2结构的封箱机器在2020年前后的报价来到了13000，甚至用的是marlin固件。在这种情况下，DIY3D打印机依然能够有充足的优势与自信，因为便宜而且效果还很好。 好几年前还能买3,4k的打印机，现在闲鱼500就能捡回来 直到一家神秘公司的出现：拓竹。随着拓竹的P1S,A1系列在1000-6000价位实现了高精度高速度，还带自动换料与多色打印系统，第一件事情就是其他原来的老牌3D打印机厂商显得比较铸币，纷纷降价狂甩卖。 随之而来的是3D打印市场的百花齐放，振动补偿，激光雷达和AI识别首层，流量动态检测，主动仓温等等技术纷纷在2000左右的机器都能出现了。 这个时候DIY就很奇怪了，为什么还要DIY，商品机的成本，精度，速度，稳定性全方位打败了DIY机器，公司直接使用定制的钣金件和注塑件，便宜还很强，比自己搓的成本也降下来很多。 是这样的吗？这样的话，3D打印社是不是就真的可以就搞成农场社了 成本 精度 速度 成本 关于打印机的成本，一台比较丐的VORON三叉戟只要善于逛闲鱼，1200左右是能搓一台300*300的打印机出来的，而同样情况下的商品机价格来到了6000左右。 只要你善于去闲鱼捡垃圾，是能够以及其神奇的价格收到一些上古打印机框架，然后画很少很少的钱给改装成你想要的打印机。 图上是我闲鱼200本地自提的超大面积打印机，连带修好一共花了500多块钱的样子，打印面积310*310*400，可谓是相当便宜，而且由于是一台UM结构的打印机，打印精度相当不错的。 对于自己从头开始搓打印机，成本控制可以从很多方面下手，也许以后专门会出一篇文章讲讲，这里就不赘述了。 奇怪的科技 另一方面，买回来的商品机出于售后与别的原因一般不会留下非常多的DIY空间，充其量也就是打印点结构件之类的。然而自组的机器有着无限的DIY空间…

  永久链接至 “[给社团]为什么在2024年还在DIY 3D打印机”

May 2024

• [ACG/COSER] Peking…

  蛇喰梦子 cn:藤子 爱德华 cn:？（没问 天城雪子 cn:也没问 O / O 不认识 但是我觉得拍的太好了

  永久链接至 “[ACG/COSER] Peking Spring”

• How To Detect The…

  Before the start For some stupid race, I have to detect the zebra crossing without deep learning. The base method is cut and Adapter Threshold the image. After that, do the edge detect for pix count to final got the goat. Adapter Threshold Comparison of Binarization Methods: Otsu's Method, and Adaptive Thresholding In image processing, we always need to perform binarization on grayscale images, and these methods are commonly used. Otsu's Method The essence of the OTSU algorithm is to maximize the between-class variance. So the main idea of this method is find a value t, and we using the t as a threshold, divide the image pixels into those greater than t (class A)and those less than t(class B). First, we traverse each pixel depth from 0 to 255 and count the number of occurrences. Let N𝑖​ be the number of pixels with grayscale value 𝑖, then the probability 𝑃𝑖​ of pixels with grayscale value 𝑖 is given by Pi​=n0​+n1​+...+n255​ni​​ We should find a 𝑡 such that the variance between classes…

  永久链接至 “How To Detect The Zebra Crossing With OpenCV”

April 2024

• How To Run A Subway…

  Before the start To remake the wonderful sound form the subway VVVF driver, I made it my self one. But in this monument I cant driver a real 380v AC motor, so I use a Brushless DC Motor to replaced it in first test. To finish this job, I choose the raspberry Pico to be the motor driver. MircoPython is Fucking slow

  永久链接至 “How To Run A Subway In Your Lab - VVVF Driver Development”

• “时间是带走青春的电车”

