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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
Ascend Extension for PyTorch
Python
504
609
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
391
288
暂无简介
Dart
906
218
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
939
863
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108