当前位置: 首页 > article >正文

Kook Zimage真实幻想Turbo保姆级教程:Streamlit WebUI自定义CSS美化与多用户配置

Kook Zimage真实幻想Turbo保姆级教程Streamlit WebUI自定义CSS美化与多用户配置1. 项目简介Kook Zimage真实幻想Turbo是一款专为个人GPU设计的轻量化幻想风格文本生成图像系统。这个项目基于Z-Image-Turbo官方极速文生图底座通过特殊的技术处理方式深度融合了专属的幻想风格模型权重。核心特点专门针对梦幻幻想风格、写实与幻想融合的人像创作进行优化适配个人GPU部署24G显存即可流畅运行1024×1024高清分辨率保留极速推理优势10-15步即可生成高质量图像低显存占用中英混合提示词友好集成可视化Web界面无需复杂命令行操作技术亮点强制锁定BF16高精度推理从根本上解决全黑图问题显存碎片优化与CPU模型卸载策略提升运行效率一键生成高清幻想风格图像平衡专业性与便捷性2. 环境准备与快速部署2.1 系统要求在开始之前请确保你的系统满足以下要求操作系统Linux (Ubuntu 18.04), Windows 10/11, macOS 12GPUNVIDIA显卡显存 ≥ 12GB (推荐24GB及以上)Python3.8 - 3.10版本CUDA11.7或11.8版本磁盘空间至少20GB可用空间2.2 安装步骤通过以下命令快速安装所需环境# 克隆项目仓库 git clone https://github.com/username/kook-zimage-turbo.git cd kook-zimage-turbo # 创建Python虚拟环境 python -m venv venv source venv/bin/activate # Linux/macOS # 或 venv\Scripts\activate # Windows # 安装依赖包 pip install -r requirements.txt # 安装PyTorch (根据你的CUDA版本选择) pip install torch torchvision --index-url https://download.pytorch.org/whl/cu1172.3 模型下载与配置下载所需的模型文件并放置到正确位置# 创建模型目录 mkdir -p models/checkpoints mkdir -p models/lora # 下载主模型 (请替换为实际下载链接) wget -O models/checkpoints/kook_zimage_turbo.safetensors https://example.com/models/kook_zimage_turbo.safetensors3. 快速启动与基本使用3.1 启动服务使用以下命令启动Streamlit WebUI服务# 启动服务 streamlit run app.py --server.port 7860 --server.address 0.0.0.0服务启动后在浏览器中访问http://localhost:7860即可进入创作界面。3.2 基本操作指南3.2.1 Prompt输入技巧在页面左侧控制台的「提示词」文本框中输入图像描述支持格式原生支持中英混合/纯中文/纯英文幻想风格重点建议重点描述梦幻光影、画面氛围、人物细节负面提示在「负面提示」框中输入需要排除的低质效果实用示例正面Prompt示例1girl, close up, detailed face, dreamlike, fantasy style, soft lighting, masterpiece, best quality, 8k, 梦幻光影, 通透肤质纯中文示例女孩特写精致五官梦幻风格柔和光影8K高清大师作品幻想氛围感细腻皮肤负面Prompt示例nsfw, low quality, text, watermark, bad anatomy, blurry, 模糊变形文字水印磨皮过度3.2.2 参数调节建议根据幻想风格创作需求调节核心参数步数 (Steps)5-30范围调节推荐10~15步步数过低幻想氛围可能缺失步数过高可能导致画面模糊、光影失真CFG Scale1.0-5.0范围调节官方推荐2.0控制提示词对生成结果的引导强度数值过高可能导致幻想风格僵硬、冗余元素增多4. Streamlit WebUI自定义CSS美化4.1 基础CSS定制Streamlit允许通过自定义CSS来美化界面。创建assets/style.css文件并添加以下样式/* 主容器样式 */ .main { background: linear-gradient(135deg, #667eea 0%, #764ba2 100%); padding: 20px; border-radius: 15px; } /* 标题样式 */ h1 { color: #ffffff; text-align: center; font-family: Arial, sans-serif; text-shadow: 2px 2px 4px rgba(0,0,0,0.5); } /* 按钮样式 */ .stButtonbutton { background: linear-gradient(45deg, #FF6B6B, #FF8E53); color: white; border: none; border-radius: 25px; padding: 10px 20px; font-weight: bold; transition: all 0.3s ease; } .stButtonbutton:hover { transform: translateY(-2px); box-shadow: 0 5px 15px rgba(255,107,107,0.4); } /* 侧边栏样式 */ .css-1d391kg { background: rgba(255,255,255,0.95); backdrop-filter: blur(10px); border-radius: 15px; padding: 20px; }4.2 在Streamlit中加载自定义CSS在app.py中添加以下代码来加载自定义CSSimport streamlit as st def load_css(): with open(assets/style.css) as f: st.markdown(fstyle{f.read()}/style, unsafe_allow_htmlTrue) # 在主函数中调用 def main(): load_css() # 其余应用代码...4.3 高级美化技巧4.3.1 响应式布局调整/* 响应式设计 */ media (max-width: 768px) { .main { padding: 10px; } .stButtonbutton { width: 100%; margin-bottom: 10px; } } /* 卡片式设计 */ .card { background: rgba(255, 255, 255, 0.1); backdrop-filter: blur(10px); border-radius: 15px; padding: 20px; margin: 10px 0; border: 1px solid rgba(255, 255, 255, 0.2); } /* 输入框样式 */ .stTextInputdivdivinput { background: rgba(255, 255, 255, 0.9); border-radius: 10px; border: 2px solid transparent; transition: all 0.3s