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。
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