FunASR项目WebSocket运行时编译问题解析
2025-05-24 07:43:17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
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥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
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
660