news 2026/7/28 5:59:09

图形化编程与AI语音融合：mPython调用百度语音API实战指南

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
图形化编程与AI语音融合：mPython调用百度语音API实战指南

1. 项目概述：当图形化编程遇上智能语音

最近在折腾青少年编程教育，发现一个挺有意思的组合：用mPython这个图形化编程工具，去调用百度语音的AI能力。乍一听，你可能觉得这是两个不太搭界的东西——一个是为中小学生和编程初学者设计的、拖拖拽拽就能写程序的积木式工具；另一个则是需要写代码、调API的成熟AI服务。但恰恰是这种“跨界”，让这个项目充满了实践价值和教学魅力。

简单来说，这个项目的核心，就是在mPython的图形化编程环境中，集成百度语音的识别和合成功能。想象一下，一个刚接触编程的孩子，不需要理解复杂的网络请求、JSON数据解析，只需要像搭乐高一样，把几个写着“开始录音”、“识别成文字”、“把文字读出来”的积木块拼在一起，就能做出一个能听懂指令、会开口说话的智能小应用。这极大地降低了AI应用开发的门槛，让创意能快速落地。

它解决了什么问题呢？首先，是学习的趣味性和成就感。传统的编程入门，往往从打印“Hello World”开始，略显枯燥。而通过语音交互，学生可以立刻做出能和自己对话的程序，比如一个语音控制的智能台灯、一个会讲故事的机器人，这种即时反馈非常吸引人。其次，是对AI技术原理的直观感知。学生虽然不写底层代码，但通过配置语音识别的语言类型、合成的声音角色等参数，能初步理解AI服务“输入-处理-输出”的流程。最后，它打通了硬件与云服务的连接。mPython本身常用于掌控板、micro:bit等开源硬件，结合百度语音后，就能做出真正具备“耳朵”和“嘴巴”的智能硬件原型。

所以，无论你是信息技术老师、创客教育从业者，还是对物联网和AI感兴趣的编程爱好者，甚至是家长想带孩子一起玩点有趣的科技项目，这个“用mPython玩百度语音”的组合，都值得你花时间深入了解。它不只是一个技术实现，更是一个激发创意、理解现代应用开发模式的绝佳入口。

2. 核心思路与方案选型：为什么是mPython + 百度语音？

在决定动手之前，我们得先搞清楚，为什么是这两个技术栈的组合，而不是用Python直接写脚本，或者用其他图形化工具。这背后的选型逻辑，决定了整个项目的可行性和独特价值。

2.1 mPython的定位与优势

mPython并不是一个通用的编程IDE，它是一款由国内团队开发、主要面向中小学信息技术教育和创客教育的图形化编程软件。它的核心优势在于：

  1. 极低的学习门槛：采用Scratch式的积木块拖拽编程，屏蔽了语法错误，让学习者专注于逻辑构建。这对于编程零基础的青少年或快速原型验证来说，效率极高。
  2. 对开源硬件的原生支持：mPython与掌控板（mPython board）、micro:bit等硬件深度集成。在软件内可以直接为这些硬件编程，并模拟运行，还能一键烧录。这意味着我们做的语音应用，可以非常方便地部署到真实的硬件设备上。
  3. 内置网络与物联网能力：mPython的积木库中，本身就提供了HTTP网络请求、MQTT物联网协议等模块。这为我们调用百度语音这类需要联网的云服务API，提供了基础能力，不需要从零开始实现网络通信。
  4. 跨平台与易用性：软件支持Windows、macOS，界面友好，安装简单，非常适合教学和家庭环境。

选择mPython，就意味着我们选择了快速原型开发和教育普及的路径。我们的目标不是写出性能最优、代码最优雅的工业级应用，而是用最短的路径，实现一个可交互、可演示、能激发兴趣的智能语音应用。

2.2 百度语音API的适用性分析

市面上提供语音服务的厂商不少，为什么偏偏是百度语音？这基于以下几个务实的考量：

  1. 免费额度与易获取性：百度AI开放平台为大部分服务（包括语音识别和合成）提供了永久免费额度。对于个人学习、教学演示和小型项目来说，这个免费额度完全够用。申请API Key和Secret Key的过程也相对简单，门槛较低。
  2. API接口稳定且文档清晰：作为国内主要的AI服务商，百度语音的API经过长期迭代，稳定性和可靠性有保障。其官方文档详尽，提供了丰富的参数说明和调用示例，降低了集成时的调试成本。
  3. 功能全面，满足基础需求：其语音识别支持多种语言和方言，合成语音也提供多种音色可选。对于教学和创意项目而言，这些功能已经足够丰富，能做出多样化的效果。
  4. 与国内网络环境兼容性好：服务节点在国内，访问速度和稳定性通常优于一些国际服务，这对于在课堂或家庭网络环境下稳定运行至关重要。

