MKVToolNix 开源项目下载与安装教程
项目介绍
MKVToolNix 是一套用于创建和处理 Matroska 文件的工具集,Matroska 是一种开源的多媒体容器格式,旨在成为未来的新标准。MKVToolNix 提供的工具包括获取 Matroska 文件信息的 mkvinfo、从 Matroska 文件中提取轨道/数据的 mkvextract 以及从其他媒体文件创建 Matroska 文件的 mkvmerge 等。
项目下载位置
项目可以在 GitHub 上找到,具体网址为:
***
您可以通过点击上述链接直接下载或使用 Git 命令克隆仓库:
git clone ***
项目安装环境配置
在开始安装 MKVToolNix 之前,确保您的系统满足以下基本要求:
- C++ 编译器,支持 C++11 标准的特性。
- libebml 和 libmatroska 库,用于低级访问 Matroska 文件。
- expat 解析库。
- libOgg 和 libVorbis 库,用于访问 Ogg/OGM 文件和 Vorbis 支持。
- zlib 压缩库。
- Boost 库。
- rake 或 drake 构建程序,或至少需要 Ruby 语言及其 gems 包。
环境配置时建议安装“drake”,因为它能利用所有可用的 CPU 核心进行并行构建。以 Root 用户安装“drake”命令如下:
gem install drake
以下是配置示例截图(由于环境限制,此处无法提供真实图片,请在实际操作时按照文档进行)。
项目安装方式
安装 MKVToolNix 有几种方式,您可以选择适合您的方法:
1. 使用预编译的发布版本
直接下载当前发布的压缩包并解压,然后按照官方文档安装。
2. 从源码编译安装
首先需要构建 libebml 和 libmatroska 库:
cd libebml/make/linux
make staticlib
make install_headers install_staticlib
cd ../libmatroska/make/linux
make staticlib
make install_headers install_staticlib
然后下载 MKVToolNix 源码并构建:
git clone ***
***
***
***
***
***
如果您使用的是系统自带的 rake,或者在安装 MKVToolNix 时没有使用系统管理员权限,需要在命令前加上路径:
/rake-d/bin/drake
/rake-d/bin/drake install
3. 使用 Drake 进行并行安装
Drake 程序支持并行构建,您可以使用 -j 参数指定并行数量:
drake -j4
或者设置环境变量 DRAKETHREADS:
export DRAKETHREADS=4
drake
项目处理脚本
MKVToolNix 包含一些处理脚本,例如:
mkvmerge:合并媒体文件到 Matroska 容器。mkvinfo:获取 Matroska 文件的信息。mkvextract:从 Matroska 文件中提取轨道或数据。
要使用这些脚本,需要确保它们在系统的 PATH 环境变量中:
export PATH=/path/to/mkvtoolnix/bin:$PATH
安装完成后,您可以通过在命令行中输入相应的脚本名称来使用这些工具。
本文档假设您有一定的 Linux/Unix 系统操作知识,并且能够根据实际情况调整上述命令中的路径等参数。安装过程中如遇到问题,请参考 MKVToolNix 官方文档或在官方支持论坛寻求帮助。
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
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