上一篇讲了linphone编译没多久,就有人说你用的是什么后台,就有了这一篇:
freeswitch linux下使用的话最好的最快的编译方式就是docker , 但习惯于windows开发测试来讲,vs还是更合适一些

实际上大家可能在编译程序时比较容易被目录中的Freeswitch.2017.sln给误解了,直接vs打开就开始编译,然后就出现各种的异常,各种的错.

正确的方式应该是:

Freeswitch.2017.sln.bat


通过bat,帮你处理各种的依赖,下载源代码的.

当然前提是你要先有相关的环境,比如git必须要有.

个人推荐用命令行方式,或是把日志记录在文本中,可以一行一行的去看分析编译过程的异常.
 

Freeswitch.2017.sln.bat >log.txt  2>&1

然后,去慢慢看 log.txt文件,出错修正后再运行.

祝你好运!

已知前提:
vs2017 或vs 2019
Windows SDK version 8.1
下载地址

https://go.microsoft.com/fwlink/p/?LinkId=323507

# c++ # 实时音视频
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局