Lyra多平台构建指南:Linux、Android、Mac、Windows全攻略
2026-01-29 12:08:42作者:胡唯隽
Lyra是一款极低比特率的语音压缩编解码器,专为高效语音传输设计。本指南将详细介绍如何在Linux、Android、Mac和Windows四大主流平台上构建Lyra项目,帮助开发者快速部署这一强大的语音压缩技术。
📋 准备工作
在开始构建前,请确保您的系统已安装以下工具:
- Bazel构建系统
- Git版本控制工具
- 对应平台的SDK(如Android NDK)
首先克隆项目仓库:
git clone https://gitcode.com/gh_mirrors/lyra3/lyra
cd lyra
🐧 Linux平台构建
Linux是Lyra开发的主要平台,构建步骤如下:
- 安装依赖:
sudo apt-get install build-essential python3
- 执行构建:
bazel build -c opt lyra/cli_example:encoder_main
bazel build -c opt lyra/cli_example:decoder_main
- 验证构建结果:
构建完成后,可在
bazel-bin/lyra/cli_example/目录下找到encoder_main和decoder_main可执行文件。
🤖 Android平台构建
Lyra提供了完整的Android示例项目,构建步骤如下:
-
配置Android环境: 确保已安装Android SDK和NDK,并设置
ANDROID_HOME环境变量。 -
执行构建:
bazel build -c opt lyra/android_example:lyra_android_example --config=android_arm64 --copt=-DBENCHMARK
- 构建命令行工具(可选):
bazel build -c opt lyra/cli_example:encoder_main --config=android_arm64
bazel build -c opt lyra/cli_example:decoder_main --config=android_arm64
Android示例项目位于lyra/android_example/目录,包含完整的Activity和资源文件。
🍎 Mac平台构建
Mac平台构建与Linux类似,但需要注意以下几点:
- 安装Xcode命令行工具:
xcode-select --install
- 使用Bazel构建:
bazel build -c opt lyra/cli_example:encoder_main
bazel build -c opt lyra/cli_example:decoder_main
🖥️ Windows平台构建
Windows平台需要使用Bazel的Windows版本和MSVC编译器:
- 安装依赖:
- 安装Visual Studio 2019或更高版本
- 安装Bazel for Windows
- 执行构建:
bazel build -c opt lyra/cli_example:encoder_main
bazel build -c opt lyra/cli_example:decoder_main
🧪 测试构建结果
构建完成后,建议使用项目提供的测试数据进行验证:
# 使用编码器编码测试音频
./bazel-bin/lyra/cli_example/encoder_main \
--model_path=lyra/model_coeffs \
--input_path=lyra/testdata/sample1_16kHz.wav \
--output_path=encoded.lyra
# 使用解码器解码
./bazel-bin/lyra/cli_example/decoder_main \
--model_path=lyra/model_coeffs \
--input_path=encoded.lyra \
--output_path=decoded.wav
测试数据位于lyra/testdata/目录,包含多种采样率的音频文件和编码示例。
📚 项目结构解析
Lyra项目主要包含以下关键目录:
- lyra/cli_example/:命令行工具示例
- lyra/android_example/:Android应用示例
- lyra/model_coeffs/:模型系数文件
- lyra/testing/:测试相关代码
构建配置文件:
- WORKSPACE:项目依赖配置
- BUILD:根目录构建规则
- toolchain/cc_toolchain_config.bzl:工具链配置
通过本指南,您可以在各种平台上轻松构建Lyra项目,体验其高效的语音压缩能力。如需深入了解Lyra的工作原理,请参考项目源代码和技术文档。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
暂无简介
Dart
986
253