ease; } .stTextInputdivdivinput:focus { border-color: #667eea; box-shadow: 0 0 0 2px rgba(102, 126, 234, 0.2); }4.3.2 动态效果增强添加一些简单的动画效果提升用户体验/* 淡入动画 */ keyframes fadeIn { from { opacity: 0; transform: translateY(20px); } to { opacity: 1; transform: translateY(0); } } .stApp { animation: fadeIn 0.5s ease-out; } /* 生成按钮特殊效果 */ .generate-btn { position: relative; overflow: hidden; } .generate-btn::after { content: ; position: absolute; top: -50%; left: -50%; width: 200%; height: 200%; background: linear-gradient(45deg, transparent, rgba(255,255,255,0.2), transparent); transform: rotate(45deg); animation: shine 3s infinite; } keyframes shine { 0% { transform: translateX(-100%) rotate(45deg); } 100% { transform: translateX(100%) rotate(45deg); } }5. 多用户配置与管理5.1 用户认证系统实现基本的用户认证功能创建auth.pyimport streamlit as st import hashlib import json import os from functools import wraps USER_DATA_FILE data/users.json def load_user_data(): if os.path.exists(USER_DATA_FILE): with open(USER_DATA_FILE, r) as f: return json.load(f) return {} def save_user_data(user_data): os.makedirs(os.path.dirname(USER_DATA_FILE), exist_okTrue) with open(USER_DATA_FILE, w) as f: json.dump(user_data, f, indent2) def hash_password(password): return hashlib.sha256(password.encode()).hexdigest() def authenticate(username, password): user_data load_user_data() if username in user_data and user_data[username][password] hash_password(password): return True return False def register_user(username, password, email): user_data load_user_data() if username in user_data: return False, 用户名已存在 user_data[username] { password: hash_password(password), email: email, created_at: str(datetime.now()), usage_stats: {generations: 0, last_login: None} } save_user_data(user_data) return True, 注册成功 def login_required(func): wraps(func) def wrapper(*args, **kwargs): if username not in st.session_state: st.error(请先登录) return return func(*args, **kwargs) return wrapper5.2 用户界面集成在主应用中集成用户认证功能import streamlit as st from auth import authenticate, register_user, login_required def login_form(): with st.sidebar: st.header(用户登录) tab1, tab2 st.tabs([登录, 注册]) with tab1: username st.text_input(用户名, keylogin_username) password st.text_input(密码, typepassword, keylogin_password) if st.button(登录): if authenticate(username, password): st.session_state.username username st.success(登录成功) st.rerun() else: st.error(用户名或密码错误) with tab2: new_username st.text_input(新用户名, keyreg_username) new_password st.text_input(新密码, typepassword, keyreg_password) email st.text_input(邮箱, keyreg_email) if st.button(注册): success, message register_user(new_username, new_password, email) if success: st.success(message) else: st.error(message) login_required def main_application(): st.title(f欢迎, {st.session_state.username}!) # 主应用代码... def main(): if username not in st.session_state: login_form() st.info(请先登录以使用AI图像生成功能) else: main_application() if __name__ __main__: main()5.3 用户资源隔离实现用户间的资源隔离确保每个用户只能访问自己的生成结果import os from datetime import datetime def get_user_workspace(username): 获取用户专属工作空间 workspace_path fworkspace/{username} os.makedirs(workspace_path, exist_okTrue) os.makedirs(f{workspace_path}/images, exist_okTrue) os.makedirs(f{workspace_path}/history, exist_okTrue) return workspace_path def save_generation_history(username, prompt, image_path, parameters): 保存生成历史 history_file