FunASR项目WebSocket运行时编译问题解析
2025-05-24 03:33:46作者:侯霆垣
在使用FunASR项目中的WebSocket运行时组件时,开发者可能会遇到CMake编译过程中出现的目录不存在错误。本文将深入分析该问题的原因,并提供完整的解决方案。
问题现象
当开发者按照标准流程编译FunASR的WebSocket组件时,CMake配置阶段会报告多个目录不存在的错误,主要包括:
- onnxruntime/third_party下的glog、gflags、openfst等第三方库目录
- kaldi-native-fbank的csrc目录
- 项目根目录下的bin目录
这些错误会导致CMake配置失败,无法生成后续的Makefile文件。
根本原因分析
经过分析,这些问题主要源于以下几个方面:
-
项目结构依赖:WebSocket运行时组件依赖于项目根目录下的多个第三方库,但默认情况下这些库并未包含在仓库中
-
构建系统设计:CMakeLists.txt中预设了相对路径引用,假设所有依赖都位于特定位置
-
子模块缺失:部分依赖项需要作为git子模块单独获取
完整解决方案
1. 确保正确的构建目录结构
首先需要创建独立的构建目录,避免污染源代码:
mkdir build && cd build
2. 提供必要的依赖路径
编译时需要明确指定关键依赖的路径:
cmake -DCMAKE_BUILD_TYPE=release .. \
-DONNXRUNTIME_DIR=/path/to/onnxruntime \
-DFFMPEG_DIR=/path/to/ffmpeg
3. 获取所有子模块
在编译前,确保获取所有必要的子模块:
git submodule update --init --recursive
4. 处理特定依赖项
对于报告缺失的特定依赖:
- PortAudio:项目会自动下载
- 其他第三方库:需要确保它们位于预期的相对路径中
构建流程最佳实践
推荐按照以下完整流程进行构建:
- 克隆仓库并初始化子模块
- 创建独立构建目录
- 运行CMake配置
- 执行构建
git clone https://github.com/alibaba-damo-academy/FunASR.git
cd FunASR
git submodule update --init --recursive
cd runtime/websocket
mkdir build && cd build
cmake -DCMAKE_BUILD_TYPE=release .. \
-DONNXRUNTIME_DIR=/path/to/onnxruntime \
-DFFMPEG_DIR=/path/to/ffmpeg
make -j$(nproc)
常见问题处理
如果仍然遇到问题,可以检查:
- CMake版本是否过旧(建议3.16以上)
- 依赖路径是否正确
- 系统是否安装了必要的开发工具链
- 网络连接是否正常(影响自动下载)
总结
FunASR项目的WebSocket运行时组件编译需要正确处理项目依赖关系。通过理解CMake配置的预期结构,提供必要的依赖路径,并确保所有子模块就位,开发者可以顺利完成构建过程。这种模块化的构建方式虽然增加了初始配置的复杂性,但为项目提供了更好的灵活性和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
191
210
暂无简介
Dart
630
143
React Native鸿蒙化仓库
JavaScript
243
316
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
1.03 K
481
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
296
107
仓颉编译器源码及 cjdb 调试工具。
C++
128
858
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
210