  -e6-97-b6-e9-97-b4-e6-98-af-e5-b8-a6-e8-b5-b0-e9-9d-92-e6-98-a5-e7-9a-84-e7-94-b5-e8-bd-a6

  永久链接至 ““时间是带走青春的电车””

• [中文]在RK3888上使用YoloV5

  前言 因为讯飞车换了主控，所以需要重新部署一下模型在RK3588上面，写来给学弟们以后用。 顺便一提，这个板子真他妈恶心啊我操。 部署分为三个部分，训练，转换与推理，我们一步一步来。 训练 选择你的版本 因为很多神秘的原因，我们不得不使用某一特定版本输出的权重文件才能够在最后一步推理的时候成功，所以这一步至关重要，需要这个仓库的内容。 airockchip/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite (github.com) 值得注意的是你需要在这个仓库下训练。 关于环境安装的问题就不在此赘述了，这搞不懂后面你也看不懂。 预处理你的数据 对于讯飞比赛而言，我们并不需要模型具有良好的泛化性，换言之，可以尽情地使用各种数据增强的方法而完全不在乎过拟合的问题，故我们的输入只需要每个classes五张图片即可。 相关代码在我自己的github仓库里面 qwqpap/auto_maker (github.com) 如何使用可以来问问我。 训练你的模型 在完成数据的生成之后，我们需要开始训练，请注意，你需要一张足够好的nvidia显卡，否则训练时间可能比你备赛的时间还要长。 首先需要创建一个配置文件，这里我随便命名一个 qwq.yaml path: C://yolov5/auto_maker # dataset root dir train: images # train images (relative to 'path') 90% of 847 train imagess val: val/images # train images (relative to 'path') 10% of 847 train images names: 0: bodyarmor_1_5 1: bodyarmor_2_5 2: bodyarmor_3_5 3: bodyarmor_4_5 4: bodyarmor_5_5 5: firstaid_1_5 6: firstaid_2_5 7: firstaid_3_5 8: firstaid_4_5 9: firstaid_5_5 10: man_1_5 11: man_2_5 12: man_3_5 13: smoke_1_5 14…

  永久链接至 “[中文]在RK3888上使用YoloV5”

March 2024

• To find the race…

  Before the start The purpose of doing this is finish the 19th Xun Fei smart car track line following part job. The approach to accomplish this involves resizing and cropping the image, followed by blurring, edge detection, erosion, and then detecting the track edges to achieve the goal of line following. Looks like this: The Prepare for image We just need to cut the half size of image because of that`s the only part for us to take care of. raw = get_from_file() start_location_x = 0 start_location_y = 240 end_location_x = 640 end_location_y = 480 # 在意的图像范围，即线条出现的图像范围 in_doing = raw[start_location_y:end_location_y, start_location_x:end_location_x] And for doing of edge detection algorithm, we need do Gaussian Blur for image to avoid the noisy in image. Edge Detection Algorithm convolution kernels We need to first understand the concept of convolution kernels. Imagine there is a 3×3 matrix filled with numbers. [[1,1,1] [1,1,1] [1,1,1]] As we know, the image was been storage in…

  永久链接至 “To find the race line by Edge detection algorithm with OpenCV”

February 2024

• Why I Choose to…

  Before the Start There are some reasons for me to do that Most importantly, to improve my poor English skills for the CET-6 exam. Simplified Chinese posts’ quality and community environment is just a piece of crap; I do not wish my website to become one of them. About old Post I plan to take half a year to translate the old posts, and in this process, I might delete some unfinished posts and low-quality posts written by my naive self before. The New Post I`ll try my best.

