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 StartedRust0218
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0140
uni-appA cross-platform framework using Vue.jsJavaScript09
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
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
471
466
deepin linux kernel
C
32
16
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
2.09 K
218
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
700
1.4 K
暂无描述
Dockerfile
780
5.08 K
Ascend Extension for PyTorch
Python
758
968
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
880
2.03 K
MindQuantum is a general software library supporting the development of applications for quantum computation.
Python
183
112
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
1.11 K
682