新闻详情

新闻详情

首页 / 资讯中心 / 详情

Tegaki打包避坑指南:Vite预打包TTF失效的完整诊断与修复方案

发布时间:2026/11/18 8:24:34来源:尧图网络
Tegaki打包避坑指南:Vite预打包TTF失效的完整诊断与修复方案
Tegaki打包避坑指南Vite预打包TTF失效的完整诊断与修复方案【免费下载链接】tegakiHandwriting animation for the web. Supports any font or text.项目地址: https://gitcode.com/gh_mirrors/teg/tegakiTegaki 是一个开源的手写动画库Handwriting animation for the web能把任意字体变成逐笔书写的文字动画。但新手在 Vite 开发模式下最常踩的坑就是文字消失、TTF 字体加载失败而报错信息却指向一个根本不存在的文件。本文带你完整诊断这个 Vite 预打包 TTF 失效问题并给出一行配置的修复方案。一、症状识别开发模式下字体静默失效的 3 个信号如果你用 Vite7 及以下版本跑vite dev发现 Tegaki 渲染出现以下现象基本可以锁定是预打包问题文字不可见但可以被鼠标选中或者只在开启showOverlay时才显示轮廓控制台出现Failed to decode downloaded font: …/node_modules/.vite/deps/family.ttf或OTS parsing error: invalid sfntVersion伴随NetworkError: A network error occurred或[tegaki] Failed to load font警告。这些日志看起来像网络问题其实请求根本没打到字体文件——问题出在 Vite 的依赖预打包环节。二、根因诊断esbuild 预打包为什么丢了 TTF要理解故障先看 Tegaki 的字体包是怎么加载字体的。每个字体包如 caveat/bundle.ts都使用 ESM 的 import-attributes 语法引用本地的 TTF 文件import fontUrl from ./caveat-3dc76002.ttf with { type: url };字体文件通过相对路径从 bundle 模块内部引用。而 Vite 7 及以下的开发模式会用 esbuild 预打包器把node_modules里的模块复制到/node_modules/.vite/deps/目录。问题就出在这里✅ JS/TS 模块被复制了❌ 同目录下的.ttf文件被留在原地没有被带过去 bundle 模块里的相对字体 URL 指向了一个空位开发服务器对这类未知请求的默认行为是返回index.html 浏览器尝试把一段 HTML 解析成字体于是解码失败。整条因果链可以概括为预打包复制模块 → TTF 未随行 → 相对 URL 悬空 → 服务器回退返回 HTML → 字体解码失败 → 文字消失修复入口和完整原理说明见官方打包器指南bundlers.mdx。三、一键修复一行 optimizeDeps 配置既然根因是预打包把字体甩在了身后最直接的解法就是让 Tegaki 绕过预打包走 Vite 正常的资源管线那里的 URL 解析是正确的。在vite.config.ts中加一行export default defineConfig({ // ... optimizeDeps: { exclude: [tegaki], }, });参考项目中现成的 Vite 示例配置examples/vite/vite.config.ts。修复后必做的两步步骤原因完全重启 dev serveresbuild 只在启动时对配置做预打包热更新不会重新执行建议删除node_modules/.vite/deps/目录清掉旧的、字体悬空的预打包缓存让 Vite 按新配置重新生成字体加载的底层逻辑在 font.ts 中它通过FontFaceAPI 注册bundle.fontUrl指向的文件。只要这个 URL 重新指向真实的 TTF动画即可恢复——无需改动任何业务代码。四、验证修复正常的渲染应该是什么样重启后文字应逐笔书写出来控制台不再出现字体解码错误。修复后的标准渲染效果如下宽文本自动换行场景Tegaki 支持几乎所有脚本韩文等多语言文字同样受益五、哪些环境不需要修复环境是否需要exclude说明Vite 7 及以下 · dev✅ 需要esbuild 预打包会丢失 TTF 资源Vite 7 及以下 · buildRollup 生产构建❌ 不需要生产构建开箱即用问题只影响vite dev和vite previewVite 8Rolldown 预打包❌ 不需要Rolldown 会自己重写资源 URL加上也不影响Webpack / Parcel / esbuild 构建模式❌ 不需要原生支持with { type: url }语法总结现象dev 模式下文字不可见、控制台报 TTF 解码失败根因Vite 7 及以下的 esbuild 预打包复制了 JS 模块却丢下 TTF 文件相对 URL 悬空后命中index.html回退修复optimizeDeps: { exclude: [tegaki] } 完全重启 dev server影响面仅限 Vite 开发模式生产构建和其他打包器均不受影响。按这套流程操作从诊断到修复通常不到两分钟。祝你的手写动画顺利跑起来 ✍️【免费下载链接】tegakiHandwriting animation for the web. Supports any font or text.项目地址: https://gitcode.com/gh_mirrors/teg/tegaki创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