Shure SRH 440 改平衡線 (XLR Balance Headphone )

因為改完K701

效果太好

因此手癢 想再改支看看

看了一下手邊的耳機

就SRH 440  東西不貴 聲音也頗有潛力

國內外目前也沒看到人改

 

哇哈哈 就拿你開刀吧

先看看原本是長怎樣

DSCF9246

因為耳機兩邊都有線的出口 可以利用一下

接下來 拆啦拆啦

SAM_2398

先用麥克筆 寫上正負極 再解焊

SAM_2396

SRH系列的換線結構 有這塊小小的集合版

SAM_2397

 

SAM_2393

我要替換的線

鐵氟龍 鍍銀多蕊線

不便宜 一米200...

買了三米 所以噴了600..

不過一直對這種線的聲音蠻好奇的

所以趁這次機會 改了聽看看

 

走線 就靠這個洞啦

SAM_2399

SAM_2408

穿穿看 .....

洞太小 ... OTL

 

擴孔..

 

SAM_2400

再試試..

SAM_2402

另外一邊也要

SAM_2403

焊接完成

SAM_2404

為了抗拉扯  用熱膠槍補強

SAM_2407

兩邊都要

SAM_2408

完成的樣子

SAM_2409

SAM_2410

線頭的部分

先用紅白分清楚左右聲道

SAM_2411

接下來給線穿絲襪

SAM_2414

作接頭

SAM_2415

SAM_2417

我把耳機轉XLR的接腳定義分享一下

1 > 不接

2 > V+

3  > V-

 

合體~

SAM_2418

白紅線這邊看好像長短不一

不過線拉直後 其實長度是一樣的

 

完工

SAM_2419

線身 軍用鐵氟龍鍍銀線

SAM_2421

上機測試

SAM_2423

SAM_2422

系統

SONY XE600>DA53R>HD53N

SAM_2427

SAM_2428

基本上從頭到尾都是平衡啦

SAM_2427

目前的平衡三雄

K701、K240 SEX、SRH440

SAM_2432-1

 

感想

也是很明顯的提升

SRH440最明顯的提升部分

就是低音的控制

變的極結實

量感也提升

人聲更凝聚

分離度更佳

不過因為量的增加

整體聲音變刺激了

聽久了會頭昏 婀...

 

用轉接頭接回非平衡後 落差很明顯

怎麼辦阿~這樣我會想要把手上所有耳機都改一下平衡看看 XD

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