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。
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