这个速度太慢啦，达不到Raw视频的正常写入水平，拷贝Mov进去的速度至少要达到70MB/S，现在仅有29，也就意味着如果你把分辨率设置为720时候应该是可以连续写入的。

4S会自动停止，意味着卡的速度低于内存中的数据需要写入的速度，然后内存满了。

这个速度是卡的速度限制，卡的速度即使是最快的卡，也达不到机器的速度。还可以设置分辨率的裁切比例，帧速率，分辨率来选取一个适合自己配置的设置，另外卡的真实速度和标称速度要实际测试。实际写入速度需要大于100MB/s，可以用大文件拷入进行测试。

比如我的5D3的机器，标配的卡录制2秒就停了，换了雷克沙的高速卡，单镜头能达到4分钟就已经足够使用了，一个镜头一个镜头的拍。Raw的视频包含元数据非常大。我的配置不到20分钟的镜头，64GB卡就满了。

Raw视频适合高标准，有着严格拍摄脚本的广告、剧情一类的制作，不太适合即兴拍摄，因为后期流程也和胶片差不多。适合像拍电影一样的拍，每个镜头都思考好了再开始，很像胶片拍摄的流程。

MLV.App功能强大，界面清晰，更新速度非常快，更加符合现代化的制作方式。MlRawViewer是最早期的制作人拍摄Raw视频的方式，制作方式更加传统，比如默认导出为DNG序列，然后在AE或者达芬奇中进行处理。

魔灯具有自己独立的网格模式，需要在魔灯菜单里面设置，当然还有更多佳能官方没有的模式，包括峰值对焦之类，可以从社区内菜单的翻译上查看更多功能，我比较常用的是延迟拍摄、峰值对焦、还有低帧速率视频。和佳能的网格模式相当于是俩个不同的操作系统，不可以混用。

你好，本篇文章讲述的就是如何直接将3DEqualizer计算好的畸变数据作为一个独立的节点，直接传输给Nuke，而不需要进行渲染。如果非要渲染出来作为参考视频导入到三维软件进行对位测试，在nuke中渲染即可。

可以采用这样的流程：

3DEqualizer—-导出畸变数据到Nuke—-导出去除畸变的素材给三维软件参考使用
三维软件中输出制作好的匹配模型动画—-导出模型或者渲染图—-导入到Nuke—-添加3DEqualizer畸变。

这样即可让三维渲染保持和原始视频一致的畸变，更加真实。

Ableton Live 12.2中的新功能

1、生成音频到新轨道

现在，只需点击几下，就可以将任何MIDI或音轨（包括所有处理）上的片段生成为音频到新的音轨上，或使用Bouce轨道就位将整个音轨转换为音频。

提示：这个功能在多年前的logic上就有，非常好用。

2、自动过滤器

Ableton live的核心音频效果——但它在12.2中听起来和看起来都像新的一样。尝试Vowel、DJ和Comb等创意滤波器类型，并借助Auto Filter的改进调制部分、新的混音控制和实时可视化，以更高的精度塑造声音。汽车过滤器也将在今年晚些时候出现在Move and Note上。

3、Expressive Chords

支持MPE的Max for Live设备，适…[查看更多]

📸 摄影棚中《光的平方反比定律》的实践应用详解

在摄影棚环境中，光的平方反比定律 是控制布光强度、塑造氛围和精准曝光的重要理论依据。无论是棚拍人像、产品摄影还是视频布光，该定律都能为你提供清晰可控的技术支撑。

什么…[查看更多]

EQ（Equalization，均衡器）本质上是一个频率选择性的增益函数：

频谱图（如 Ableton 的 Spectrum、FabFilter 的 Analyzer）实时显示 X(f)；EQ 滤波器实际影响的是 H(f)；混音时，我们观察频谱并视觉定位问题频段，然后手动绘制 H(f) 来进行补偿或增强。

EQ 不是“修音”，是“重塑频率能量分布”，本质是用数学曲线，对声音进行“能量雕刻”。

它作用于信号的频谱，在特定频率区域 放大（Boost） 或 削减（Cut） 能量。

[查看更多]

Pinecone向量数据库的在线使用方法

Pinecone 是一个专为机器学习和人工智能应用设计的托管向量数据库服务。它主要用于存储、检索和管理高维向量数据（如嵌入向量），并支持高效的相似性搜索（Similarity Search）。Pinecone 的核心目标是帮助开发者轻松构建和部署基于向量的应用程序，例如推荐系统、语义搜索、异常检测等。

1. 登录并创建项目
访问 Pinecone 网站：打开 [Pinecone 官网]并登录账户。
进入仪表板：成功登录后，将看到一个仪表板界面。
创建新项目：在免费层级（Free Tier）下启动一个新项目。点击“创建项目”按钮，并为项目命名。

