使用WebAssembly的高效音频解码器:WASM Audio Decoders
WASM Audio Decoders 是一个精心打造的集合,包含了一系列用于浏览器的WebAssembly音频解码库,经过高度优化以提供接近原生执行速度的音频解码体验。这个库支持在主线程上的同步解码,同时也提供了内置的Web Worker实现来实现异步(线程化)解码,确保高性能的同时不影响页面的响应性。
Web Assembly是一种基于栈的虚拟机的二进制指令格式,它允许我们在Web浏览器中运行近乎原生速度的代码。实际上,这些解码器与浏览器自带的解码器相比,在某些情况下甚至更快。
立即查看演示
解码器
每个解码器都使用内联WASM构建,减少了与Webpack等转译器配合时的复杂性。内联WASM是用yEnc编码的,有效实现了二进制数据的高效编码,并且通过gzip压缩减小了文件大小。
预构建的最小化JS文件可通过NPM和每个解码器的dist目录获取。
-
mpg123-decoder: 解码MPEG Layer I/II/III到PCM,仅74.5 KiB的压缩包大小,支持浏览器和Node.js,内置Web Worker支持,基于mpg123,可从NPM安装。 -
@wasm-audio-decoders/flac: 解码FLAC和Ogg FLAC数据到PCM,仅65.2 KiB的压缩包大小,支持多通道解码(最多8个通道),全位深和采样率支持,基于
libFLAC和codec-parser,通过NPM安装。 -
ogg-opus-decoder: 解码Ogg Opus数据到PCM,108.0 KiB的压缩包大小,支持多通道解码(最多255个通道),基于libopus和codec-parser,通过NPM安装。 -
opus-decoder: 解码裸Opus音频帧到PCM,仅84.6 KiB的压缩包大小,同样支持多通道解码(最多255个通道),专为已从容器中提取Opus帧的用户设计,如Ogg、Matroska(WEBM)或ISOBMFF(mp4),基于libopus,可从NPM安装。 -
@wasm-audio-decoders/ogg-vorbis: 解码Ogg Vorbis数据到PCM,仅97.6 KiB的压缩包大小,支持多通道解码(最多255个通道),全Vorbis采样率支持,基于
libvorbis和codec-parser,通过NPM安装。
开发
预备条件
- 根据指示安装Emscripten,本项目已在Emscripten 3.1.46下测试过。
构建
- 在您想要构建的终端中执行
source命令导入Emscripten路径。 - 运行
git submodule update --init克隆子模块。 - 运行
make configure配置库。 - 运行
npm i安装构建工具依赖项。 - 运行
make clean和make进行构建,可以用make -j8加速构建,其中8是你的系统CPU核心数。
测试
- 运行
npm i安装构建和测试依赖项。 - 运行
npm run test运行测试套件。
致谢
-
OggOpusDecoder最初基于AnthumChris/opus-stream-decoder,针对大小和简单的Web应用程序集成进行了优化:- 所有内容都被打包到一个minified的JavaScript文件中,便于使用。
- 支持所有255个Opus声道的多通道解码。
- 使用yEnc编码的内联WASM,以及DEFLATE压缩以显著减少捆绑包大小。
- WASM编译器、压缩器和捆绑选项都进行了调整以获得最佳的大小和性能。
-
包含了madler/zlib的
puff作为WASM构建,用于解压WASM二进制数据。
许可证
源自本项目的源代码按照MIT许可证许可。请注意,任何被仓库包含的外部源代码,比如作为git子模块并编译进dist文件的解码库,可能有不同的许可条款。
WASM Audio Decoders是一个强大的工具,适用于需要高效、跨平台音频解码的Web开发项目。无论你是游戏开发者希望实时播放高质量音频,还是音乐流媒体应用的创作者寻求快速加载和流畅播放,或者是在构建复杂的多媒体平台,这个项目都能成为你不可或缺的一部分。现在就加入,利用WebAssembly的力量提升你的音频处理能力!
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00