Gamma项目技术文档
1. 安装指南
Gamma 是一个跨平台的 C++ 库,用于进行通用信号合成和过滤。以下是 Gamma 库的安装步骤:
使用 Make(Linux、OS X、mingw)
在大多数情况下,只需要执行以下命令即可自动检测平台设置并构建库:
make
Makefile.config 文件中包含了其他构建选项。以下是 Makefile 中的一些规则:
make:构建静态库make install:将库安装到 DESTDIRmake clean:从构建文件夹中删除二进制文件make test:执行单元测试
可以使用 run.sh 脚本来编译和运行示例以及其他源文件。例如:
./run.sh examples/oscillator/sine.cpp
如果不运行文件,仅编译源文件,可以在源文件后添加 AUTORUN=0。二进制文件位于自动生成的 build/ 目录中。在 OS X 上,Gamma 库将链接到 external/lib_osx 中预编译的依赖库。在 Linux 上,使用 apt-get 来安装必要的依赖库。
使用 Xcode(OS X)
你也可以使用提供的 Xcode 项目来构建库:
- 打开
project/xcode/gamma.xcodeproj - 构建目标
libgamma{.a, .dylib}。库将位于项目构建文件夹中。
直接从源代码编译
Gamma 可以轻松地直接从源代码编译到现有的项目中。
确保在编译器中传递以下标志:
-D__STDC_CONSTANT_MACROS
-finline-functions (或 -O3)
-fpeel-loops
依赖关系
只有在使用 Gamma 的 AudioIO 类(在 Gamma/AudioIO.h 中定义)时才需要 PortAudio。如果不希望使用音频输入/输出,可以将标志 NO_AUDIO_IO=1 传递给 make 或者在项目中排除 src/AudioIO.cpp。
如果希望使用 libsndfile 作为 SoundFile 类的后端,可以传递标志 USE_LIBSNDFILE=1 给 make。
2. 项目的使用说明
Gamma 库包含了有用的数学函数、类型(如向量和复数)、序列生成器以及其他用于信号处理任务的对象。它主要用于实时声音和图形合成,但同样适用于非实时任务。
编译和运行示例
可以使用 run.sh 脚本来编译和运行示例代码。例如,要运行 sine 示例:
./run.sh examples/oscillator/sine.cpp
3. 项目API使用文档
Gamma 库的 API 包括数学函数、类型定义、序列生成器等。以下是简要的 API 使用说明:
- 数学函数:提供常用的数学运算和功能。
- 类型定义:如
Vector和Complex类型,用于信号处理。 - 序列生成器:生成各种信号序列,用于合成和过滤。
具体 API 文档请参考项目中的头文件和源文件。
4. 项目安装方式
安装 Gamma 库的方式已在“安装指南”部分详细说明。以下是简要总结:
- 使用 Make 或 Xcode 构建库。
- 确保安装所有依赖库。
- 根据需要编译示例或直接集成到现有项目中。
确保遵循安装指南,以便正确安装和使用 Gamma 库。
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