ಬ್ಲ್ಯಾಕ್ ಮಾರ್ಟಿನಿ: ಡಾರ್ಕ್ ಕಾಕ್ಟೇಲ್ಗಾಗಿ 2 ಸುಲಭ ಪಾಕವಿಧಾನಗಳು

ಬ್ಲ್ಯಾಕ್ ಮಾರ್ಟಿನಿ ಒಂದು ಹ್ಯಾಲೋವೀನ್ ಪಾರ್ಟಿಯ ಅತ್ಯುತ್ತಮ ಕಾಕ್ಟೈಲ್ ಅಥವಾ ಸುಲಭವಾದ, ಗಾಢವಾದ ಪಾನೀಯದ ಸಂದರ್ಭದಲ್ಲಿ ಯಾವುದೇ ಸಂದರ್ಭದಲ್ಲಿ.

ಒಂದು ಊಹಿಸುವಂತೆ, ಅಲ್ಲಿಗೆ 'ಕಪ್ಪು ಮಾರ್ಟಿನಿ' ಗಾಗಿ ಹಲವಾರು ಪಾಕವಿಧಾನಗಳಿವೆ. ನಾನು ಈ ಪುಟದಲ್ಲಿ ಎರಡು ಸೇರಿಸಿದ್ದೇನೆ. ಮೊದಲನೆಯದು ಇಬ್ಬರಲ್ಲಿ ಹೆಚ್ಚು ಜನಪ್ರಿಯವಾಗಿದೆ ಮತ್ತು, ನನ್ನ ಅಭಿಪ್ರಾಯದಲ್ಲಿ, ಉತ್ತಮ ಆಯ್ಕೆಯಾಗಿದೆ. ಕಿತ್ತಳೆ ಮದ್ಯವು ವೋಡ್ಕಾ-ರಾಸ್ಪ್ಬೆರಿ ಮಿಶ್ರಣವನ್ನು ಪೂರಕಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ನೀವು ಎರಡನೇ ಪಾಕವಿಧಾನವನ್ನು ಪ್ರಯತ್ನಿಸಿದರೆ, ನೀವು ಒಪ್ಪುತ್ತೀರಿ ಎಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ.

ಎರಡನೆಯ ಪಾಕವಿಧಾನವು ಜಿನ್ ಅಥವಾ ವೋಡ್ಕಾಗೆ ಬ್ಲ್ಯಾಕ್ಬೆರಿ ಬ್ರಾಂಡೀ ಅಥವಾ ಕಪ್ಪು ರಾಸ್ಪ್ಬೆರಿ ಮದ್ಯದೊಂದಿಗೆ ಕರೆ ಮಾಡಿದೆ ಮತ್ತು ಬ್ರ್ಯಾಂಡಿಯನ್ನು ಬಿಟ್ಟುಬಿಡುವ ಸಲಹೆಯೊಂದಿಗೆ ಒಂದು ರೀಡರ್ ಕಾಮೆಂಟ್ ಮಾಡಿದ ಪಾಕವಿಧಾನವಾಗಿದೆ. ಎಲ್ಲಾ ಪ್ರಾಮಾಣಿಕತೆಗಳಲ್ಲಿ, ನಾನು ಒಪ್ಪಿಕೊಳ್ಳಬೇಕು ಮತ್ತು ಪಾಕವಿಧಾನದಲ್ಲಿ ಚಂಬೋರ್ಡ್ಗೆ ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.

' ಕಪ್ಪು ಮಾರ್ಟಿನಿ'ಯನ್ನು ಪಡೆಯಲು ಇನ್ನೊಂದು ಮಾರ್ಗವಿದೆ ಮತ್ತು ಕಪ್ಪು ಬಣ್ಣದ ವೊಡ್ಕಾವಾದ ಬ್ಲಾವೊಡ್ನೊಂದಿಗೆ ವೊಡ್ಕಾ ಮಾರ್ಟಿನಿ ಮಾಡುವುದು . ಈ ಕಪ್ಪು ವೊಡ್ಕಾವನ್ನು ಕಠಿಣವೆಂದು ಕಂಡುಕೊಂಡರೆ ಅಥವಾ ನಿಮ್ಮ ನೆಚ್ಚಿನ ಸ್ಪಷ್ಟ ವೋಡ್ಕಾವನ್ನು ಬಣ್ಣ ಮಾಡಲು ಬಯಸಿದರೆ, ಈ ಸೂತ್ರವನ್ನು ಬಳಸಿಕೊಂಡು ನೀವು ಆಹಾರ ಬಣ್ಣವನ್ನು ಸೇರಿಸಬಹುದು: ಕಪ್ಪು ವೋಡ್ಕಾ ಹೌ ಟು ಮೇಕ್ .

