ChuGins官方支持库使用与技术文档
1. 安装指南
1.1 预编译二进制文件
大多数ChuGins的预编译二进制文件已包含在ChuCK的macOS和Windows安装程序中。您可以在ChuCK官方网站下载最新版本。Linux用户(以及macOS和Windows的高级用户)可以从未源代码构建ChuGins。
1.2 从源代码构建
首先,克隆此仓库:
git clone --recurse-submodules https://github.com/ccrma/chugins.git
cd chugins
根据您的操作系统编译所有ChuGins:
- Linux: 运行
make linux - macOS: 运行
make osx - Windows: 使用Visual Studio解决方案
chugins.sln编译
可选地,(在Linux和macOS上,需要管理员权限) 安装ChuGins:
sudo make install
2. 项目使用说明
ChuGins是ChuCK音频编程语言的插件。在运行时,ChuCK或miniAudicle会加载ChuGins,通过添加类库和音频单元生成器(UGens)和单元分析器(UAnae)来扩展语言的功能。本仓库包含了由ChuCK团队及其 respective authors 在所有支持平台上(macOS、Linux、Windows)维护的多个ChuGins。
ChuGins会自动加载,当命令行chuck或miniAudicle启动ChuCK虚拟机时。一旦加载,ChuGins的内容可以直接在语言中使用。
要正确加载ChuGin,请确保:
- ChuGin版本与宿主版本兼容。
- ChuGin位于默认搜索目录之一,或明确指定,例如使用命令行上的
--chugin:<file>标志。
3. 项目API使用文档
有关已打包ChuGins的类库参考,请访问ChuCK官方文档。
4. 项目安装方式
请参考“安装指南”部分,了解如何从源代码或预编译二进制文件安装ChuGins。
ChuGins搜索路径
默认情况下,ChuGin加载器会递归搜索以下目录中的ChuGins(.chug)和ChuCK扩展(.ck)。可以通过命令行chuck的--chugin-path:<path>标志或在miniAudicle的“Preferences/ChuGins”选项卡中自定义这些搜索路径。
-
macOS:
/usr/local/lib/chuck /Library/Application Support/ChucK/chugins ~/Library/Application Support/ChucK/chugins ~/.chuck/lib -
Linux:
/usr/local/lib/chuck ~/.chuck/lib/
- Windows:
C:\Windows\system32\ChucK C:\Program Files\ChucK\chugins C:\Program Files (x86)\ChucK\chugins C:\Users%USERNAME%\Documents\ChucK\chugins
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00