RootEncoder项目在Android 14适配中的关键问题解析
2025-06-29 18:59:56作者:俞予舒Fleming
背景概述
随着Android 14的发布,许多开发者在使用RootEncoder项目进行屏幕流媒体传输时遇到了兼容性问题。本文针对从Android 13升级到Android 14过程中出现的关键技术问题进行深入分析,并提供完整的解决方案。
核心问题分析
1. 权限变更导致的崩溃问题
在Android 14中,Google引入了更严格的媒体投影权限控制机制。当应用尝试使用MediaProjection API时,系统会强制要求特定的前台服务类型声明。错误信息表现为:
_targetSDK=34 requires permissions: all of the permissions allOf=true [android.permission.FOREGROUND_SERVICE_MEDIA_PROJECTION] any of the permissions allOf=false [android.permission.CAPTURE_VIDEO_OUTPUT, android:project_media]_
2. 类文件版本不兼容问题
在尝试升级RootEncoder库版本时,开发者遇到了Java版本兼容性问题:
com/pedro/rtmp/flv/video/ProfileIop.class) class file has wrong version 61.0, should be 55.0
这是由于新版本库使用了Java 17编译,而项目环境可能仍在使用较低版本的Java。
详细解决方案
前台服务配置
针对权限问题,必须在AndroidManifest.xml中正确声明前台服务类型:
<service
android:name=".YourStreamService"
android:foregroundServiceType="mediaProjection|camera|microphone" />
根据实际使用场景选择需要的服务类型组合:
- 仅屏幕录制:mediaProjection
- 包含音频录制:增加microphone
- 包含摄像头:增加camera
Java版本兼容性处理
有两种推荐方案:
- 保持旧版本:继续使用2.1.9版本库,避免Java版本冲突
- 升级项目环境:将项目Java版本升级至17以兼容新版本库
MediaProjection回调注册问题
Android 14新增了强制回调注册要求,错误表现为:
java.lang.IllegalStateException: Must register a callback before starting capture
解决方案需要修改DisplayBase类,在startEncoders方法中添加回调注册:
mediaProjection.registerCallback(new MediaProjection.Callback() {
@Override
public void onStop() {
stopStream();
}
}, handler);
对于无法直接修改库的情况,建议:
- 复制DisplayBase和RtmpDisplay类到项目中
- 修改复制的DisplayBase类,添加回调注册逻辑
- 让RtmpDisplay继承修改后的DisplayBase
最佳实践建议
- 渐进式升级:先解决权限和服务问题,再处理Java版本升级
- 兼容性测试:在Android 14设备上充分测试各功能模块
- 代码隔离:对库的修改尽量通过继承方式实现,便于后续升级
- 权限管理:动态检查并请求所有必要权限,包括新引入的权限类型
总结
Android 14对媒体投影和前台服务的限制更加严格,RootEncoder项目需要相应调整才能保证兼容性。通过正确配置服务声明、处理Java版本兼容性以及添加必要的回调注册,开发者可以顺利完成从Android 13到14的迁移工作。建议开发者在进行此类升级时,仔细阅读Android 14的行为变更文档,特别是关于前台服务和权限管理的变化部分。
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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 STM32到GD32项目移植完全指南:从兼容性到实战技巧 Jetson TX2开发板官方资源完全指南:从入门到精通 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
211
暂无简介
Dart
632
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
271
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
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
212