  永久链接至 “Why I Choose to Translate All Blog Posts to English”

• Python 井字棋 强化学习

  前言 本来想做强化学习小车，但是技术栈似乎飞了，所以还是一步一步来嘛。 Part 1 Code import copy import random import json import matplotlib.pyplot as plt class OoxxMachine: def __init__(self): self.race = [[0, 0, 0], [0, 0, 0], [0, 0, 0]] # 用于表示棋盘 0代表没下过 1 A玩家 2 B玩家 self.flag = "in_race" # all situation is "in_race" or "a_win" or "b_win" or "all_lose" # ---------------------------------------------------------------- self.learn_rate = 0.1 self.rand_poss = 0.05 self.net_values = {} self.default_value = 0.5 def update_win(self): """ [[2,1,1][1,1,0][1,2,0]] be like: 0 1 2 ------------- 0 | x | o | o | 1 | x | x | | 2 | x | o | | ------------- """ if self.race[0][0] == self.race[0][1] == self.race[0][2]: if self.race[0][0] == 1: self.flag = "a_win" elif self.race[0][0] == 2: self.flag = "b_win" else: pass if self.race[1][0] == self.race[1][1] == self.race[1][2]: if self.race[1][0] == 1: self.flag = "a_win" elif self.race…

  永久链接至 “Python 井字棋 强化学习”

January 2024

• 如何让主播给你唱歌

  前言 东雪莲可以和间眠大佐切割，我认为东雪莲也可以和锤头鲨本鲨切割。 首先 我不是棺材板 其次，准备开始了。 先品鉴一段 再来一段日配 文字-语音（GPT-SoVITS） 1 配置环境 1.1 Conda 先拉取最新的仓库 $ git clone https://github.com/RVC-Boss/GPT-SoVITS/ 然后创建一个conda环境 并且安装所需要的包 在安装之前你应该手动安装一下pytorch来避免一会自动安装的torch没有gpu用 去pytorch官网查看怎么使用pip 安装最新的pytorch即可 然后安装requirements.txt $ pip install -r requirements.txt 之后大概率会报错到爽 原因是你没有安装cpp相关工具，所以jieba_fast等一系列库无法被编译，这有两个解决办法，一是直接下载.whl文件安装，或者直接下载vc，我推荐后者一劳永逸 Microsoft C++ 生成工具 – Visual Studio 请下载并安装这个，然后重新执行上述命令。 不出意外应该就装好了这一堆库了，但是还是不能用的。 因为装的pytorch大概率是没有cuda版本的，用cpu嗯算需要耗费非常多的时间与电费，所以需要卸载pytorch后 $ pip uninstall pytorch 去pytorch官网：PyTorch选择你的环境并且复制命令安装。 $ pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 #just a example modlfile it by yourself 下一步就可以开始推理了 需要先训练模型 训练 文字-语音（GPT-SoVITS）模型 需要准备一些申必数据集 在启动网页UI之前，需要在config.py中修改本地端口，避免占用其他你正在用的端口。 之后直接启动webui.py 当然训练非常麻烦 我这里提供一个现成的申必模型（东雪莲） rare下载 推理 文字-语音（GPT-SoVITS）模型 把模型解压后应该就能在web上看到了，再选择一段参考音频与文字，推荐选择一段特别清晰的。 之后就能让ai莲莲说话了。 so-vits-svc…

  永久链接至 “如何让主播给你唱歌”

• 漫展人多，多拍两张（

  前言 春节回家不能闲着，应拍尽拍。 上图

  永久链接至 “漫展人多，多拍两张（”