注意：使用任何云服务API，都需要注册对应的平台账号并创建应用，以获取鉴权信息（API Key和Secret Key）。请务必妥善保管这些信息，不要泄露在公开的代码或项目中。

2.3 技术整合的关键挑战与思路

将图形化编程与云端API结合，主要挑战在于如何在不写代码的情况下，完成复杂的HTTP请求构造和数据处理。百度语音API的调用，通常需要以下步骤：

  1. 获取Access Token（需要向认证服务器发送包含API Key和Secret Key的请求）。
  2. 录制或读取音频文件，并进行格式转换（如转为16k采样率的pcm格式）。
  3. 将音频数据以POST方式发送到识别接口，或将要合成的文本发送到合成接口。
  4. 接收返回的JSON数据，并从中解析出识别结果或合成的音频文件。

在纯代码环境中，这些步骤用几十行Python（配合requests库）就能搞定。但在mPython中，我们需要用现有的积木块“拼”出这个过程。核心思路是：

  • 利用“网络”类积木：主要是“HTTP请求”积木，它可以帮助我们向指定URL发送GET或POST请求，并获取返回结果。
  • 字符串与字典的拼接处理：API请求往往需要构造特定的URL参数或JSON格式的请求体。这需要用到“文本”类积木进行字符串拼接和“字典”类积木进行数据构造。
  • 基础逻辑与流程控制：使用“循环”、“条件判断”等积木来控制整个调用流程，例如先获取Token，再使用Token进行语音识别。

因此，整个项目可以看作是一个在图形化界面下，对标准API调用流程的“可视化封装”与“逻辑重组”。接下来，我们就进入实战环节，看看如何一步步把这些积木搭建成一个可用的系统。

3. 环境准备与核心积木解析

工欲善其事，必先利其器。在开始拼接我们的智能语音应用之前，我们需要把“工具”准备好，并深入理解其中几个关键“零件”（积木）的用法。

3.1 软件、硬件与云端账号准备

  1. 安装mPython软件：

    • 访问mPython官网或相关开源社区，下载对应操作系统（Windows/macOS）的最新版本安装包。
    • 安装过程通常很简单，一路“下一步”即可。安装完成后打开软件，你会看到一个分为“积木区”、“脚本区”、“舞台区”的界面。

  2. 准备百度AI开放平台账号：

    • 访问百度AI开放平台官网，用百度账号登录。
    • 进入“控制台”，在“语音技术”产品下找到“语音识别”和“语音合成”。
    • 分别创建两个应用（或者一个应用同时开通两项服务）。创建成功后，在“应用详情”里，你会看到至关重要的三样信息：API Key、Secret Key和AppID。请将它们复制保存到一个安全的地方，我们后续会频繁用到。

  3. （可选）硬件准备：

    • 如果你想最终把程序烧录到硬件上运行，需要准备一块掌控板或micro:bit，以及对应的数据线。
    • 对于纯软件模拟和测试，硬件不是必须的，mPython的模拟器可以运行大部分功能。

3.2 核心积木功能深度解析

mPython的积木库很丰富，我们本项目主要会用到以下几类，需要特别理解它们的用法和限制：

3.2.1 网络请求积木：“HTTP请求”这是连接本地与云端服务的核心桥梁。其参数配置是关键：

  • 请求方式：百度语音API通常使用POST（提交数据）和GET（获取Token）。
  • URL地址：需要填入完整的API端点地址，例如获取Token的地址是https://aip.baidubce.com/oauth/2.0/token。
  • 请求头：是一个字典，用于告诉服务器一些额外信息。例如，在提交音频数据时，需要设置Content-Type: audio/pcm;rate=16000。在mPython中，我们需要用“创建字典”积木来构建这个部分。
  • 请求体：对于POST请求，这里是发送的数据。可能是URL参数格式（如获取Token时），也可能是二进制音频数据。这里有一个大坑：mPython的“HTTP请求”积木对请求体的处理方式需要根据内容类型灵活调整，有时需要将字典转换为特定格式的字符串。

