BlackHole音频驱动在macOS 14.4及更新版本中的卸载问题解析
问题背景
BlackHole是一款macOS系统下的虚拟音频驱动工具,它允许用户在系统中创建虚拟音频设备,用于音频路由和处理。近期在macOS 14.4(Sonoma)及更新版本中,用户反馈在卸载BlackHole时会出现问题。
技术原因分析
这一问题源于macOS 14.4系统对音频子系统管理的变更。具体来说,Apple在macOS 14.4的发布说明中明确指出,launchctl工具不再能够用于重启coreaudiod服务。coreaudiod是macOS的核心音频守护进程,负责管理所有音频设备的输入输出。
在之前的版本中,BlackHole的卸载脚本使用launchctl命令来重启coreaudiod服务,以确保音频系统的正确状态。然而,这一方法在macOS 14.4及更新版本中已不再适用。
解决方案
开发团队在BlackHole 0.6.0版本中修复了这一问题。新版本采用了Apple推荐的方法,使用sudo killall coreaudiod命令来替代原先的launchctl方法。这一变更确保了在最新macOS版本中能够正确完成卸载过程。
对用户的影响
对于普通用户而言,这一问题的表现是在卸载过程中可能会看到错误提示。虽然这些错误通常不会影响系统的正常运行,但可能会让用户产生困惑。升级到0.6.0或更高版本后,卸载过程将变得顺畅无阻。
技术细节
coreaudiod是macOS音频子系统的核心组件,负责:
- 管理音频设备的输入输出
- 处理音频路由
- 实现音频效果处理
- 维护系统音量控制
在macOS 14.4之前,系统管理员可以通过launchctl工具来管理这一服务。但随着系统安全性的提升,Apple限制了这一管理方式,转而推荐使用更直接的killall命令来重启服务。
最佳实践建议
对于使用BlackHole的用户,建议:
- 始终使用最新版本的BlackHole驱动
- 在升级macOS系统后,检查BlackHole是否有可用更新
- 如果遇到卸载问题,可手动终止
coreaudiod进程后再尝试卸载
这一案例也提醒我们,系统级工具的开发需要密切关注操作系统底层的变更,特别是当涉及到核心系统服务时。BlackHole团队及时响应系统变更的做法值得肯定,确保了工具在不同系统版本间的兼容性。
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