【大模型运用】CosyVoice-ubuntu系统部署

原创

云帆沧海

发布于 2025-02-08 23:56:20

3230

文章被收录于专栏：人工智能人工智能

CosyVoice是阿里通义实验室一个开源的中文语音合成系统，基于深度学习技术，能够生成自然、流畅的中文语音。

本文将详细介绍如何在Ubuntu系统上部署和使用CosyVoice。

模型开源地址：
https://github.com/FunAudioLLM/CosyVoice
模型详情：
https://modelscope.cn/models/iic/CosyVoice2-0.5B/summary

一、CosyVoice简介

CosyVoice是一个完整的端到端中文语音合成框架，具有以下特点：

基于深度学习的声学模型

支持多说话人合成

提供预训练模型

部署便捷，可用于实际应用场景

开源免费，支持二次开发

魔塔社区上有论文和demo等一些模型详细的东西

模型详情：

https://modelscope.cn/models/iic/CosyVoice2-0.5B/summary

二.在服务器上部署CosyVoice

1.Anconda创建环境

conda create -n cosyvoice -y python=3.10

conda activate cosyvoice

2.克隆代码仓库

git clone --recursive https://github.com/FunAudioLLM/CosyVoice.git

如果网络慢或者直接用不了可以用国内的镜像安装

git clone https://mirror.ghproxy.com/https://github.com/FunAudioLLM/CosyVoice.git

下一步：

cd CosyVoice

git submodule update --init --recursive

安装相关依赖：

conda install -y -c conda-forge pynini==2.1.5

pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ --trusted-

sudo apt-get install sox libsox-dev

模型下载：

方法一：

1.SDK模型下载

新建一个python文件然后复制以下代码运行等待安装。

from modelscope import snapshot\_download

snapshot\_download('iic/CosyVoice2-0.5B', local\_dir='pretrained\_models/CosyVoice2-0.5B')

snapshot\_download('iic/CosyVoice-300M', local\_dir='pretrained\_models/CosyVoice-300M')

snapshot\_download('iic/CosyVoice-300M-25Hz', local\_dir='pretrained\_models/CosyVoice-300M-25Hz')

snapshot\_download('iic/CosyVoice-300M-SFT', local\_dir='pretrained\_models/CosyVoice-300M-SFT')

snapshot\_download('iic/CosyVoice-300M-Instruct', local\_dir='pretrained\_models/CosyVoice-300M-Instruct')

snapshot\_download('iic/CosyVoice-ttsfrd', local\_dir='pretrained\_models/CosyVoice-ttsfrd')

2.git模型下载，请确保已安装git lfs

安装git lfs

git lfs install

mkdir -p pretrained\_models

git clone https://www.modelscope.cn/iic/CosyVoice2-0.5B.git pretrained\_models/CosyVoice2-0.5B

git clone https://www.modelscope.cn/iic/CosyVoice-300M.git pretrained\_models/CosyVoice-300M

git clone https://www.modelscope.cn/iic/CosyVoice-300M-25Hz.git pretrained\_models/CosyVoice-300M-25Hz

git clone https://www.modelscope.cn/iic/CosyVoice-300M-SFT.git pretrained\_models/CosyVoice-300M-SFT

git clone https://www.modelscope.cn/iic/CosyVoice-300M-Instruct.git pretrained\_models/CosyVoice-300M-Instruct

git clone https://www.modelscope.cn/iic/CosyVoice-ttsfrd.git pretrained\_models/CosyVoice-ttsfrd

3.启动

等模型和环境依赖都下载好之后

进入目录输入：

python3 webui.py --port XXXX --model\_dir pretrained\_models/CosyVoice-300M

--port XXXX 自定义端口

--model_dir pretrained_models/CosyVoice-300M 根据需要加载模型

启动成功后，浏览器访问http://公网ip:指定的端口

（这里可能涉及端口映射）

4.浏览器访问不到麦克风问题解决

访问不到麦克风是因为是用http协议去访问的服务器，会被浏览器识别为不安全的链接。

谷歌浏览器参考：https://blog.csdn.net/guolovejie/article/details/139525880?fromshare=blogdetail&sharetype=blogdetail&sharerId=139525880&sharerefer=PC&sharesource=weixin_47665864&sharefrom=from_link

其他浏览器搜索：XXX浏览器在http协议下无法调用摄像头和麦克风的问题

运行结果

以上步骤都调试好之后访问相应的地址回显示如下页面：

使用方法

1.输入合成文本出输出想要合成的语音

2.选择模式按照操作步骤提示进行操作

ps：输入prompt文本是要输入音频对应的文字

最后点击生成音频即可

本博客参考：

https://blog.csdn.net/weixin_63782093/article/details/141320485?fromshare=blogdetail&sharetype=blogdetail&sharerId=141320485&sharerefer=PC&sharesource=weixin_47665864&sharefrom=from_link

https://blog.csdn.net/guolovejie/article/details/139525880?fromshare=blogdetail&sharetype=blogdetail&sharerId=139525880&sharerefer=PC&sharesource=weixin_47665864&sharefrom=from_link

如有不足之处可以访问参考链接，欢迎讨论交流。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

NLP 服务

语音合成

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

NLP 服务

语音合成

登录后参与评论

0 条评论

热度