CherryUSB v1.4.3版本发布:嵌入式USB协议栈的全面升级
项目概述
CherryUSB是一个轻量级、高性能的嵌入式USB协议栈,支持设备模式(Device)和主机模式(Host),广泛应用于各类嵌入式系统中。该项目提供了完整的USB协议实现,包括控制传输、批量传输、中断传输和同步传输等核心功能,同时支持多种USB类协议,如HID、CDC、MSC、Audio等。
版本亮点
1. 核心架构优化
本次v1.4.3版本在核心架构上进行了多项优化。首先,增加了对不同操作系统的更好支持,特别是针对NuttX操作系统的适配工作。其次,引入了物理地址与RAM地址转换的宏定义,方便不同硬件平台的内存管理。在设备模式下,新增了EP0设置处理程序线程化特性,提高了控制传输的灵活性。
2. 音频类功能增强
音频类功能得到了显著增强,为UAC1和UAC2增加了音频反馈相关的宏定义和演示示例。这一改进使得开发者能够更容易地实现高质量的USB音频设备,满足专业音频应用的需求。
3. 无线网络支持改进
在无线网络支持方面,RNDIS类驱动现在可以支持不使用LWIP的以太网和无线传输API,这为不使用LWIP协议栈的系统提供了更大的灵活性。同时,MSC类驱动进行了优化,将SCSI命令初始化移出枚举线程,避免阻塞枚举过程,并增加了测试单元就绪请求的重试机制。
4. 平台适配扩展
本次更新扩展了对多个硬件平台的支持:
- 新增了T113平台的EHCI控制器驱动
- 更新了RP2040的设备驱动和主机驱动,使用irq_add_shared_handler注册中断处理程序
- 增加了CH585 USBHS DC支持
- 扩展了Kinetis系列对MCXA156的支持
- 修复了STM32H7RS系列在主机模式下的GCCFG配置问题
技术细节解析
操作系统抽象层改进
操作系统抽象层(OSAL)是CherryUSB实现跨平台支持的关键组件。本次更新特别针对NuttX操作系统进行了优化,增加了参数宏定义,使得在不同操作系统间的移植更加方便。同时,对RT-Thread和IDF(ESP32)平台也进行了特定优化,如调整TX FIFO大小以获得更好的端点性能。
设备模式增强
在设备模式下,v1.4.3版本修复了描述符长度计算的逻辑错误,确保在解析USB描述符时不会出现越界访问。同时,当alternate setting设置为0时,现在会正确重置所有端点,这解决了某些情况下端点状态不一致的问题。
主机模式调试支持
为了便于主机模式的开发和调试,新版本增加了usbh_printf_setup API,可以方便地打印USB设置包的内容,大大简化了协议分析工作。
缓存一致性处理
在底层驱动方面,本次更新为EHCI、OHCI和DWC2控制器增加了对数据缓存(DCache)的支持,这对于使用带缓存架构的处理器(如Cortex-A系列)至关重要,确保了数据传输的正确性。
应用建议
对于正在使用或考虑使用CherryUSB的开发者,建议关注以下方面:
- 音频设备开发者可以充分利用新增的音频反馈功能,实现更精确的同步控制。
- 在资源受限的系统中,可以考虑使用新的RNDIS实现,避免引入完整的LWIP协议栈。
- 对于使用NuttX或RT-Thread等RTOS的项目,新版本提供了更好的支持,建议升级以获得更稳定的性能。
- 在开发主机功能时,可以利用新的调试API快速定位协议问题。
CherryUSB v1.4.3版本通过多项功能增强和问题修复,进一步提升了嵌入式USB开发的便利性和可靠性,是嵌入式系统USB功能实现的优秀选择。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00