首页模型广场镜像社区数据社区裸金属超级计算一体机新闻公告帮助中心
模型部署arrowPic Linly-Dubbing 模型部署教程
Linly-Dubbing 模型部署教程
发布时间：2025-04-10 11:09:23

一、大模型 Linly-Dubbing 介绍：

Linly-Dubbing 是一个智能视频多语言 AI 配音和翻译工具，它融合了 YouDub-webui 的灵感，并在此基础上进行了拓展和优化。

我们致力于提供更加多样化和高质量的配音选择，通过集成 Linly-Talker 的数字人对口型技术，为用户带来更加自然的多语言视频体验。

通过整合最新的 AI 技术，Linly-Dubbing 在多语言配音的自然性和准确性方面达到了新的高度，适用于国际教育、全球娱乐内容本地化等多种场景，帮助团队将优质内容传播到全球各地。

主要特点包括：

  • 多语言支持 : 支持中文及多种其他语言的配音和字幕翻译，满足国际化需求。
  • AI 智能语音识别 : 使用先进的 AI 技术进行语音识别，提供精确的语音到文本转换和说话者识别。
  • 大型语言模型翻译 : 结合领先的本地化大型语言模型（如 GPT），快速且准确地进行翻译，确保专业性和自然性。
  • AI 声音克隆 : 利用尖端的声音克隆技术，生成与原视频配音高度相似的语音，保持情感和语调的连贯性。
  • 数字人对口型技术 : 通过对口型技术，使配音与视频画面高度契合，提升真实性和互动性。
  • 灵活上传与翻译 : 用户可以上传视频，自主选择翻译语言和标准，确保个性化和灵活性。
  • 定期更新 : 持续引入最新模型，保持配音和翻译的领先地位。

我们旨在为用户提供无缝、高质量的多语言视频配音和翻译服务，为内容创作者和企业在全球市场中提供有力支持。

Linly-Dubbing 开源模型旨在与开源社区一起推动大模型技术发展，恳请开发者和大家遵守开源协议，勿将开源模型和代码及基于开源项目产生的衍生物用于任何可能给国家和社会带来危害的用途以及用于任何未经过安全评估和备案的服务。目前，本项目团队未基于 Linly-Dubbing 开源模型开发任何应用，包括网页端、安卓、苹果 iOS 及 Windows App 等应用。

尽管模型在训练的各个阶段都尽力确保数据的合规性和准确性，但由于 Linly-Dubbing 模型规模较小，且模型受概率随机性因素影响，无法保证输出内容的准确。同时模型的输出容易被用户的输入误导。

  • 本项目不承担开源模型和代码导致的数据安全、舆情风险或发生任何模型被误导、滥用、传播、不当利用而产生的风险和责任。

更多详细信息见 github官网。

二、大模型 Linly-Dubbing 部署过程：

基础环境最低要求说明：

环境名称 版本信息1
Ubuntu 22.04.4 LTS
CUDA 12.1
Python 3.10
NVIDIA Corporation RTX 3060 * 2

1. 更新基础软件包

查看系统版本信息

# 查看系统版本信息，包括ID（如ubuntu、centos等）、版本号、名称、版本号ID等
cat /etc/os-release

1726627581255_image.png

配置 apt 国内源

# 更新软件包列表
apt-get update

这个命令用于更新本地软件包索引。它会从所有配置的源中检索最新的软件包列表信息，但不会安装或升级任何软件包。这是安装新软件包或进行软件包升级之前的推荐步骤，因为它确保了您获取的是最新版本的软件包。

# 安装 Vim 编辑器
apt-get install -y vim

这个命令用于安装 Vim 文本编辑器。-y 选项表示自动回答所有的提示为“是”，这样在安装过程中就不需要手动确认。Vim 是一个非常强大的文本编辑器，广泛用于编程和配置文件的编辑。

