耳擴 Cosmowave HAMP-134DX

很久沒動筆了

其實有很多事可以寫

不過暑假實在是過的太廢了

決定要振作一下 (謎之聲:暑假不是快完了嗎)

先談一下最進入手的小耳擴

COSMOWARE 的 HAMP-134DX

其實是日本COSMOWARE所推出的一個小套件

如其名 他是利用OP134加上COMY所構成的耳擴

這電路實在是有夠老 在我之前的文章 有錢沒錢 作台CMOY好過年 裡就有提到過

之前我做的是雙OP版本的CMOY

因為架構簡單 所以選料就很重要 這也是我對這台小東西有興趣的地方

我想看看日本人對調音的看法是怎樣

DSCF7059

外觀

盒子很漂亮 不是單純的鋁髮絲 是光滑面且不對稱的直條紋路

DSCF7064

我對那個開關有點微言

隨身耳擴用帶開關VR不是很好嗎

雖然音質可能會較差一點 但是面板可以簡潔很多

DSCF7065

後面也用上了RCA端子 不過其實我覺得作成3.5mm Jack輸入就可以了

因為使用RCA端子這樣屁股就多一快出來了 加上RCA線的的接頭也不小

這樣會讓隨身耳擴很不隨身…..

接上線後…….囧 這樣怎麼收進袋子

DSCF7242-1

DSCF7245

聲音

我用的耳機是SCL4跟MX660

訊原是0404輸出數位給Micromega Duo 2 BS DAC作解碼

老實說 沒有啥飛天遁地的變化

出力有比較飽 MX660的低音動態好很多

其他就… 還好

不過如果是隨身聽lineout出來接耳擴話

效果會顯著很多

把OP換成LME49710HA

DSCF7230

DSCF7235

聲音變的比較細 解析度微升 低音變的很結實

空間感我覺得134好

134像是EQ "凸"字型 49710HA像"凹"字型....

畢竟一顆9V 經過虛擬地後 變+-4.5V

要推好這顆OP有點勉強

最後.. 快樂聽音樂才是重點~

DSCF7074

留言

匿名表示…
您好，請問能否提供一下，關於這個盒子的購買資訊？感謝您～
10月 19, 2012
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