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!
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
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