My EarPhoneAmpifier MPA 2.5 + NeoMiniBuffer

真佩服那些每天寫網誌的人
一晃眼又過了數周

很久沒寫耳機文了
接下來可能會陸續整理一些以前有的耳機感想
所以先說說我的現役主力耳擴
這是為了對付手上一堆難搞的耳機而動工的耳擴
DSC00185
其實還蠻不好意思的
因為功太差了
開蓋後拙態盡顯
不過反正也沒有打算要賣
所以就厚著臉皮貼一下好了
IMGP0215
這個就是我年初花了快一個暑假備料跟時間作的
用的都是NEO大的料 現在成絕響了
拆了我家故障的LINX後級來當機殼
甚至為了開耳機插孔去買圓鑽 鑽頭跟電鑽
VR用了常見的ALPS藍殼  耳機接口 Neutrik帶鎖耳機插孔
玫瑰金RCA端子  機內線都用MOGAMI 2549
不過後來覺得太粗了用  其實2330就很夠用了
主要架構是MPA 2.5+NEO MiniBuffer
電源使用UCC Gold Reference穩壓 上網找了一顆還不錯的環形變壓器
因為看前輩說電流盡量餵
所以找了顆 能給4A 的變壓器 相信是很夠了 XD
IMGP0218


IMGP0219
MPA 2.5主板串接MiniBuffer 進一步提高輸出電流
目的是希望能驅動HD650或240DF之流

IMGP0217
全覽  線很亂 抱歉
電源線拉到一半才發現不夠長  所以無法走直角 囧
如果你有注意的話 其實右上角的MiniBuffer模組 下面躲了一個NEO MiniUsbDAC
當初就有希望一台機器all in One
不過後來都接獨立DAC 所以這個UAB實在很少用... 

結構基本上是可以改全平衡
不過手上還沒有全平衡的耳機 感覺在搞下去就越作越大了
最後說說感想
聲音像介於晶體放大與OP放大之間
MPA 2.5原OP 使用OP27 是顆有針對高阻抗耳機輸出強化的OP
原本出力就很不錯 加上Buffer後 連小喇叭都可以推了
我不知道650極限再哪裡 不過接上去後
跟我之前的大頭耳擴 或是KECES HA 711真是差~太~多~了
簡直就像是20歲小夥子跟70來歲老人的差別
不但分離度開了  低音更是飽滿有力
聽Radiohead終於有搖頭的感覺了
推AKG K240DF也可以很輕易的感受到 低音的PUNCH變得很好
落點清楚很多 240DF的低音聲線也浮現出來
不過最讓我驚豔的還是接K 701
原本701表現就很好的音場 加上很棒的樂器聲 配合暖暖的人聲
表現差異比650和240DF進步更明顯
HD650可能要抓一台PreHead mk2 才能知道這些耳機推好是怎樣的水準
不過目前我還蠻滿意的就是了

BTW  我還接過HFI 780跟SA 3000以及ATH W1000 等等低阻的耳機 這些表現就還好
道不是說很MPA 2.5推的難聽  而是這幾隻耳機 我用Headbox或HA 20就可以推得不錯
用MPA 2.5有殺雞焉用牛刀的感覺
特別是WK跟SA3000 搭HEADBOX SE更對味

IMGP0079
最後感想  MPA 2.5 國內的知名度應該不是很高
隨著NEO的HOHODIY關門後 MPA也跟著消失絕跡 國內要維持這樣一個DIY套件的銷售跟開發
真的是需要很多的熱情跟意志力 絕大部分都賺不了幾個錢 甚至是賠錢的
在這邊對那些還埋首開發新的電路 以及提供我們更好套件的先行者致上敬意
DIY耳擴最重要的還是過程  開機聆聽感動的瞬間 我想就算是買了STAX 007也比不上吧

留言

Laeva表示…
MPA2.5的OP與放大無關,他是用於DC Servo上的
不過這個電路本身就有中點調整的功能,
所以不裝op也不會有任何影響,op純粹調音用途

MPA2.5本身就可以輸出的相當大的電流了
串上MiniBuffer的話反而會限制它的最大輸出電流

GR穩壓如果照原零件表的設定的話,
最大輸出電流只有1A左右而已

HD650或240DF並不需要高電流,需要比較高的電壓擺幅
HiFi780與W1000則是電流越高越好

OP27的Datasheet裡並沒有提到對於耳機的驅動力
規格上來看的話直接驅動耳機並沒有比其他OP來的特別優秀

變壓器似乎離主版太近了,很容易有干擾
似乎還有Ground Loop,
左右聲道用不同電容的話左右聲道聽感會不同吧

我目前用的MPA2.5是2組GR穩壓各推一片MPA2.5加上一顆訂製的2A*4變壓器
MPA2.5的DC Servo部分沒裝
個人現役的耳機有HD650,K271S與W1000
感想也是K271S和MPA2.5最搭,其次W1000
而改過電容與穩壓的HA20推W1000感覺比MPA2.5好上一點點
而HD650個人覺得不適合MPA2.5
試過只用LM4562HA直推的RA-1似乎還比MPA2.5好聽
所以目前備料組M3中,專推HD650
11月 17, 2009
fenderyao寫道…
喔喔 內行的來了
感謝你的意見
這樣我PO這篇總算有點價值了 ^^
11月 18, 2009
fenderyao寫道…
OP27會讓我誤會他推力不錯是因為原DataSheet有寫到" The output stage has good load driving capability. A guaranteed swing of ±10 V into 600 W and low output distortion."不過OP既然拿來作DC Servo的話 的確是跟放大沒有直接的關係 ..嘿
11月 18, 2009
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