zooshi 的安装和配置教程
项目基础介绍
zooshi 是一个开源游戏项目,玩家在游戏中乘坐木筏顺流而下,向穿着体面的动物顾客投掷寿司。该项目旨在展示如何使用来自 Google 的 Fun Propulsion Labs 开发的一系列开源游戏技术构建跨平台游戏。
主要编程语言
zooshi 主要使用 C++ 编程语言,同时也包含 Python、CMake、Makefile、Shell 和 GLSL 等其他语言元素。
关键技术和框架
项目使用的关键技术和框架包括但不限于以下几种:
- Breadboard
- CORGI
- FlatBuffers
- FlatUI
- fplbase
- fplutil
- Motive
- Pindrop
- Scene Lab
- WebP
- Google Cardboard API
准备工作
在开始安装 zooshi 之前,请确保您的系统中已经安装以下依赖项和工具:
- Git 版本控制系统
- CMake 构建系统
- 与项目兼容的编译器(如 GCC 或 Clang)
- 可能还需要 Java Development Kit (JDK) 用于 Android 构建环境
- Android Studio(如果您打算在 Android 设备上运行游戏)
安装步骤
以下是详细的 zooshi 安装步骤:
步骤 1:克隆项目
首先,您需要从 GitHub 克隆 zooshi 项目到本地机器上。打开命令行终端,执行以下命令:
git clone --recursive https://github.com/google/zooshi.git
步骤 2:安装依赖
zooshi 使用 Git 子模块引用其他依赖组件。确保在克隆过程中使用了 --recursive 选项,以自动初始化并更新所有子模块。
如果未能正确初始化子模块,您可以手动执行以下命令:
cd zooshi
git submodule update --init --recursive
步骤 3:构建项目
在克隆和初始化所有子模块之后,您需要使用 CMake 来构建项目。
创建一个新的构建目录,并切换到该目录:
mkdir build && cd build
然后运行 CMake 来生成构建系统文件:
cmake ..
最后,使用 make 命令来编译项目:
make
步骤 4:运行项目
编译完成后,您可以在相应平台上运行 zooshi。具体的运行命令可能会根据平台和构建系统有所不同。通常,您可以在项目的根目录或构建目录中找到可执行文件,然后直接运行它。
在 Linux 或 macOS 上,运行可执行文件的命令可能如下:
./zooshi
在 Windows 上,如果您使用的是 Visual Studio,可能需要从 Visual Studio 中启动项目。
请注意,具体的运行步骤可能需要根据项目的文档和您的开发环境进行调整。
以上就是 zooshi 的安装和配置指南。请按照上述步骤操作,并根据需要参考项目文档来解决可能出现的问题。
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