3.2.2 数据处理积木：“字典”与“列表”API调用中，数据的组装和解析极度依赖它们。

  • “创建字典”：用于构建请求头(headers)和某些请求参数(params)。你需要精确知道API要求的键名(key)。
  • “字典获取值”：用于从API返回的JSON数据（在mPython中会自动被转换为字典）中，提取出我们需要的字段。例如，从Token获取的返回结果中提取access_token字段。
  • 列表：在处理一些返回结果或管理多条语音指令时可能会用到。

3.2.3 文本与逻辑积木

  • 字符串拼接：用于动态生成URL（比如将Token拼接到识别接口的URL中）和构造请求体字符串。
  • 条件判断与循环：控制程序流程，例如“如果识别结果包含‘开灯’这个词，则执行点亮LED的操作”。

3.2.4 （硬件相关）音频积木如果你使用掌控板，会用到“录音”、“播放音频”等积木。需要注意的是，硬件直接录制的音频格式和参数（采样率、位数）可能与百度API要求的不完全一致，可能需要在云端或本地进行转换，或者选择支持该格式的API参数。

实操心得：在图形化编程中调试网络请求比写代码更“黑盒”。一个非常实用的技巧是，先使用专业的API测试工具（如Postman或Apifox），将整个调用流程（获取Token、识别、合成）跑通，记录下正确的URL、请求头、请求体格式。然后再在mPython中，用积木块一丝不差地还原这个流程。这能帮你快速定位是参数错误、格式错误还是网络问题。

4. 实战构建：分步实现语音识别与合成

现在，我们进入最核心的实操环节。我将以**实现一个“语音指令控制台灯”**的微型项目为例，分步拆解如何在mPython中调用百度语音的识别和合成功能。我们会先完成语音识别（听懂指令），再加入语音合成（开口回应）。

4.1 第一步：获取百度语音服务的Access Token

任何调用百度语音API的请求，都需要携带一个有效的Access Token。这个Token有一定有效期（通常为30天），我们需要先获取它。

原理：向百度的认证服务器发送一个携带了API Key和Secret Key的GET请求，服务器会返回一个包含access_token的JSON响应。

在mPython中的实现步骤：

  1. 准备参数：

    • 在“变量”积木区，创建三个变量，分别存入你的api_key、secret_key和token_url（固定为：https://aip.baidubce.com/oauth/2.0/token）。
    • 创建一个变量access_token用于存放即将获取到的令牌。

  2. 构造请求URL：

    • 百度这个接口要求参数以URL查询字符串形式传递。我们需要拼接这样一个URL：https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=[你的API Key]&client_secret=[你的Secret Key]
    • 使用“文本”积木中的“连接...和...”块，将token_url、固定参数字符串、以及api_key和secret_key变量拼接起来，形成完整的请求地址。

  3. 发送HTTP GET请求：

    • 拖入“网络”分类下的“HTTP请求”积木。
    • 请求方式选择GET。
    • URL填入上一步拼接好的完整地址。
    • “请求头”可以留空或创建一个空字典。
    • “请求体”留空。

  4. 处理返回结果并提取Token：

    • “HTTP请求”积木会返回服务器的响应内容。将其存储到一个变量，比如response。
    • 这个response是一个字符串，格式是JSON。幸运的是，mPython的“HTTP请求”积木在收到JSON响应时，有时会自动将其转换为字典对象（取决于版本和设置）。更稳妥的做法是，使用“JSON”相关积木（如果有）或字符串处理来解析。但通常，我们可以直接将其视为字典。
    • 使用“字典获取值”积木，从response字典中，获取键为access_token的值，并将其存入access_token变量。

关键注意事项：

  • 获取Token的请求频率有限制，不要在一个循环里疯狂调用。最好在程序启动时获取一次，然后重复使用这个Token，直到程序结束或Token过期（实践中，教学演示的时间远小于30天，所以一次获取即可）。
  • 务必检查response中是否包含error字段，如果包含说明获取失败（可能是Key错误、网络问题等），需要做错误处理（例如用“显示”积木在屏幕上输出错误信息）。