为了安全起见，先备份当前的 sources.list 文件之后，再进行修改：

# 备份现有的软件源列表
cp /etc/apt/sources.list /etc/apt/sources.list.bak

这个命令将当前的 sources.list 文件复制为一个名为 sources.list.bak 的备份文件。这是一个好习惯，因为编辑 sources.list 文件时可能会出错，导致无法安装或更新软件包。有了备份，如果出现问题，您可以轻松地恢复原始的文件。

# 编辑软件源列表文件
vim /etc/apt/sources.list

这个命令使用 Vim 编辑器打开 sources.list 文件，以便您可以编辑它。这个文件包含了 APT（Advanced Package Tool）用于安装和更新软件包的软件源列表。通过编辑这个文件，您可以添加新的软件源、更改现有软件源的优先级或禁用某些软件源。

在 Vim 中，您可以使用方向键来移动光标，i 键进入插入模式（可以开始编辑文本），Esc 键退出插入模式，:wq 命令保存更改并退出 Vim，或 :q! 命令不保存更改并退出 Vim。

编辑 sources.list 文件时，请确保您了解自己在做什么，特别是如果您正在添加新的软件源。错误的源可能会导致软件包安装失败或系统安全问题。如果您不确定，最好先搜索并找到可靠的源信息，或者咨询有经验的 Linux 用户。

1726627632814_image.png

使用 Vim 编辑器打开 sources.list 文件，复制以下代码替换 sources.list里面的全部代码，配置 apt 国内阿里源。

deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse

1726627649314_image.png

安装常用软件和工具

# 更新源列表，输入以下命令：
apt-get update

# 更新系统软件包，输入以下命令：
apt-get upgrade

# 安装常用软件和工具，输入以下命令：
apt-get -y install vim wget git git-lfs unzip lsof net-tools gcc cmake build-essential

出现以下页面，说明国内apt源已替换成功，且能正常安装apt软件和工具

1726627670779_image.png

2. 安装 NVIDIA CUDA Toolkit 12.1

  • 下载 CUDA Keyring ：
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb

这个命令用于下载 CUDA 的 GPG 密钥环，它用于验证 CUDA 软件包的签名。这是确保软件包安全性的一个重要步骤。

  • 安装 CUDA Keyring ：
dpkg -i cuda-keyring_1.0-1_all.deb

使用 dpkg 安装下载的密钥环。这是必要的，以便 apt 能够验证从 NVIDIA 仓库下载的软件包的签名。

1726627689852_image.png

  • 删除旧的 apt 密钥（如果必要） ：
apt-key del 7fa2af80

这一步可能不是必需的，除非您知道 7fa2af80 是与 CUDA 相关的旧密钥，并且您想从系统中删除它以避免混淆。通常情况下，如果您只是安装 CUDA 并使用 NVIDIA 提供的最新密钥环，这一步可以跳过。

  • 更新 apt 包列表 ：
apt-get update

更新 apt 的软件包列表，以便包括刚刚通过 cuda-keyring 添加的 NVIDIA 仓库中的软件包。

  • 安装 CUDA Toolkit ：
apt-get -y install cuda-toolkit-12-1

1726627724243_image.png

出现以下页面，说明 NVIDIA CUDA Toolkit 12.1 安装成功

1726627736357_image.png

注意：这里可能有一个问题。NVIDIA 官方 Ubuntu 仓库中可能不包含直接名为 cuda-toolkit-12-1 的包。通常，您会安装一个名为 cuda 或 cuda-12-1 的元包，它会作为依赖项拉入 CUDA Toolkit 的所有组件。请检查 NVIDIA 的官方文档或仓库，以确认正确的包名。

如果您正在寻找安装特定版本的 CUDA Toolkit，您可能需要安装类似 cuda-12-1 的包（如果可用），或者从 NVIDIA 的官方网站下载 CUDA Toolkit 的 .run 安装程序进行手动安装。

