CNMAT-odot 的安装和配置教程
1. 项目基础介绍
CNMAT-odot 是由 Center for New Music and Audio Technologies (CNMAT) 开发的一套外部程序和语言,旨在为数据流语言如 Max/MSP、PD 和 Node Red 提供扩展功能。它引入了一种新的数据类型——odot bundle,以及支持多种编程范式的表达式语言,包括函数式、声明式、命令式、动态、基于委托的对象和动态类基于对象等。此外,odot 还提供了定时和调度原语,以支持媒体和网络编程的序列化和同步。
该项目的主要编程语言为 C,同时也包含 Max、C++、Makefile 和 Shell 脚本等语言。
2. 项目使用的关键技术和框架
- Open Sound Control (OSC):odot 系统的核心利用了 OSC 编码,这是一种用于通信的协议,允许不同应用程序和设备之间进行交互。
- libo 和 libomax:这些是 odot 依赖的库,分别用于 OSC 的底层调用和作为中间件在宿主环境(如 Max/MSP)中运行。
- 数据流语言扩展:odot 扩展了数据流语言的功能,允许更复杂的数据结构和表达式的处理。
3. 安装和配置准备工作
在开始安装 CNMAT-odot 之前,您需要确保已经满足了以下准备工作:
- 安装 Max/MSP 或 Pd:odot 需要一个宿主环境来运行,您需要安装 Max/MSP 或 Pd。
- 安装编译工具:为了编译源代码,您需要安装 C 编译器和相关开发工具。
- 下载源代码:从 GitHub 上克隆或下载 CNMAT-odot 的源代码。
安装步骤
以下是在您的系统上安装 CNMAT-odot 的详细步骤:
-
克隆或下载源代码 将 CNMAT-odot 的源代码克隆到您的计算机上,或者下载压缩包并解压。
git clone https://github.com/CNMAT/CNMAT-odot.git -
编译 libo 和 libomax 在源代码目录中,按照
src文件夹中的说明编译libo和libomax。cd path/to/CNMAT-odot/src make -
安装依赖项 根据您的操作系统和宿主环境,安装必要的依赖项。
-
编译 CNMAT-odot 在完成所有准备工作之后,编译 CNMAT-odot。
cd path/to/CNMAT-odot make -
集成到 Max/MSP 或 Pd 根据您使用的宿主环境,将编译好的 CNMAT-odot 集成到 Max/MSP 或 Pd 中。
对于 Max/MSP,您可以使用 Max Package Manager 安装,或者手动将编译的外部程序拖放到 Max/MSP 的搜索路径中。
对于 Pd,将编译好的库文件放到 Pd 的
externals目录下。 -
测试安装 运行 Max/MSP 或 Pd,并尝试加载 CNMAT-odot 的对象,以验证安装是否成功。
以上步骤应该能够帮助您成功安装和配置 CNMAT-odot。如果在安装过程中遇到问题,可以查看项目的 README 文件或在 GitHub 上创建一个 Issue 来寻求帮助。
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