4.2 第二步：实现语音识别（听懂你的话）

获取Token后，我们就可以进行语音识别了。这里我们假设通过掌控板上的麦克风录音，然后将录音数据发送给百度云进行识别。

原理：将录制好的音频数据（需符合API要求的格式，如pcm、16k采样率、单声道），通过POST请求发送到语音识别接口，接口返回识别出的文本。

在mPython中的实现步骤：

  1. 录制音频：

    • 使用“音频”分类下的“录音”积木（如果使用掌控板）。设定录音时长，比如3秒，存入一个变量audio_data。注意硬件录音的原始格式。

  2. 准备识别请求参数：

    • 识别接口URL:https://vop.baidu.com/server_api
    • 需要构造请求头(headers)：至少包含Content-Type，指明音频格式，例如audio/pcm;rate=16000。特别注意：还需要在URL中携带Token，格式是?dev_pid=1537&cuid=[一个设备标识]&token=[你的access_token]。其中dev_pid=1537表示普通话输入法模型。
    • 请求体(body)：就是audio_data变量中的原始二进制音频数据。

  3. 发送HTTP POST请求：

    • 拖入“HTTP请求”积木。
    • 方式选择POST。
    • URL填入拼接好的带Token的完整识别地址。
    • 请求头填入构造好的字典。
    • 请求体直接选择audio_data变量。

  4. 解析识别结果：

    • 接收返回的response。
    • 从response字典中，按照百度API文档的说明，找到存放识别结果的路径。通常是response['result'][0]。将其存入变量recognized_text。

格式转换的坑： 这是本项目最大的难点之一。百度标准语音识别接口要求音频为特定的pcm格式。而掌控板录制的原始音频可能是wav或其他格式，采样率也可能不是16000Hz。有几种解决思路：

  • 使用支持更多格式的API参数：百度语音识别有一个format参数，可以尝试指定为wav或其他格式，但兼容性需要测试。
  • 在云端处理：有些服务端接口支持自动转换，但百度标准接口要求较严格。
  • 在mPython中预处理（较复杂）：如果积木支持，可以尝试在发送前对音频数据进行重采样或格式裁剪。但这超出了图形化编程的便捷范畴。
  • 实测捷径：对于教学演示，一个可行的办法是预先录制好符合要求的音频文件，存储在掌控板或作为程序资源，直接使用这个文件数据进行识别，绕过实时录音的格式问题。这虽然牺牲了实时性，但保证了流程的畅通，更适合第一步的验证。

4.3 第三步：实现语音合成（让硬件开口说话）

当识别出指令文本后，我们可以让硬件“说出”一句回应，比如“灯已打开”。

原理：将文本、发音人、语速、音调等参数，发送到语音合成接口，接口返回一个音频文件（通常是mp3格式）。我们将这个音频数据保存并播放出来。

在mPython中的实现步骤：

  1. 准备合成请求参数：

    • 合成接口URL:http://tsn.baidubce.com/text2audio
    • 同样需要在URL中携带Token：?tok=[你的access_token]&ctp=1&lan=zh&per=[音色代码]
      • per参数选择音色，0为女声，1为男声，3为情感合成-度逍遥，4为情感合成-度丫丫等。
    • 请求头：Content-Type: application/x-www-form-urlencoded
    • 请求体：需要构造一个表单数据，包含tex（要合成的文本，需要URL编码）、vol（音量）、spd（语速）、pit（音调）等字段。在mPython中，我们需要将这些参数拼接成tex=你好&vol=5&spd=5&pit=5这样的字符串。

  2. 发送HTTP POST请求并接收音频：

    • 使用“HTTP请求”积木，POST方式，URL和请求头如上设置。
    • 请求体填入拼接好的参数字符串。
    • 关键的响应处理：语音合成接口返回的直接是音频文件的二进制数据，而不是JSON。我们需要将response保存为一个文件（比如response.mp3）或者直接存入一个变量供播放。

  3. 播放合成后的语音：

    • 使用“音频”分类下的“播放音频文件”或“播放音频数据”积木（取决于你上一步保存数据的方式），将得到的音频播放出来。

避坑指南：

  • 文本URL编码：如果合成的文本包含中文或特殊字符（如空格、标点），必须进行URL编码（Percent-Encoding）。例如，“你好 世界”需要编码为“%E4%BD%A0%E5%A5%BD%20%E4%B8%96%E7%95%8C”。mPython可能没有直接的URL编码积木，这是一个难点。变通方法是避免在合成文本中使用空格和复杂标点，或者寻找扩展积木。
  • 响应内容类型判断：合成成功返回音频数据，失败则返回JSON错误信息。在程序中最好先判断响应头或内容的前几个字节，来决定是播放还是报错。

