新闻详情

新闻详情

首页 / 资讯中心 / 详情

弹幕网站的鼻祖NABC,谁排第一?

发布时间:2026/11/15 5:58:49来源:尧图网络
弹幕网站的鼻祖NABC,谁排第一?
弹幕文化如今已是视频网站的标配但追根溯源这个“弹幕家族”的四位元老——NABC各自的位置其实早已注定。N站NICONICO真正的开创者没有争议的第一2006年12月12日日本niconico动画上线首次实现了让观众评论以滚动字幕形式实时叠加在视频画面上。“弹幕”一词本是射击游戏中密集子弹形成的“幕布”N站网民借来形容满屏飘过的评论。这个功能并非简单的技术叠加它制造了一种“众人同看”的错觉把孤独的看片变成了集体吐槽的狂欢。N站的地位无可撼动它是弹幕播放系统的发明者此后所有弹幕网站都是它的模仿者。A站ACFUN中国的“第一个吃螃蟹者”2007年6月acfun在国内上线。2008年3月A站复刻了N站的弹幕系统成为国内最早引入弹幕功能的视频网站。虽然严格考据的话更早的肥猪网在2007年12月就有弹幕痕迹但那些早期站点早已消亡A站是现存最早的中国弹幕网站。A站也因此获得了“中国弹幕鼻祖”的称号开启了国内二次元弹幕文化。B站BILIBILI后来者居上2009年6月A站资深用户徐逸因网站频繁宕机和管理混乱另立门户创建了mikufans2010年更名bilibili。B站最初只是“A站的后花园”却凭借更稳定的技术和更好的用户体验逐渐反超。B站从来不是“鼻祖”但它把弹幕从小众圈层推向了大众视野。C站TUCAO被遗忘的第四位2011年2月tucao上线圈内称“C站”。它的定位是“欢乐有爱的弹屏吐槽平台”视频多搬运自N站、A站、B站。但在A、B两强格局下C站始终未能形成足够的影响力逐渐淡出主流视野。N站开创A站落地中国B站发扬光大C站则成了时代的注脚。鼻祖之名N站当之无愧中国弹幕文化的起点则属于A站。
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 2026/11/15 4:54:16

【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 2026/11/15 2:04:12

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 2026/11/14 10:11:15

【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 ... 2026/11/14 17:14:38

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 2026/11/14 16:35:50

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 2026/11/15 4:06:36

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
📞 ✉