fworkspace/{username}/history/generations.json history [] if os.path.exists(history_file): with open(history_file, r) as f: history json.load(f) history_entry { timestamp: datetime.now().isoformat(), prompt: prompt, image_path: image_path, parameters: parameters } history.append(history_entry) with open(history_file, w) as f: json.dump(history, f, indent2) login_required def generate_image(prompt, parameters): 为用户生成图像 username st.session_state.username workspace get_user_workspace(username) # 生成图像的逻辑 image_path f{workspace}/images/{int(datetime.now().timestamp())}.png # 这里添加实际的图像生成代码 # generated_image model.generate(prompt, parameters) # generated_image.save(image_path) # 保存生成历史 save_generation_history(username, prompt, image_path, parameters) return image_path5.4 使用统计与限制添加用户使用统计和限制功能def update_usage_stats(username): 更新用户使用统计 user_data load_user_data() if username in user_data: user_data[username][usage_stats][generations] 1 user_data[username][usage_stats][last_login] datetime.now().isoformat() save_user_data(user_data) def check_usage_limit(username): 检查用户使用限制 user_data load_user_data() if username in user_data: generations user_data[username][usage_stats].get(generations, 0) # 例如每天最多生成100张图片 if generations 100: return False, 已达到今日生成限制 return True, return False, 用户不存在 login_required def generate_with_limits(prompt, parameters): 带限制检查的图像生成 username st.session_state.username # 检查使用限制 can_generate, message check_usage_limit(username) if not can_generate: st.error(message) return None # 生成图像 image_path generate_image(prompt, parameters) # 更新使用统计 update_usage_stats(username) return image_path6. 高级功能与优化6.1 主题切换功能添加明暗主题切换功能def setup_theme_switcher(): 设置主题切换功能 if theme not in st.session_state: st.session_state.theme light # 主题切换按钮 theme_icon if st.session_state.theme light else ☀️ if st.sidebar.button(f{theme_icon} 切换主题): st.session_state.theme dark if st.session_state.theme light else light st.rerun() def apply_theme(): 应用当前主题 theme st.session_state.get(theme, light) if theme dark: st.markdown( style .main { background-color: #1E1E1E; color: #FFFFFF; } .stTextInputdivdivinput { background-color: #2D2D2D; color: #FFFFFF; } /* 更多暗色主题样式 */ /style , unsafe_allow_htmlTrue)6.2 响应式布局优化确保WebUI在不同设备上都能良好显示/* 响应式设计优化 */ media (max-width: 768px) { /* 移动端优化 */ .main .block-container { padding: 1rem; } .stSidebar { min-width: 100%; max-width: 100%; } /* 按钮大小调整 */ .stButtonbutton { padding: 12px 16px; font-size: 14px; } /* 输入框调整 */ .stTextInputdivdivinput { font-size: 16px; /* 防止iOS缩放 */ } } /* 平板设备优化 */ media (min-width: 769px) and (max-width: 1024px) { .main .block-container { max-width: 90%; } }6.3 性能优化建议优化多用户环境下的性能def optimize_performance(): 性能优化配置 # 配置Streamlit性能参数 st.set_page_config( layoutwide, initial_sidebar_stateexpanded, menu_itemsNone ) # 添加缓存优化 st.cache_resource def load_model(): # 模型加载代码确保只加载一次 pass # 使用Session State管理状态减少重计算 if model not in st.session_state: st.session_state.model load_model()7. 总结通过本教程你已经学会了如何对Kook Zimage真实幻想Turbo的Streamlit WebUI进行自定义CSS美化并实现了多用户配置管理系统。主要收获掌握了Streamlit界面美化的基本方法和高级技巧学会了实现用户认证和权限管理系统了解了如何实现用户资源隔离和使用统计获得了响应式设计和性能优化的实用技巧下一步建议根据实际需求进一步定制CSS样式打造独特界面风格扩展用户管理功能如用户角色权限、付费套餐等优化移动端体验确保在手机和平板上也能良好使用考虑添加社交功能让用户可以分享自己的创作成果实用提示定期备份用户数据和生成记录监控系统性能及时优化资源使用收集用户反馈持续改进界面和功能测试不同浏览器兼容性确保所有用户都能正常使用现在你已经拥有了一个既美观又功能完善的AI图像生成平台可以邀请更多用户体验幻想风格的创作乐趣了获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。