4.4 第四步：整合与交互逻辑设计

将以上三步串联起来，并加入简单的交互逻辑，就构成了我们的小项目。

  1. 程序初始化：启动时，获取并保存access_token。
  2. 主循环：
    • 等待一个触发条件（比如按下掌控板的A键，或者一个“开始监听”的指令）。
    • 触发后，执行第二步：录音并识别。
    • 对recognized_text进行判断：
      • 如果包含“开灯”，则控制硬件上的LED灯点亮，同时执行第三步：合成并播放“灯已打开”。
      • 如果包含“关灯”，则熄灭LED，播放“灯已关闭”。
      • 如果包含“讲故事”，则播放一段预存的或通过合成生成的故事音频。
      • 其他情况，播放“我没听清，请再说一遍”。
  3. 错误处理：在每个网络请求步骤后，最好检查一下响应是否包含错误信息，并用屏幕显示或声音提示用户。

通过这样的流程，一个虽然简单但完整的、具备“感知-思考-行动-反馈”循环的智能语音交互原型就搭建完成了。整个过程完全在图形化界面中完成，让学生能清晰地看到数据（Token、音频、文本）是如何在各个模块间流动的。

5. 常见问题、调试技巧与项目拓展

即使按照步骤操作，在实际搭建过程中也难免会遇到各种问题。这里我总结了一些常见坑点和调试方法，以及如何让这个小项目变得更丰富。

5.1 问题排查清单

问题现象可能原因排查步骤与解决方案
获取Token失败1. API Key或Secret Key错误。
2. 网络连接问题。
3. 拼接的URL格式错误。		1. 仔细核对控制台的应用信息，确保复制无误，注意不要有多余空格。
2. 检查电脑或硬件网络是否正常。
3. 使用“显示”积木将拼接好的完整URL打印出来，复制到浏览器地址栏直接访问，看能否返回JSON（浏览器会提示下载一个文件，用文本编辑器打开查看）。
语音识别返回错误1. Token无效或过期。
2. 音频格式不符合要求。
3. 采样率不匹配。
4. 请求头Content-Type设置错误。		1. 重新获取Token。
2.优先验证音频格式：这是最高频的坑。尝试使用一个绝对符合标准的16k、16bit、单声道pcm文件进行识别测试，如果成功，问题就在音频采集或转换环节。
3. 确认接口URL中的参数rate与音频实际采样率一致。
4. 对照百度API文档，检查请求头是否正确。
识别结果为空或乱码1. 录音环境噪音太大。
2. 录音音量过低。
3. 使用了不匹配的dev_pid（如用中文模型识别英文）。		1. 在安静环境下测试，嘴离麦克风近一些。
2. 检查硬件麦克风是否正常，尝试增大录音增益（如果积木支持）。
3. 确认语言模型参数设置正确。普通话一般为1537。
语音合成失败或无声1. Token问题。
2. 文本未进行URL编码。
3. 播放器不支持返回的音频格式。
4. 合成参数（如per音色编号）不正确。		1. 同上，检查Token。
2.对合成文本进行URL编码，或暂时使用纯英文无空格文本测试。
3. 将response内容先保存为.mp3文件，用电脑上的播放器打开，确认文件本身是否有声音。
4. 查阅文档，使用正确的音色代码。
程序在硬件上运行卡顿1. 网络请求耗时。
2. 硬件性能有限，处理音频数据慢。		1. 网络请求是主要耗时操作，在代码逻辑上避免不必要的连续请求，例如不要在每个循环都获取Token。
2. 对于复杂的连续对话，可以考虑在云端完成多轮交互，硬件只做最终指令执行和结果播报。

5.2 调试技巧与心得

  1. “分而治之”与“单元测试”：不要试图一次性拼完整个复杂流程。应该先独立测试每个环节。例如：

    • 单独写一个程序，只测试“获取Token”功能，成功后将Token打印出来。
    • 单独写一个程序，使用上一步得到的Token和一个标准音频文件，测试“语音识别”功能。
    • 单独写一个程序，测试“语音合成”功能。 每个环节都调通后，再将它们像管道一样连接起来。

  2. 善用“显示”积木：在关键节点，如拼接好的URL、接收到的response、解析后的文本，都用屏幕显示或串口打印出来。亲眼看到中间数据，是定位问题最直接的方式。