ನಿಮಗೆ ಬೇಕಾದುದನ್ನು

ಅದನ್ನು ಹೇಗೆ ತಯಾರಿಸುವುದು

  1. ಐಸ್ನೊಂದಿಗೆ ಕಾಕ್ಟೈಲ್ ಶೇಕರ್ ಆಗಿ ಪದಾರ್ಥಗಳನ್ನು ಸುರಿಯಿರಿ.
  2. ಚೆನ್ನಾಗಿ ಅಲುಗಾಡಿಸಿ .
  3. ಶೀತಲವಾಗಿರುವ ಕಾಕ್ಟೈಲ್ ಗ್ಲಾಸ್ಗೆ ತಗ್ಗಿಸಿ.
  4. ಒಂದು ನಿಂಬೆ ಟ್ವಿಸ್ಟ್ನೊಂದಿಗೆ ಅಲಂಕರಿಸಲು.

ಮತ್ತೊಂದು ಬ್ಲ್ಯಾಕ್ ಮಾರ್ಟಿನಿ ರೆಸಿಪಿ

ಮೇಲೆ ತಯಾರಿಸಿ.

ಕಪ್ಪು ಮಾರ್ಟಿನಿಗಳು ಎಷ್ಟು ಪ್ರಬಲವಾಗಿವೆ?

ಒಂದು ಕಾಕ್ಟೈಲ್ ಸಂಪೂರ್ಣವಾಗಿ ಮದ್ಯಪಾನ ಮಾಡಿದರೆ ಇದು ಒಂದು ಬೆಳಕಿನ ಪಾನೀಯವಲ್ಲ ಎಂದು ಅದು ಆಶ್ಚರ್ಯಪಡಬಾರದು. ಅನೇಕ ಮಾರ್ಟಿನಿಗಳು ಈ ತರ್ಕವನ್ನು ಅನುಸರಿಸುತ್ತವೆ ಮತ್ತು ಬ್ಲ್ಯಾಕ್ ಮಾರ್ಟಿನಿ ಇದಕ್ಕೆ ಹೊರತಾಗಿಲ್ಲ.

ತಮ್ಮ ಆಲ್ಕೊಹಾಲ್ ವಿಷಯವನ್ನು ಅಂದಾಜು ಮಾಡಲು , ನಾವು 80-ಪ್ರೂಫ್ ವೊಡ್ಕಾ, ಚಂಬೋರ್ಡ್ ಮತ್ತು 30-ಪ್ರೂಫ್ ಕ್ಯುರಾಕೊವನ್ನು ನಮ್ಮ ಪಾನೀಯಗಳಲ್ಲಿ ಸುರಿಯಬೇಕು ಎಂದು ನಾವು ಭಾವಿಸೋಣ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಅವರು ಸುತ್ತಲೂ ತೂಕವಿರುತ್ತಾರೆ:

ಪೌಷ್ಟಿಕ ಮಾರ್ಗಸೂಚಿಗಳು (ಪ್ರತಿ ಸೇವೆಗೆ)
ಕ್ಯಾಲೋರಿಗಳು 274
ಒಟ್ಟು ಕೊಬ್ಬು 0 ಗ್ರಾಂ
ಪರಿಷ್ಕರಿಸಿದ ಕೊಬ್ಬು 0 ಗ್ರಾಂ
ಅಪರ್ಯಾಪ್ತ ಫ್ಯಾಟ್ 0 ಗ್ರಾಂ
ಕೊಲೆಸ್ಟರಾಲ್ 0 ಮಿಗ್ರಾಂ
ಸೋಡಿಯಂ 4 ಮಿಗ್ರಾಂ
ಕಾರ್ಬೋಹೈಡ್ರೇಟ್ಗಳು 20 ಗ್ರಾಂ
ಡಯೆಟರಿ ಫೈಬರ್ 0 ಗ್ರಾಂ
ಪ್ರೋಟೀನ್ 0 ಗ್ರಾಂ
(ನಮ್ಮ ಪಾಕವಿಧಾನಗಳ ಕುರಿತಾದ ಪೌಷ್ಟಿಕಾಂಶ ಮಾಹಿತಿಯು ಒಂದು ಘಟಕಾಂಶದ ಡೇಟಾಬೇಸ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಲೆಕ್ಕಹಾಕುತ್ತದೆ ಮತ್ತು ಅಂದಾಜು ಎಂದು ಪರಿಗಣಿಸಬೇಕು.