大頭耳擴

DSCF6993

大頭耳擴

顧名思義 就是某台"頭"開頭耳擴的複製版

這台是NEO大的廠製機

做工很好 用料不手軟

光是厚達0.8mm的鋁材切削機殼就讓我嘆為觀止

 

DSCF6994

後面有六組端子 皆為玫瑰金鍍金端子

三組訊號選擇輸入 一組前級輸出  一組預留(無作用) 可作為ByPass輸出或是其他輸入用

 

DSCF6996

打開裡面  可以看到規畫的還算整齊 變壓器頗重 對付這種耳擴應該是綽綽有餘了

左邊有點空阿...是要留給我們自己加裝UAB電路用的嗎....

 

DSCF6997

主版

NEO廠製與一般DIY套件的差別在這邊

幾乎建議更換的零件都已更換成較好的原件

輸入電容改WIMA BlackBox 0.1u
輸出交連改WIMA BlackBox 0.22u
輸出電解改很稀有的ELNA for Audio 3300u

DSCF6999

ELNA for Audio ..  一看就知道是所費不貲的東西

 

DSCF7000

大水塘換成BHC 5000uf/72V

DSCF6995

DSCF7013

最後說說聽感

我用了HD650、W1000、K701、601、K240DF、SCL4等等 數種耳機

統一可以得到的結論是 大頭耳擴聲線溫暖  細節滑潤

不過低頻的控制力就顯得需要加強  特別是面對HD650c或K701之流的耳機

整個聲音就軟軟的 層次也有點平

我實在是聽不久

不過用在低阻的耳機上 像是W1000或是耳道的Shure SCL4

人聲甜美多水  空間寬廣

偏暖的音色 可以修飾不少錄音差的音樂

對於吉他及弦樂器更是有加分的作用

聽完還能感受到彈性十足的吉他弦在耳邊繚繞

 

此機與原本的"頭"耳擴 價差就不用提了  差了數倍

原售價更是讓我覺得沒啥利潤  C/P高算是DIY機的最大優勢吧

可惜NEO大的線上商店已經收了

大頭機箱與NEO廠機皆成絕響

不過有跟他購買的人 仍能找到店面維修

後續不是問題

 

各位以後在網路上若是看到有在賣 可以考慮收一台

留言

張貼留言

這個網誌中的熱門文章

Office 2021 離線安裝封裝與KMS啟動步驟

圖片
1.到Office 365 Customization Tool   https://config.office.com/deploymentsettings  選擇建立新的配置 Office來源套件選擇Office LTSC 標準版2021大量授權 OR 其他你想要的版本   剩下根據你的安裝配置進行設定 在安裝選項 改成本機來源 (這邊選擇安裝環境的安裝檔案路徑 可以設定網路磁碟如 \\192.168.0.1\office2021) 完成後匯出設定檔案 會得到一個XML檔案  這就是你office 的安裝組態檔案  這邊命名為office.xml 我的組態檔案像這樣 <Configuration ID="4b609851-a8f8-4cce-bf99-22096f57e715">   <Add OfficeClientEdition="64" Channel="PerpetualVL2021" SourcePath="C:\PROPLUS" AllowCdnFallback="TRUE">     <Product ID="ProPlus2021Volume" PIDKEY="FXYTK-NJJ8C-GB6DW-3DYQT-6F7TH">       <Language ID="zh-tw" />       <ExcludeApp ID="Lync" />       <ExcludeApp ID="OneDrive" />     </Product>   </Add>   <Property Name="SharedComputerLicensing" Value="0" />   <Property Name="SCLCacheOverride" Value="0" />   <Property Name="AUTOACTIVATE" ...
閱讀完整內容

Ollama使用心得與模型導入教學

# 前言 隨著大語言模型的普及，在本地運行AI模型已成為許多開發者和研究者的需求。Ollama作為一款開源的本地AI模型運行平台，為我們提供了便捷的解決方案。經過一段時間的使用，我想分享一些心得與實戰經驗。 # 一、Ollama的主要功能與定位 Ollama是一個專為本地運行而設計的大語言模型平台，主要特色包括： **核心功能：** - 支援多種開源模型（LLaMA、Mistral、CodeLlama等） - 提供簡潔的命令列介面 - 支援模型量化，減少記憶體使用 - 內建API伺服器，方便整合到應用程式中 **定位優勢：** - 完全離線運行，保護隱私 - 不依賴雲端服務，降低使用成本 - 適合開發測試環境 - 支援自定義模型導入 # 二、安裝與Cuda加速設定 ## 2.1 基本安裝 **Windows系統：** ```bash # 下載並安裝Ollama winget install Ollama.Ollama ``` **Linux系統：** ```bash curl -fsSL https://ollama.com/install.sh | sh ``` ## 2.2 Cuda加速設定 要充分利用GPU加速，需要確保系統已安裝NVIDIA驅動和CUDA toolkit： **檢查Cuda狀態：** ```bash # 檢視GPU使用情況 nvidia-smi -l 1 ``` **確認Cuda版本：** ```bash nvcc --version ``` **Ollama會自動偵測Cuda環境**，如果安裝正確，啟動時會顯示GPU加速已啟用。 # 三、模型取得與匯入方式 ## 3.1 官方模型下載 ```bash # 下載熱門模型 ollama pull llama2 ollama pull mistral ollama pull codellama ``` ## 3.2 自定義模型導入 ### 從Hugging Face下載GGUF檔案 1. **找到適合的模型：**    - 前往 huggingface.co    - 搜尋支援GGUF格式的模型    - 下載.gguf檔案 2. **創建Modelfile：** ```bash # 創建Modelfile echo 'FROM ./you...
閱讀完整內容

ARC下NSMutableDictionary 無法使用retainCount

今天用到 NSMutableDictionary 在alloc之後 很自然的就補了release 想要觀察有沒有放乾淨 所以使用了retainCount卻發生了錯誤 NSMutableDictionary* jsonObject = [[NSMutableDictionary alloc] init] ; [jsonObject setObject:account forKey:@"username"]; [jsonObject setObject:password forKey:@"password"]; [jsonObject setObject:@"2" forKey:@"source"]; NSString *jsonInput = [jsonObject JSONRepresentation]; NSLog(@"jsonObject RetanCount:%@", [jsonObject retainCount]); //Bad_Access Here 爬了一下文，原來arc在建立NSMutableDictionary這類的物件時。便已經會自動使用autorelease 因此不支援retainCount 值得注意的是 當NSMutableDictionary裡面每增加一個物件(KEY)時 該NSMutableDictionary的retain便會自動加一 不過在新的arc功能下 已經不用那麼在意retain值了。     You shouldn't use -retainCount to figure out what is going on. The Apple docs specifically state:     Important: This method is typically of no value in debugging memory management issues. Because any number of framework objects may have retained an object in order to hold refer...
閱讀完整內容