Audio-Technica 鐵三角 HA20 耳機擴大器

鐵三角以前的耳擴只有HA2跟HA60 HA2000......

HA-2..實在是個沒啥效果的東西

而HA60明顯是業務用的東西 HA2000太高價

為了彌補入門到進階這個價格帶的市場空窗 於是再2005年推出了HA20

架構很簡單  主要是透過一顆TEA2025晶片作放大的功用

上網查了一下DATASHEET

image

他是一顆MONO-MONO架構 2.5W 雙聲道的AMP晶片

當初設計可能是為了可以推動小喇叭所以功率還不小

不過這個功率可是會燒耳機的  所以ATH把輸出功率限制在100mW+100mW...

但規格沒有很燒 ATH的工程師可能覺得他很適合ATH耳機的味道吧

來看一下實機圖好了...

IMGP9977

簡潔易懂的外表

提供兩個大小頭的耳機孔 還蠻貼心的

旁邊也有貼防滑膠條提供側放  讓擺設更多變

IMGP9983

提供訊號橋接輸出  也算是一個貼心的設計(不過就是連再一起而已嗎)

個人評語:

那個壓克力面板跟藍光很有質感

不過就算佈線整體還算好看  但一般人看到他空蕩蕩的內部會覺得很空虛吧

鋁製的機身質感很好 但機身底座的止滑墊 感覺太LOW了 而且感覺很容易掉

聲音走偏冷乾淨型   我接過很多耳機  低阻的耳機推得還不錯

森海的就完全不對味

但對K701意外的還不錯 (至少我聽得下去)

不過重點是  他接ATH自家耳機超對味阿

我的ATH W1000接MPA 2.5、大頭、HEADBOX、HA 711都沒有這台來的對味

一整個就是歡樂組合 (再上去我看不是HA5000就是YAMATO HA-2了)

所以如果你要拿它來接其他耳機  或許我不會很推薦  因為這台新的也要4K多

但如果是要對付小鐵的耳機的話 應該都可以得到不錯的效果

 

 

 

BTW...... 那個藍光還有一個作用

它是超棒的展示台阿   XD

IMGP9981

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