相关文章:

Kook Zimage真实幻想Turbo保姆级教程:Streamlit WebUI自定义CSS美化与多用户配置

Kook Zimage真实幻想Turbo保姆级教程:Streamlit WebUI自定义CSS美化与多用户配置 1. 项目简介 Kook Zimage真实幻想Turbo是一款专为个人GPU设计的轻量化幻想风格文本生成图像系统。这个项目基于Z-Image-Turbo官方极速文生图底座,通过特殊的技术处理方式…...

新手必看:半挂车倒车原理与阿克曼转向几何的5个关键知识点

新手必看:半挂车倒车原理与阿克曼转向几何的5个关键知识点 想象一下你第一次尝试在狭窄的停车场倒车入库一辆半挂车时的场景——方向盘打左,车头向右偏;再调整方向,挂车却像有自己的想法一样朝反方向摆动。这种令人抓狂的体验背后…...

PaddleOCR配置文件全解析:从Global到Dataset的实战避坑指南

PaddleOCR配置文件全解析:从Global到Dataset的实战避坑指南 在OCR技术日益普及的今天,PaddleOCR作为一款开源的OCR工具库,凭借其出色的性能和灵活的配置选项,受到了广大开发者的青睐。然而,对于初学者和中级开发者来说…...

3D Face HRN快速验证:5分钟完成本地部署,实测1080p照片重建耗时2.3s

3D Face HRN快速验证:5分钟完成本地部署,实测1080p照片重建耗时2.3s 想不想看看自己的照片,在几分钟内变成一个可以360度旋转的3D数字人?这听起来像是电影里的特效,但现在,借助一个叫3D Face HRN的AI模型&…...

Arduino I²C摇杆驱动库:基于编码器的数字式双轴输入方案

1. 项目概述 PwFusion_I2C_Joystick_Arduino_Library 是一个面向嵌入式硬件工程师与Arduino开发者设计的轻量级IC外设驱动库,专用于与Playing With Fusion公司推出的IFB-40002 IC Joystick模块通信。该模块并非传统意义上的模拟摇杆,而是一款基于高精度…...

Project N.O.M.A.D:离线 AI 生存计算机,断网也能掌控关键信息

Project N.O.M.A.D:离线 AI 生存计算机,断网也能掌控关键信息 今日 GitHub Trending #4 | 单日星增 2,032 ⭐ | TypeScript 项目 🚀 一句话介绍 Project N.O.M.A.D 是一个自包含、离线的生存计算机,内置关键工具、知识库和 AI 能…...

从委派到接管:Kerberos非约束性委派攻击实战指南

前言 技术背景:在庞大的Windows域环境中,Kerberos是身份认证的基石。为了让服务能够代表用户访问其他资源,Kerberos引入了“委派”机制。非约束性委派(Unconstrained Delegation)是其中一种强大但危险的权限模式。攻击…...

探索IMMD架构混联混动仿真模型:P1 + P3架构下的动力性经济性之旅

IMMD架构混联混动仿真模型,P1P3架构,混联混动汽车动力性经济性仿真。 immd_cruise仿真模型simulink策略源文件64 具体内容包括: cruise 模型, simulink策略, 策略文件说明(19页) 模型介绍&#…...

mmap映射、sendfile

mmap可以把磁盘文件的一部分直接映射到内存,这样文件中的位置直接就有对应的内存地址, 对文件的读写可以直接用指针来做而不需要read/write函数传统文件的IO方式传统文件读写主要是调用read和write系统调用与内核进行交互,数据先从磁盘通过DMA(直接内存访…...