  3. 模拟器优先，硬件后行：mPython的模拟器可以运行大部分网络和逻辑功能。先在模拟器上把核心流程跑通，再烧录到硬件上调试硬件相关的部分（如录音、播放），这样可以减少硬件烧录等待时间，提高调试效率。

  4. 理解“黑箱”，善用外部工具：当mPython中的网络请求怎么都调不通时，请回到“白箱”环境。用Postman等工具，完全模拟一次成功的API调用，记录下所有细节（精确的URL、header、body）。然后回到mPython，让你的积木程序“复刻”这次成功调用。这能帮你厘清，到底是参数问题，还是mPython对某种数据格式的支持问题。

5.3 项目拓展与创意方向

这个基础框架可以衍生出无数有趣的创意项目：

  1. 智能语音助手：结合物联网模块，实现语音控制家里的台灯、风扇、窗帘（需搭配继电器等执行器）。
  2. 语音交互故事机：预置多个故事关键词，对孩子说的故事名称进行识别，然后播放对应的故事音频，甚至可以结合合成技术动态生成故事结局。
  3. 语音问答百科：识别问题后，通过网络请求查询公开的百科API或知识库，将答案用语音合成播报出来。
  4. 语音情绪识别（进阶）：百度语音技术也提供情绪识别API。可以录制一段话，先识别文字，再分析说话人的情绪（高兴、生气、悲伤），并让硬件做出相应的表情（通过点阵屏显示）或回应。
  5. 多语种翻译机：识别中文，调用翻译API转为英文，再将英文文本合成语音播放出来，实现一个简易的实时翻译机。

我个人在实际操作中的体会是，图形化编程与AI云服务的结合，其精髓不在于实现的技术有多深奥，而在于将复杂的流程封装成直观的模块，让创造者能聚焦于逻辑和创意本身。过程中遇到的每一个坑，无论是音频格式、网络请求还是数据编码，都是理解现代软件应用如何运作的绝佳机会。对于教学而言，带领学生踩过这些坑、解决这些问题，远比直接给他们一个完美的程序更有价值。这个项目就像一座桥，一端连着趣味和创意，另一端则通向真实的、由代码和网络构成的技术世界。

版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/7/28 5:59:03

Arduino串行通讯从入门到精通：原理、实战与典型应用解析

1. 从“自说自话”到“双向奔赴”：为什么串行通讯是Arduino的必修课如果你刚开始玩Arduino，可能觉得点亮一个LED、让蜂鸣器响两声就挺有意思。但玩着玩着，你肯定会冒出一些新想法：能不能让Arduino告诉我它测到的温度是多少&#x…

作者头像 李华
网站建设 2026/7/28 5:56:10

观察《天荒地老等你》：中文歌如何被读者点开

先谈听感——旋律更贴人，编曲留出呼吸。正因如此，《天荒地老等你》不像口号，更像一次靠得住的靠近，把它放回生活碎片里：晚风里并肩、通话里的停顿、重逢前的深呼吸。听众不必先懂乐理，只要承认自己正在经历…

作者头像 李华
网站建设 2026/7/28 5:53:27

提升文档用户体验：Mike版本选择器与重定向功能实战

提升文档用户体验：Mike版本选择器与重定向功能实战 【免费下载链接】mike Manage multiple versions of your MkDocs-powered documentation via Git 项目地址: https://gitcode.com/gh_mirrors/mi/mike Mike作为GitHub加速计划中的文档版本管理工具&#xf…

作者头像 李华
网站建设 2026/7/28 5:53:00

ModularAvatar菜单系统教程：如何3步创建专业级交互界面

ModularAvatar菜单系统教程：如何3步创建专业级交互界面 【免费下载链接】modular-avatar 项目地址: https://gitcode.com/gh_mirrors/mo/modular-avatar ModularAvatar是一款功能强大的开源工具，专为VRChat创作者设计，能够帮助用户轻…

作者头像 李华
网站建设 2026/7/28 5:50:01

KDoctor与其他环境检测工具对比：为什么它是KMM开发者的首选

KDoctor与其他环境检测工具对比：为什么它是KMM开发者的首选 【免费下载链接】kdoctor Environment analysis tool 项目地址: https://gitcode.com/gh_mirrors/kd/kdoctor KDoctor是一款专为Kotlin Multiplatform Mobile（KMM）开发打造的…

作者头像 李华