Spotify Basic-Pitch项目从setup.py迁移到pyproject.toml的技术实践
2025-06-17 22:49:13作者:宣聪麟
在Python打包领域,近年来最重要的变革之一就是从传统的setup.py向pyproject.toml配置方式的迁移。Spotify开源的Basic-Pitch项目近期也完成了这一重要转型,这标志着项目正式拥抱了现代Python打包标准。
传统打包方式的局限性
传统的setup.py作为Python项目打包的核心配置文件,存在几个明显的痛点:
- 执行依赖问题:setup.py本身需要setuptools等构建工具,但这些依赖在运行setup.py前就需要存在
- 动态执行风险:setup.py作为可执行Python文件,可能包含任意代码,带来安全隐患
- 配置分散:项目元数据和构建配置混杂在一起,难以维护
pyproject.toml的优势
PEP 518和PEP 621引入的pyproject.toml解决了上述问题:
- 声明式配置:采用TOML格式,结构清晰易读
- 构建系统隔离:明确声明构建依赖,避免环境污染
- 元数据标准化:统一管理项目名称、版本、依赖等核心信息
- 工具兼容性:支持pip、build等现代工具链
Basic-Pitch的迁移实践
项目团队采取了分阶段迁移策略:
- 独立迁移:将pyproject.toml变更从其他PR中分离,确保专注性
- 兼容性验证:特别关注不同平台(如Intel Mac)的构建表现
- 渐进式替换:在确保功能完整的前提下逐步淘汰setup.py
技术实现要点
典型的pyproject.toml配置包含几个关键部分:
[build-system]
requires = ["setuptools>=42"]
build-backend = "setuptools.build_meta"
[project]
name = "basic-pitch"
version = "1.0.0"
description = "A lightweight yet powerful audio-to-MIDI converter"
authors = [{name = "Spotify", email = "opensource@spotify.com"}]
dependencies = [
"numpy>=1.19.0",
"librosa>=0.8.0"
]
迁移后的收益
Basic-Pitch项目通过这次迁移获得了显著的改进:
- 构建可靠性提升:明确的构建依赖声明消除了环境差异导致的问题
- 开发者体验优化:清晰的配置结构降低了新贡献者的入门门槛
- 未来可扩展性:为后续集成更多现代工具(如poetry、flit)奠定了基础
总结
Basic-Pitch向pyproject.toml的转型展示了现代Python项目的最佳实践。这种迁移不仅解决了历史遗留问题,更为项目的长期健康发展铺平了道路。对于其他仍在使用setup.py的项目,Basic-Pitch的实践提供了有价值的参考案例。
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322