邻居大哥最近买了新的智能电视,准备把老式电视机卖掉,我一看好好的老式电视机卖了怪可惜。回想起小米的新年礼物小盒子,突然就有一个DIY想法,可不可以把小米小盒子和老式电视机整合在一起,做成一个小型智能老式电视机?遂着手实验,分享一下方法。(友情提醒:非专业人士最好别打开老式电视机内部,放电很危险!)
首先我们看下机身背面,小盒子小巧,完全可以放在座架上面的凹槽内,说干就干,拿出工具开盖;
220伏电源有一个开关,此处引出电源线有一点不好操作(灰很多,请无视,完工后会清除灰尘);
跟着电源线路查找,此处有一卡扣,就从这里引出电源线给小米小盒子供电;
选好的位置,没有零部件挡着,空间很大,完全能放一个插座;
插座和小盒子组合好,看怎么安装才行,别把孔打好后方向和位置不对那就杯具了;
找好位置划线,开孔方法很筒单,四条边用电钻打排孔,连着的地方用美工刀割断,再用锉刀打磨好后就行了;
开好孔后装配插座,小盒子位置刚刚好;
插座固定是必不可少的,就不怕被向内的力把插座移位了;
找一段电线用电铬铁锡焊连接引出电源,线有点粗,还动用了我的大功率电铬铁;
绝缘胶带包好接头并把卡扣扣好,不然老式电视机就不会开工的;
另一端线头连接插座!
打扫内部卫生,合后盖前再检查—遍,别遗忘了什么东西没装;
装好后外面的的样子;
插好小盒子,连接HDMI线至老式电视机;
小盒子在老式电视机后面只露出了一点点,前面是看不见的;
老式电视机开机选信号源,选下图中的HDMI? 1;
熟悉的小米小盒子主界面;
另外需要安装一个沙发管家app,用老式电视机也能联网看电视直播。
沙发管家安装方法:
首先我们需要将PC电脑和小米小盒子连接到同一个局域网环境下,然后打开小米小盒子应用商店,选择“用户—快捷安装”。
然后我们根据屏幕上的提示在PC电脑上打开浏览器,并且输入电视屏幕上的网址,之后就会出现安装软件的界面。
我们可以点击方框选择已经下载好的第三方应用,也可以根据提示将安装包拖到方框中,浏览器就会自动将安装包传到小米小盒子上,并且完成自动安装,整个安装过程非常方便。
打开沙发管家后,选择影视类,找一个电视直播APP下载安装,如“电视猫视频”;
安装完成后进入,电视猫有视频点播和电视直播功能,内容非常丰富;
直播效果杠杠的,换台速度也快,缓冲估计两秒不到;
老年人操作可能会觉得略复杂,可以进入“设置—通用设置”调整;
将默认启动改成直播,设置完成后,每次看直播持就简单多了,教会老年人认识图标即可;
最后来一张使用到的工具大合照:
总结:
其实思路很简单,就是把老式电视机的电源在开关后端引出电源线加一个插座,专门供小盒子的电源,并巧妙的隐藏于老式电视机后面,这样只有一根电线在外面,老式电视机正面还是老样子,看不见多余的连线,是不是很美观?要看老式电视机节目时,打开老式电视机开关,小盒子也同时开机启动,要关机时按—下老式电视机上的开关即可,小盒子也跟着断电,虽说小盒子功耗很小,国家提倡节约能源,我们也要向应号召从点滴做起。
? ? 还有好处是不管老式电视机怎样摆放,只要有一个插座,插好电线就能使用老式电视机,使非智能老式电视机摇身一变成为"智能老式电视机",看了这么久,你们是不是心动了,赶快动手把普通液晶老式电视机改造成智能老式电视机吧。
最后提示一下,不懂电的别乱动,“电老虎”脾气有点怪,需要找一个内行才能降伏!
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。