请确保您查看 NVIDIA 的官方文档或 Ubuntu 的 NVIDIA CUDA 仓库以获取最准确的包名和安装指令。

1726627761880_image.png

  • 出现以上情况，需要配置 NVIDIA CUDA Toolkit 12.1 系统环境变量

编辑 ~/.bashrc 文件

# 编辑 ~/.bashrc 文件
vim ~/.bashrc

插入以下环境变量

# 插入以下环境变量
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

1726627785017_image.png

激活 ~/.bashrc 文件

# 激活 ~/.bashrc 文件
source ~/.bashrc

查看cuda系统环境变量

which nvcc
nvcc -V

1726627797367_image.png

3. 安装 Miniconda

  • 下载 Miniconda 安装脚本 ：
    • 使用 wget 命令从 Anaconda 的官方仓库下载 Miniconda 的安装脚本。Miniconda 是一个更小的 Anaconda 发行版，包含了 Anaconda 的核心组件，用于安装和管理 Python 包。
  • 运行 Miniconda 安装脚本 ：
    • 使用 bash 命令运行下载的 Miniconda 安装脚本。这将启动 Miniconda 的安装过程。
# 下载 Miniconda 安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 运行 Miniconda 安装脚本
bash Miniconda3-latest-Linux-x86_64.sh

# 初次安装需要激活 base 环境
source ~/.bashrc

按下回车键（enter）
1726627823409_image.png

输入yes

1726627835177_image.png

输入yes

1726627844297_image.png

安装成功如下图所示

1726627852297_image.png

pip配置清华源加速

# 编辑 /etc/pip.conf 文件
vim  /etc/pip.conf

加入以下代码

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

注意事项：

  • 请确保您的系统是 Linux x86_64 架构，因为下载的 Miniconda 版本是为该架构设计的。
  • 在运行安装脚本之前，您可能需要使用 chmod +x Miniconda3-latest-Linux-x86_64.sh 命令给予脚本执行权限。
  • 安装过程中，您将被提示是否同意许可协议，以及是否将 Miniconda 初始化。通常选择 "yes" 以完成安装和初始化。
  • 安装完成后，您可以使用 conda 命令来管理 Python 环境和包。
  • 如果链接无法访问或解析失败，可能是因为网络问题或链接本身的问题。请检查网络连接，并确保链接是最新的和有效的。如果问题依旧，请访问 Anaconda 的官方网站获取最新的下载链接。

4. 从 github 仓库 克隆项目：

  • 克隆存储库：

git clone https://github.com/Kedreamix/Linly-Dubbing.git --depth 1

# 克隆项目到本地机器
git clone https://github.com/Kedreamix/Linly-Dubbing.git --depth 1

# 导航到项目目录
cd /Linly-Dubbing

# 初始化并更新子模块
git submodule update --init --recursive

1727331980089_ca863088_12276338.png

如果 github 无法访问，使用 国内镜像 进行克隆

git clone https://gitee.com/empty-snow/Linly-Dubbing.git

# 克隆 InstantID 项目
git clone https://gitee.com/empty-snow/Linly-Dubbing.git

出现以上页面即是克隆项目成功！

请注意，如果 git clone https://github.com/Kedreamix/Linly-Dubbing.git 这个链接不存在或者无效，git clone 命令将不会成功克隆项目，并且会报错。确保链接是有效的，并且您有足够的权限访问该存储库。

5. 创建虚拟环境

# 创建一个名为'linly_dubbing'的conda环境，并指定Python版本为3.10  
conda create -n linly_dubbing python=3.10 -y  
  
# 激活刚刚创建的环境  
conda activate linly_dubbing  
  
# 导航到项目目录  
cd Linly-Dubbing/  
  
# 安装ffmpeg工具  
# 使用conda安装ffmpeg（注意：这里通常不需要同时执行两个ffmpeg安装命令，选择一个即可）  
# 使用conda-forge频道安装ffmpeg  
conda install ffmpeg==7.0.2 -c conda-forge  
  