Moveit2(Jazzy)集成OMPL自定义SRRT算法实战

1. 从零开始编译OMPL源码 在机械臂运动规划领域,OMPL(Open Motion Planning Library)堪称算法宝库。但当你发现标准RRT、PRM等算法无法满足高自由度机械臂的规划需求时,就需要祭出大杀器——自定义SRRT算法。下面我会手把手带你完…...

UE5 + AirSim + ROS联合开发:如何在WSL2中实现无缝通信(保姆级教程)

UE5 AirSim ROS联合开发:WSL2环境下的高效通信实战指南 机器人仿真与自动驾驶研究正迎来技术融合的新阶段。当虚幻引擎5(UE5)的高保真渲染能力遇上AirSim的物理仿真特性,再结合ROS的机器人控制框架,开发者能够构建出…...

特斯拉机器人开发笔记:用Python模拟Optimus 2.0的强化学习决策过程(PyTorch版)

特斯拉机器人开发实战:用PyTorch构建Optimus 2.0的DQN导航系统 当人形机器人需要在复杂家庭环境中自主决策时,强化学习算法就像给机器装上了"数字大脑"。本文将带您从零开始,用PyTorch实现一个简化版的Optimus导航决策系统&#xf…...

计算斐波纳契数列时Python 浮点数精度损失问题

一、问题根源 使用比内公式计算的时候代码用 Python 浮点数(float,双精度 64 位)计算比内公式,在 n100 时,phi**n 和 psi**n 数值差异极大,导致减法时有效位丢失,最终结果出现误差。 二、解决精…...

LTE基站扫描原理拆解:如何用OpenCL加速PSS信号检测

LTE基站扫描中的PSS信号检测:从数学原理到OpenCL加速实战 引言 在移动通信领域,LTE基站扫描技术一直是工程师和研究者的关注焦点。这项技术不仅关系到网络优化和频谱监测,更是理解无线通信物理层运作的绝佳窗口。传统手机通过复杂的专用芯片完…...

Guohua Diffusion 进阶教程:利用LSTM网络优化图像生成序列连贯性

Guohua Diffusion 进阶教程:利用LSTM网络优化图像生成序列连贯性 你是不是遇到过这样的问题?用Guohua Diffusion生成单张图片效果很棒,但想让它画一个四格漫画,或者生成一个故事里不同场景的配图时,出来的画面风格却五…...

角点特征检测技术:Harris与Harris-Laplace算法研究

👨‍🎓 博主简介:博士研究生 🔬 超级学长:超级学长实验室(提供各种程序开发、实验复现与论文指导) 📧 个人邮箱:easy_optics126.com 💬 个人微信&#…...

STM32 GPIO模拟OneWire协议实战:手把手教你与DS2431 EEPROM通信

STM32 GPIO模拟OneWire协议实战:手把手教你与DS2431 EEPROM通信 在嵌入式系统开发中,与各种外设的通信是工程师们经常需要面对的挑战。当项目需要连接多个传感器或存储设备时,传统的I2C、SPI等总线协议虽然常见,但在某些特定场景下…...

Qwen3-TTS在教育场景落地:AI教师多语种发音训练工具搭建实战

Qwen3-TTS在教育场景落地:AI教师多语种发音训练工具搭建实战 想象一下,一位能流利切换十种语言、发音标准、情感饱满的AI教师,正在为你的学生进行一对一的发音训练。这不再是科幻电影里的场景,而是我们今天就能用Qwen3-TTS-12Hz-…...

SC16IS7XX UART扩展库:工业级双通道串口驱动详解

1. 项目概述Appnostic SC16IS7XX Arduino Library 是一款面向嵌入式硬件工程师的工业级 UART 扩展驱动库,专为 NXP 半导体推出的 SC16IS750、SC16IS751 和 SC16IS752 系列双通道/单通道异步收发器芯片设计。该系列芯片本质是高度集成的“UART-to-Bus”桥接器&#x…...

GLM-Image边缘计算:在终端设备上实现图像生成

GLM-Image边缘计算:在终端设备上实现图像生成 让AI图像生成能力从云端走向终端,释放边缘计算的无限可能 你有没有遇到过这样的情况:想要快速生成一张产品展示图,但网络不稳定导致云端服务响应缓慢;或者需要处理敏感图片…...

