CUPS-Cloud-Print 的安装和配置教程
1. 项目基础介绍
CUPS-Cloud-Print 是一个开源项目,它为 CUPS (Common Unix Printing System) 提供了一个 Google Cloud Print 的驱动。通过这个驱动,用户可以在支持 CUPS 的系统上,将文档发送到通过 Google Cloud Print 服务托管的打印机上进行打印。
该项目主要使用 Python 编程语言进行开发。
2. 项目使用的关键技术和框架
CUPS-Cloud-Print 项目使用了以下关键技术:
- CUPS:一个打印服务器和一个客户端,用于打印队列和打印机管理。
- Google Cloud Print API:使应用程序能够将文档发送到 Google Cloud Print 托管的打印机。
- Python:一种广泛使用的高级编程语言,用于实现项目的核心功能。
3. 安装和配置准备工作
在开始安装之前,请确保您的系统满足以下要求:
- 操作系统:Linux 或兼容系统。
- Python:建议使用 Python 3,因为项目可能不完全兼容 Python 2。
- CUPS:已安装并运行。
- Git:用于从源代码管理仓库克隆项目。
确保您的系统已连接到互联网,并已安装上述所有依赖项。
安装步骤
以下是将 CUPS-Cloud-Print 安装到您的系统上的详细步骤:
-
克隆项目仓库:
打开终端,输入以下命令来克隆项目:
git clone git://github.com/simoncadman/CUPS-Cloud-Print.git这将从 GitHub 上下载项目文件到当前目录下。
-
进入项目目录:
使用
cd命令进入项目目录:cd CUPS-Cloud-Print/ -
配置项目:
执行
configure脚本来配置项目:./configure -
编译安装:
接下来,编译并安装项目:
make install这将把必要的文件安装到您的系统上。
-
设置 Cloud Print:
运行以下脚本以设置 Google Cloud Print:
/usr/share/cloudprint-cups/setupcloudprint.py或者,如果您使用的是源代码安装,可能需要运行:
/usr/local/share/cloudprint-cups/setupcloudprint.py脚本将提示您添加打印机。您可以一次性添加所有打印机,或者选择手动添加。
-
添加打印机:
打开 CUPS 的 web 界面(通常是
http://127.0.0.1:631),添加一个新打印机。在打印机类型中选择“网络打印机”,制造商选择“Google”,型号选择“Cloud Print”。输入从
/usr/share/cloudprint-cups/listcloudprinters.py脚本获取的打印机 URI。 -
打印测试页:
配置完成后,打印一个测试页以确保一切正常。
按照以上步骤,您应该能够在您的系统上成功安装和配置 CUPS-Cloud-Print。如果在安装过程中遇到任何问题,请检查项目的 README 文件或相关问题页面以获取帮助。
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