博客
关于我
Akira 是我们一直想要的 Linux 设计工具吗? | Linux 中国
阅读量:311 次
发布时间:2019-03-03

本文共 728 字,大约阅读时间需要 2 分钟。

要开发一些能够取代那些专有工具的应用,Alessandro Castellani发起了一个Kickstarter活动,并与几位经验丰富的开发人员合作。目前Akira仍然只是一个界面原型,但它的目标是提供一个快速而直观的工具,类似于Sketch、Figma和Adobe XD,并且是Linux原生体验。

我在Windows上使用过Photoshop、Illustrator等工具,以及基于浏览器的Figma等设计工具。尽管Linux上也有少量的图形设计工具,如GIMP和Inkscape,但它们大多不被视为专业级工具。与 Sketch、Figma或Adobe XD 相比,Linux上仍然缺乏原生设计应用。因此,Akira的出现引发了广泛关注。

Alessandro Castellani和他的团队通过Kickstarter活动来筹集资金,开发Akira。他们强调,这个工具将专注于Web和移动端界面设计,并提供原生Linux体验。与基于网络的electron应用相比,Linux原生体验更好、更快,且对硬件配置要求更低,用户无需上网即可完成设计工作。

在直播中,我们询问了团队一些问题。关于与Figma的区别,他们回答称Akira不仅仅是Figma的克隆,而是提供了独特的原生Linux体验。此外,团队明确表示,Akira将是一个免费开源项目,不会有“专业版”计划,完全依赖捐赠支持。

从他们的回答来看,Akira有很大的潜力值得支持。作为一个开源项目,它不仅适合自由软件倡导者,还可能吸引更多Linux用户。希望它能够在未来实现更多功能,并逐步取代现有的专有工具。

你怎么看Akira?它只是一个概念吗?还是你希望看到它的进展?欢迎在评论中分享你的想法。

转载地址:http://rzol.baihongyu.com/

你可能感兴趣的文章
opencv26-模板匹配
查看>>
opencv5-图像混合
查看>>
opencv9-膨胀和腐蚀
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
opencv保存图片路径包含中文乱码解决方案
查看>>
opencv图像分割2-GMM
查看>>
OpenCV(1)读写图像
查看>>
OpenCV:概念、历史、应用场景示例、核心模块、安装配置
查看>>