RustAudio/cpal 在 Android 上的 libc++_shared.so 加载问题解决方案
问题背景
在 Android 平台上使用 RustAudio/cpal 音频处理库时,开发者可能会遇到一个常见的动态库加载错误。当尝试运行包含 cpal 的 Flutter 应用程序时,系统会报告无法找到 libc++_shared.so 库的错误信息。这个问题主要出现在 Android 平台上,特别是当通过 Flutter 的 Rust 桥接使用 cpal 时。
错误表现
典型的错误信息如下:
Failed to load dynamic library 'librust_lib_flutter_rust_test.so':
dlopen failed: library "libc++_shared.so" not found:
needed by /data/app/~~zyZDDuG_hSM2uJQAOeqDBQ==/com.example.flutter_rust_test-sBfBRTor8WZZGQJgZMG0PA==/lib/arm64/librust_lib_flutter_rust_test.so in namespace clns-4
这个错误表明 Android 系统无法找到 C++标准库的动态链接版本,而这是 cpal 依赖的 Oboe 音频库所必需的。
根本原因
cpal 在 Android 平台上底层使用了 Oboe 音频库,而 Oboe 依赖于 Android 的 C++运行时库。当使用 Rust 编译的共享库时,需要确保 Android 设备上能够找到正确版本的 libc++_shared.so 文件。
解决方案
方法一:手动添加 libc++_shared.so
-
定位正确的库文件:在 Android NDK 安装目录中可以找到不同架构的
libc++_shared.so文件,通常位于类似以下路径:$ANDROID_NDK_HOME/toolchains/llvm/prebuilt/darwin-x86_64/sysroot/usr/lib/ -
创建 jniLibs 目录结构:
- 在 Android 项目的
app/src/main/目录下创建jniLibs文件夹 - 为每个支持的 ABI 创建子目录:
jniLibs/ ├── arm64-v8a/ ├── armeabi-v7a/ ├── x86/ └── x86_64/
- 在 Android 项目的
-
复制库文件:
- 将
aarch64-linux-android/libc++_shared.so复制到arm64-v8a目录 - 将
arm-linux-androideabi/libc++_shared.so复制到armeabi-v7a目录 - 将
i686-linux-android/libc++_shared.so复制到x86目录 - 将
x86_64-linux-android/libc++_shared.so复制到x86_64目录
- 将
-
配置 Gradle: 在
app/build.gradle中添加以下配置:android { sourceSets { main { jni.srcDirs = [] jniLibs.srcDirs = ['src/main/jniLibs'] } } }
方法二:通过 Cargo 特性解决
另一种方法是通过启用 Oboe 的 shared-stdcxx 特性来自动处理依赖:
[dependencies]
oboe = { version = "0.4", features = ["java-interface", "shared-stdcxx"] }
这种方法理论上可以自动处理 C++标准库的依赖关系,但在某些构建环境下可能会遇到交叉编译问题,特别是当同时为 iOS 和 Android 构建时。
注意事项
-
架构匹配:确保为应用程序支持的所有 ABI 提供对应的库文件。如果只支持 arm64 设备,可以只提供
arm64-v8a版本的库。 -
NDK 版本:使用与项目兼容的 NDK 版本提供的
libc++_shared.so,不同版本可能有兼容性问题。 -
构建环境:当使用 Flutter Rust Bridge 等工具时,构建环境可能会自动为多个平台编译,需要特别注意 Android 特定的配置。
-
性能考虑:
libc++_shared.so是动态链接的 C++运行时,相比静态链接会增加一些体积,但可以减小最终 APK 的大小(当多个库都使用 C++时)。
结论
在 Android 平台上使用 RustAudio/cpal 时,正确处理 C++运行时依赖是关键。通过手动添加 libc++_shared.so 或正确配置 Oboe 的特性,可以解决这个常见的动态库加载问题。对于 Flutter 集成项目,推荐使用手动添加库文件的方法,因为它提供了更好的可控性和兼容性。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01