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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00