# 如果需要，可以选择使用国内的镜像源来安装ffmpeg（但通常不需要重复执行安装）  
# conda install ffmpeg==7.0.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ （注释掉这行，因为它不是必要的重复操作）  
  
# 升级pip到最新版本  
python -m pip install --upgrade pip  
  
# 修改PyPI源以加速包下载  
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

1727331996142_dcf864bd_12276338.png

6. 安装模型依赖库：

  • CUDA 12.1版本的PyTorch安装
# 使用conda安装PyTorch 2.3.1版本，以及对应的torchvision和torchaudio，支持CUDA 12.1  
# 从PyTorch和NVIDIA的conda频道下载  
conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=12.1 -c pytorch -c nvidia

1727332013839_25a75973_12276338.png

第一次安装可能会报错，重新执行一次PyTorch安装命令即可

  • 切换到项目目录、激活虚拟环境、安装安装项目所需的Python包
# 使用conda安装pynini 2.1.5版本，pynini是WeTextProcessing等工具所需的  
# 从conda-forge频道下载，或者可以选择使用清华大学镜像源加速下载（已注释）  
conda install -y pynini==2.1.5 -c conda-forge  
# -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/  # 这一行是注释，表示如果使用清华大学镜像源可以取消注释  
  
# 使用pip从requirements.txt文件中安装项目所需的其他Python包  
pip install -r requirements.txt  
  
# 使用pip从requirements_module.txt文件中安装子模块所需的依赖  
pip install -r requirements_module.txt

1727332030446_c34c22a3_12276338.png

  • 依赖安装成功如下图所示：

1727332037408_0f3f892b_12276338.png

7. 下载预训练模型：

  • 执行下载模型脚本：

在启动应用程序之前，运行以下命令以自动下载所需的模型（包括 Qwen、XTTSv2 和 faster-whisper-large-v3）

  • Linux 系统

    # 使用bash执行scripts目录下的download_models.sh脚本来下载模型  
bash scripts/download_models.sh

  • Windows系统

    # 使用Python执行scripts目录下的modelscope_download.py脚本来下载模型  
python scripts/modelscope_download.py

使用 Linux 系统进行下载：

1727332044586_079f863a_12276338.png

  • 模型下载完成的截图：

1727332048221_f0ac1945_12276338.png

8. 运行 app.py 文件

# 运行 webui.py 文件
python webui.py

1727332053876_5c30ae77_12276338.png

出现以上结果，需要继续修改 webui.py 文件的 IP 和端口，才能进入 gradio 页面

# 编辑 webui.py 文件
vim webui.py

1727332058129_1d65b2c8_12276338.png

替换为

server_name="0.0.0.0", 
server_port=8080,

替换说明：server_name 为 IP 地址, server_port 为端口号，根据访问需求进行替换即可

再次运行 webui.py 文件

# 运行 webui.py 文件
python webui.py

1727332064055_35bd5686_12276338.png

出现以上页面，即可访问 gradio 网页，最后出现以下 gradio 页面，即是模型已搭建完成。

1727332091970_a26488d1_12276338.png

第一次使用需要等待以下参数下载完成

1727332083417_5e31eebb_12276338.png

点击此处，立即体验Linly-Dubbing！

bg-circle
算力加速·赋能科研
2026闲时计算资源公益助研活动进行中
2026年1月1日-2026年12月31日
立即申请
生态产品
联系我们
+86 15608502729
+86 16608508963
yangjiawei@suanjiayun.com
贵州省贵阳市花溪区板桥艺术村A57 R空间
贵州省贵安新区大数据科创城绿色金融港-A1-15-6

CSDN号

CSDN-QR-code

官方抖音号

official-website-dy-QR-code

B站官方号

bilibili-QR-code

官方公众号

official-website-public-QR-code

官方客服号

official-website-customer-service-QR-code
© 2024 suanjiayun.com 贵州算家计算服务有限公司
黔ICP备2022005134号-2 |
中华人民共和国增值电信业务经营许可证编号:合字B2-20250467
新人好礼
客服中心