Python新手入门:一下看懂try-except异常处理

你是不是写 Python 时经常遇到: 1.程序跑一半突然报错 2.输入数字变成字符串、除 0、文件找不到 3.一出错整个程序直接崩掉,后面代码都不跑了今天用最简单、最新手友好的方式,带你彻底学会 try except ——Python 里专门用来抓错误、防崩溃的…...

SEO_2024年最有效的SEO实战技巧与方法全解析

2024年最有效的SEO实战技巧与方法全解析在当今竞争激烈的互联网环境中,如何有效提升网站的搜索引擎优化(SEO)已成为每个网站运营者的首要任务。2024年,SEO的技术和策略也在不断演变。本文将详细探讨2024年最有效的SEO实战技巧与方…...

脑机离婚案:妻子要求分割我的记忆云盘——软件测试视角下的数字资产分割挑战

未来离婚案的科技困局在2050年,脑机接口(BMI)技术已普及,人类记忆可上传至“记忆云盘”,成为个人数字资产的核心部分。作为软件测试工程师,我在NeuroTech公司负责BMI系统的安全测试。当妻子提起离婚诉讼&am…...

ILI9341 TFT驱动开发:8080并口嵌入式图形库实战

1. 项目概述AitendoTFT 是一款专为 Aitendo 公司推出的 2.6 英寸 TFT LCD 扩展板设计的嵌入式图形驱动库,原生支持 Arduino UNO(ATmega328P)与 STMicroelectronics STM32 Nucleo 系列开发板(如 NUCLEO-F401RE、NUCLEO-F411RE&…...

Arduino R4 WiFi 12×8点阵数字显示库:零依赖轻量级实现

1. 项目概述Pantalla12x8 是一个专为 Arduino R4 WiFi 平台设计的轻量级图形显示库,面向物理尺寸为 128 像素的单色点阵显示屏。该库不依赖任何外部显示驱动芯片(如 MAX7219、HT16K33)或复杂图形框架,而是直接以位图数据形式驱动硬…...

【第三十七周】论文阅读03

文章目录摘要Abstract一、《LLaVA-Scissor: Token Compression with Semantic Connected Components for Video LLMs》1. 摘要2. 介绍3. 相关工作4. Llava-删除5. 实验5.1 压缩类型5.2 令牌压缩中的递减规律二、FastVLM: Efficient Vision Encoding for Vision Language Models…...

SEO_快速诊断并解决网站SEO问题的五个步骤(384 )

SEO:快速诊断并解决网站SEO问题的五个步骤在当今的互联网时代,网站的SEO优化已经成为提升网站流量、吸引更多潜在客户的关键。面对复杂多变的搜索引擎算法,很多网站主都会遇到各种各样的SEO问题。本文将为大家详细介绍五个步骤,帮助你快速诊断…...

Qwen2.5-VL-7B-Instruct开源可部署优势:完全离线运行,无外网依赖保障安全

Qwen2.5-VL-7B-Instruct开源可部署优势:完全离线运行,无外网依赖保障安全 1. 项目概述 Qwen2.5-VL-7B-Instruct是一款强大的多模态视觉-语言模型,能够同时处理图像和文本输入,生成高质量的文本输出。这个开源模型最突出的特点是…...

保姆级教程:用MATLAB 2022b和STM32G431RB搞定无感FOC,从电机参数识别到代码生成

从零构建无感FOC系统:MATLAB与STM32G431RB的深度实践指南 引言:为什么选择无感FOC技术? 在电机控制领域,磁场定向控制(FOC)因其高效率、低噪音和精准控制特性,已成为工业界和学术界的黄金标准。而无需位置传感器的无感…...

【OpenClaw从入门到精通】第37篇:教育“龙虾”进化论——从答疑助教到全流程智能教学系统(2026实测版)

摘要:2026年,教育AI已从被动答疑的L1级进化至主动教学的L4级,清华开源的OpenMAIC平台更是打破传统慕课局限,实现互动式AI课堂。本文基于天津工业大学、西北农林科技大学等高校的真实应用案例,结合腾讯云、天翼云的实操指南,详解OpenClaw在教育场景的四层进化路径。核心内…...