新浪微博图片尺寸多大水印会比较清晰?

简介:   虽然微博在微信的冲击下功力下降,但对企业来说还是一个好招。好的微博文案加上唯美的图片会提高影响力。那么新浪微博传图片尺寸多大水印会比较清晰呢?   首先我们了解一下微博图片有三种类型:小缩略图大缩略图原图,如下图所示   ①标示:微博系统自动生成的小缩略图尺寸为长120px,或者高...

  虽然微博在微信的冲击下功力下降,但对企业来说还是一个好招。好的微博文案加上唯美的图片会提高影响力。那么新浪微博传图片尺寸多大水印会比较清晰呢?

  首先我们了解一下微博图片有三种类型:小缩略图大缩略图原图,如下图所示

微博图片类型

  ①标示:微博系统自动生成的小缩略图尺寸为长120px,或者高119px

  ②标示:点击微博小缩略图会显示大的缩略图,这个缩略图尺寸为长440px,或小于440px,高度没什么限制

  ③标示,微博大图,这个是微博发图片时的尺寸,微博上传图片尺寸宽度限制2048像素,如果原图宽度没超过宽度限制2048像素,显示原图片尺寸;新浪微博对超出的图片无论文件大小均会在“查看大图”的图片中压缩至2048像素。

  新浪微博发图片支持上传5M以下的 jpg、gif、png 格式的图片,需要注意的是gif格式不支持添加微博水印噢!

  所以我们在设置微博配图尺寸时首先考虑宽度大于440px 小于2048px,这时微博水印会显示比较清晰。(微博图片水印设置:账号设置-偏好设置-图片水印设置)

  

  长微博图片尺寸:建议使用1440*900或大于这个尺寸的图片作为自定义模板。如果要给中间区域内容区留白,建议图片的尺寸根据微博版本设置,宽版为950px,窄版为800px

  

  微博背景图片尺寸:背景图建议为1600*900PX,微博内容区域为980*900PX。头部区域图尺寸建议为800x115

目录
相关文章
|
Linux 数据安全/隐私保护 网络架构
如何搭建远程控制家中设备的Home Assistant智能家居系统【内网穿透】(上)
如何搭建远程控制家中设备的Home Assistant智能家居系统【内网穿透】
968 0
|
Web App开发 JavaScript 前端开发
火狐浏览器怎么禁用javascript
我们经常会在上网的时候遇到很多禁止了鼠标右键的网页,而那些内容却是我们非常喜欢的,不管是文字或插图都想保存到本地以便以后查看,那我们应该怎样来破解这样的限制呢?通过火狐浏览器禁用javascript就可以做到哦!
1684 0
|
搜索推荐 Linux 定位技术
|
10月前
|
存储 缓存 算法
HashMap深度解析:从原理到实战
HashMap,作为Java集合框架中的一个核心组件,以其高效的键值对存储和检索机制,在软件开发中扮演着举足轻重的角色。作为一名资深的AI工程师,深入理解HashMap的原理、历史、业务场景以及实战应用,对于提升数据处理和算法实现的效率至关重要。本文将通过手绘结构图、流程图,结合Java代码示例,全方位解析HashMap,帮助读者从理论到实践全面掌握这一关键技术。
318 14
|
人工智能
最近很火的人工智能ChatGPT可以实现“ 连续对话”机制
这篇文章介绍了人工智能ChatGPT实现连续对话机制的方法,包括如何通过传递特定的参数如conversation_id来保持对话的连续性。
最近很火的人工智能ChatGPT可以实现“ 连续对话”机制
|
存储 安全 Linux
在Linux中,`/etc/passwd` 和 `/etc/shadow` 文件分别有什么作用?
在Linux中,`/etc/passwd` 和 `/etc/shadow` 文件分别有什么作用?
|
11月前
|
传感器
CAN 帧有哪些类型
CAN帧主要有五种类型:数据帧,用于传输数据;远程帧,用于请求数据;错误帧,表示检测到错误;过载帧,表示接收器需要延时;帧间隔,用于分隔不同的帧。
|
网络协议 API 开发者
无线通信模块通过TCP/IP协议实现与PC端的数据传输
本文介绍了无线通信模块借助TCP/IP协议向PC端传输数据的过程,包括数据封装、发送和接收,并以WIFI模块为例,讨论了在QT平台下实现无线数据传输的方法。通过QTcpSocket类,开发者能轻松建立WIFI模块与PC间的连接。随着无线通信技术的进步,未来将有更多创新应用出现。
312 2
|
消息中间件 Java Apache
使用Idea部署RocketMq 源代码(4.9.4)
使用Idea部署RocketMq 源代码(4.9.4)
309 0
使用Idea部署RocketMq 源代码(4.9.4)
|
数据采集 机器学习/深度学习 自然语言处理
本地训练,开箱可用,Bert-VITS2 V2.0.2版本本地基于现有数据集训练(原神刻晴)
按照固有思维方式,深度学习的训练环节应该在云端,毕竟本地硬件条件有限。但事实上,在语音识别和自然语言处理层面,即使相对较少的数据量也可以训练出高性能的模型,对于预算有限的同学们来说,也没必要花冤枉钱上“云端”了,本次我们来演示如何在本地训练Bert-VITS2 V2.0.2模型。
本地训练,开箱可用,Bert-VITS2 V2.0.2版本本地基于现有数据集训练(原神刻晴)