2. 获取 API 密钥…[查看更多]

Qdrant向量数据库部署方法以及使用方法

Qdrant 是一个高性能的向量搜索引擎，专为存储和检索高维向量数据而设计。它支持语义搜索、推荐系统、图像检索等应用场景。Qdrant 提供了开源版本以及在线托管服务（Qdrant Cloud），开发者可以轻松部署和使用。以下是 Qdrant 的基本使用流程：

一、安装Qdrant（使用docker安装）
1、拉取静像
docker pull docker.m.daocloud.io/qdrant/qdrant

2、运行镜像（在运行前必须要设置api密钥）
docker run -d -p 6333:6333 -p 6334:6334 -e QDRANT__SERVICE__API_KE…[查看更多]

3. 向量数据库
向量数据库（Vector Database）用于存储、索引和高效检索 高维向量，常用于 语义搜索、推荐系统、异常检测 等场景。例如，文本、图像、音频都可以转换为向量，以便进行相似性搜索。将数据转换为 嵌入向量，嵌入向量存储与检索。

Pinecone 和 Qdrant 进行对比，选择更适合你的 向量数据库需求？

两者都是 高效的向量数据库，但它们有一些关键区别：

Pinecone vs. Qdrant 对比

特性

Pinecone

Qdrant

部署方式

云端 SaaS（Pinecone 提供托管）

本地部署 / 自托…[查看更多]

是可以追踪定机位的，技术流程请参考这一篇：

【PFTrack教程】如何反求定点摇动摄像机运动轨迹？（gif图文详解）

如果在反求镜头追踪的同时，还需要追踪车辆轨迹，可以使用复合追踪流程：

【PFTrack教程】如何跟踪画面中的运动物体？（视频详解）

另外不管是PFtrack还是3DEqualizer都可以导出选择的物体为坐标数据，TXT文本。我以前用这个方法交换不同软件的追踪数据。但是要注意，不同软件的位置标记记录算法比例可能不同。

FRPC批量端口号代理与泛域名解析配置方法

这个配置文件是 Frp 客户端（frpc） 配置的一部分，使用了 Go 模板语法 来生成多个代理配置。它的作用是根据 端口范围 来动态生成多个 TCP 代理。接下来，我将详细解释每个部分：

parseNumberRangePair 是一个自定义函数（假设是为了处理端口范围），将字符串 “888-999” 转换为一个端口范围。例如，888到999。
•第一个参数 “888-999” 是表示端口范围的字符串。
•第二个参数 “888-999” 是备用参数或者用于其他配置逻辑。
•range 是 Go 模板的关键字，允许遍历 parseNumberRangePair 返回的…

[查看更多]

2025年2月-3月：北京，在本地搭建了大模型推理环境，并使外网服务器可以调用本地模型。部署了 Qdrant 作为向量数据库，结合 bge-m3 嵌入模型，还增加了网站AI架构，优化Prompt 生成逻辑。整体架构涵盖模型推理、数据存储、API 调用、前端部署等关键环节，使本地AI服务能够高效对接外网业务，实现智能搜索和问答功能，整体已经测试完成，并已小范围公开使用。

各产商的大模型部署并在工作中投入生产使用的大模型选择

这里的测试方面的数据为硬件平台直接输出，而感受与总结方面尽可能做到客观，但难免会有主观之处：

1、除了deepseek开源，还有其他开源大模型么

deepseek是公开发布并可以下载的模型，开源对我们来说是非常有益的事情，同时我们也应关注更多的开源产商LLaMA、Qwen、Mistral，google的开源模型群，微软的、ibm等，每个产商的模型都是成千上万技术人员的劳动成果，通过各种算法集合了人类的智慧，也就决定了不同的大模型具备的核心能力也有所区别，作用用户我们要打开视野，多使用不同的模型，从计算成本、计算效率、结果的可靠性三个方面来选择最适合我们工作流的模型。

未完待进一步补充～～

经过若干测试，对工作…[查看更多]

在Mac M1pro上使用lm studio和ollama的感受

1、效率与速度
LM Studio使用GGUF模型比Ollama反应速度更快20%，如果在LM Studio中使用苹果M芯片框架的MLX比GGUF还要快30%，在效率和配置效率方面LM Studio更高效。

拿DeepSeek R1:14B执行相同的任务来说
在Ollama上达到，9.34 tokens/s，在LM Studio使用GGUF：13.4 tokens/s，而MLX可以达到18.43 tokens/秒。

此外，LM Studio的内存占用也比Ollama低，尤其是在处理大规模数据时，LM Studio的内存占用会更少，这使得它在处理大规模数据时更加高效。

[查看更多]