Linly-Dubbing部署文档

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。

二、大模型 Linly-Dubbing 部署过程：

基础环境最低要求说明：

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

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。

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

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

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。

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

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

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。

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

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

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）

输入yes

输入yes

安装成功如下图所示

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

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

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

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

依赖安装成功如下图所示：

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：

模型下载完成的截图：

8. 运行 app.py 文件

# 运行 webui.py 文件python webui.py

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

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

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。

第一次使用需要等待以下参数下载完成

资源下载：
下载地址： http://yemao.in/life?utm_source=sishubiji&utm_term=Linly-Dubbing部署文档