ZoneMinder 1.36.34在Fedora Rawhide上的构建问题分析
ZoneMinder作为一款开源的视频监控解决方案,在升级到1.36.34版本时,在Fedora Rawhide(版本41)系统上遇到了两个主要的构建问题。本文将详细分析这些问题及其解决方案。
OpenSSL与JWT兼容性问题
构建过程中首先出现的是关于OpenSSL 3.0的警告信息。具体表现为EC_KEY_check_key函数被标记为已弃用。这个问题源于ZoneMinder依赖的jwt-cpp库与OpenSSL 3.0的兼容性问题。
OpenSSL 3.0作为主要版本更新,引入了一些API变更,其中就包括对椭圆曲线密钥检查函数的调整。虽然这只是一个编译警告,不影响功能,但从长期维护的角度考虑,建议升级到jwt-cpp 0.7或更高版本以获得更好的OpenSSL 3.0支持。
FFmpeg 7.0.2 API变更问题
更严重的问题来自FFmpeg 7.0.2的API变更。RPMFusion仓库升级到FFmpeg 7.0.2后,ZoneMinder构建失败,具体错误是AVCodecParameters结构体中移除了channels成员变量。
FFmpeg 7.0对音频处理API进行了重构,用新的ch_layout结构替代了传统的channels和channel_layout字段。这种变更需要开发者调整代码以适应新的音频通道布局处理方式。
解决方案
经过项目维护者的确认,这些FFmpeg相关问题已经在release-1.36分支中得到修复。因此,最佳解决方案是等待ZoneMinder 1.36.35版本的发布,而不是尝试向后移植补丁到1.36.34版本。
对于开发者而言,当遇到类似的第三方库重大API变更时,建议:
- 优先考虑升级到已适配新API的项目版本
- 如果必须使用旧版本,需要全面评估API变更影响范围
- 注意跨版本兼容性问题可能涉及多个源文件
最终,ZoneMinder 1.36.35版本成功解决了这些问题,并在RPMFusion仓库中完成了构建。这个案例展示了开源项目中依赖管理的重要性,以及及时跟进上游变更的必要性。
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