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。
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
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
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