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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C046
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0124
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