• telegram bot 制作入门

  前言 主播不做违法犯罪的事情（ 腾讯那个机器人太司马 创建一个机器人 先去telegram import os import json import telebot import random provinces = [ '北京市', '天津市', '河北省', '山西省', '内蒙古自治区', '辽宁省', '吉林省', '黑龙江省', '上海市', '江苏省', '浙江省', '安徽省', '福建省', '江西省', '山东省', '河南省', '湖北省', '湖南省', '广东省', '广西壮族自治区', '海南省', '重庆市', '四川省', '贵州省', '云南省', '西藏自治区', '陕西省', '甘肃省', '青海省', '宁夏回族自治区', '新疆维吾尔自治区', '台湾省', '香港特别行政区', '澳门特别行政区' ] luckly = ["农村","市区","郊区","职高女厕所","省会","工地",'大HOUSE',"下水道"] wood = ["xyn","xxn","鼠鼠","唐氏","郭楠","✌","刀哥",'龙鸣'] def fresh_data(user,action): """ :param user: about the user id of tele :param action: in this time it could get :"cum,cum_shower,master_bate,eat" :return:Bool --> True/False """ cum_sector = 3 speach = "null" with open('user.json', 'r', encoding='utf-8') as file: data = json.load(file) if user in data: if action == "cum": if data["user"]["cum_left"] < cum_sector: speach = "您射干净了，没法射了" else: data["user"]["cum_left"] -= cum_sector with open("user.json",'w',encoding="utf-8…

  永久链接至 “telegram bot 制作入门”

• 音mad/人力vocaloid急速入门

  前言 每一个吉吉国民都要有自己的制冰技术😤 PS 手搓已经去世了，用ai调参见这篇如何让主播给你唱歌 – 天鹅绒房间 (qwqpap.com) 如何手制音MAD 什么是音MAD 音MAD是一种使用素材乐器对所选BGM进行演奏的视频形式 音MAD的核心是其音频，而音MAD的音频则有两大组成部分，一个是选用的BGM，也就是原曲，另一个就是素材中的声音，也就是乐器 一般情况下，二者都是缺一不可的，某些高手所制的音MAD会不使用原曲，但乐器必须具备 只要具备上述的音频要素，就算画面静止也依然是音MAD 画面并不是音MAD的核心 音MAD与鬼畜之间的关系 鬼畜的意思是由日文直译的，原意指“像魔鬼畜生一样残酷无情。 一般指有心理变态性虐倾向的流氓或淫棍。一般指五种不道德的性取向，且有浓重虐待倾向”。这个可以查到。那么鬼畜的词性就是形容词，与猎奇等词是相近的。将音MAD称为鬼畜是典型的天朝对11区舶来物的误读。根源就是2008年1月的“M.C.ドナルドはダンスに梦中なのか？最终鬼畜道化师ドナルド・Ｍ” 这个作品，其在传入天朝后被称作最终鬼畜蓝蓝路。其实真正的关系应该是，芙兰朵露·斯卡雷特在二次设定中具有鬼畜的属性，因此有人创作了“最终鬼畜妹フラ ンドール.S”这首改编曲，而“M.C.ドナルドはダンスに梦中なのか？最终鬼畜道化师ドナルド・Ｍ”里使用了“最终鬼畜妹フランドール.S”这个 BGM，所以名字里会有“最终鬼畜”四个字，因其传入天朝后影响力及其巨大，所以之后的音MAD都被习惯地称为鬼畜视频。但实际上，只有使用“最终鬼畜妹 フランドール.S”的音MAD作品才能在标题里写有“最终鬼畜”。鬼畜与音MAD没有什么直接或明显的关系。 首先选择你的软件：Fl Studio 软件是需要付费的，但是看我博客的你应该是有办法的。 打开是这个样子： 我们先新建一个工程，把要制作（po hai）的原曲和原midi(如果有的话)都放进来。 测定曲速（BPM） 以此右键左上角的曲速，选择敲击，然后播放原始音频，跟着鼓点敲击，等到稳定之后就是当前曲子的BPM了。 获取你的采样（以otto为例 请找你要使用（迫害）的对象的讲话啊之类的地方提取一些适合用来迫害的声音。 比如 电棍：“去快手找个吹唢呐的嘟嘟嘟给你*预约送走”的“嘟嘟嘟”就很合适 又比如”我操！冰！”中的“冰…

  永久链接至 “音mad/人力vocaloid急速入门”

• 漫展没人，小拍两张

  十六夜镇楼

  永久链接至 “漫展没人，小拍两张”