HandBrake 1.9.0在aarch64架构下使用GCC 14编译失败问题分析
2025-05-11 06:50:18作者:牧宁李
问题背景
HandBrake作为一款流行的开源视频转码工具,在1.9.0版本发布后,有用户反馈在aarch64架构下使用GCC 14编译器进行编译时遇到了构建失败的问题。这个问题主要出现在ARM优化相关的代码部分,特别是涉及NEON指令集的部分。
错误详情
编译过程中出现的错误主要集中在两个模板文件中:
comb_detect_template.c文件中,vst1q_u32函数的参数类型不匹配decomb_template.c文件中,vst1q_u16和vst1q_u32函数的参数类型不匹配
具体错误表现为编译器认为传递的参数类型与函数期望的参数类型不一致,例如:
error: passing argument 1 of 'vst1q_u32' from incompatible pointer type
技术分析
这些错误源于GCC 14编译器对类型检查更加严格。在ARM NEON指令集中,vst1q系列函数用于将向量寄存器中的值存储到内存中。这些函数期望的第一个参数是基本类型的指针(如uint32_t*),但代码中传递的是指向数组的指针(如uint32_t (*)[4])。
在HandBrake的代码中,开发者可能为了代码清晰或历史原因,使用了数组指针的形式来访问这些向量数据。虽然这在早期版本的GCC中可能被隐式转换而通过编译,但在GCC 14中这种隐式转换被禁止了。
解决方案
对于这类问题,有以下几种解决方法:
- 修改代码:将数组指针转换为基本类型指针,直接传递数组的首地址而不是数组指针
- 使用类型转换:在调用
vst1q函数时显式进行类型转换 - 使用较旧版本的GCC:如果暂时无法修改代码,可以考虑使用GCC 13或更早版本进行编译
后续问题
在解决了NEON相关的问题后,用户还报告了在编译SVT-AV1组件时遇到的编译器内部错误(Segmentation fault)。这显然是GCC 14的一个bug,特别是在处理SVE(Scalable Vector Extension)与NEON桥接代码时出现的。
对于这个编译器内部错误,建议:
- 向GCC开发者报告此bug
- 临时使用Clang编译器进行编译
- 禁用SVT-AV1的SVE优化(如果项目配置允许)
总结
HandBrake 1.9.0在aarch64架构下使用GCC 14编译失败的问题,反映了编译器版本升级带来的类型检查严格化趋势。开发者需要注意指针类型的精确匹配,特别是在使用底层SIMD指令时。同时,这也提醒我们在使用较新版本的编译器时,可能会遇到一些尚未发现的编译器自身bug,保持多个编译器工具链的可用性是一个好的实践。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218