Linly-Talker容器构建

一、模子介绍

Linly-Talker 是一款集成了多种人工智能技能的数字人对话体系，它通过多模子集成、多轮对话能力、语音克隆技能、实时互动和视觉加强，为用户提供了一种全新的交互体验。
二、特点

智能和个性化 ：体系不但能够理解并生成自然语言，还能克隆用户声音，实现个性化对话。
广泛应用场景 ：支持多种语言，注重隐私保护，并可应用于教诲、娱乐、客服等多个场景。
视觉加强 ：Linly-Talker 通过数字人生成等技能， 能够生成逼真的数字人形象，提供更加沉醉式的体验。这种视觉加强技能不但丰富了用户的视觉体验，也在视觉上强化了交换的真实感。
开源与免费 ：Linly-Talker 是一个开源项目，任何人都可以访问其源代码并自由使用。
三、构建过程

（1）更新基础软件包：

1. apt-get update
3. apt-get install -y wget unzip lsof net-tools openssh-server git git-lfs gcc cmake build-essential

复制代码

（2）安装GPU依靠：CUDA

• 下载 CUDA Toolkit 的密钥环
  
  
  
  • 使用 wget 工具从 NVIDIA 官方下载 CUDA Toolkit 的 GPG 密钥环。这个密钥环用于在安装过程中验证 CUDA 包的签名。
    
  
  
• 安装 CUDA Toolkit 的密钥环
  
  
  
  • 使用 dpkg 工具安装下载的密钥环 .deb 文件。这确保了体系可以验证 CUDA 包的真实性。
    
  
  
• 更新当地包索引
  
  
  
  • 使用 apt-get update 下令更新当地的软件包索引，确保安装时使用的是最新的包信息。
    
  
  
• 安装 CUDA Toolkit
  
  
  
  • 使用 apt-get install 下令安装 CUDA Toolkit 12.1。-y 选项自动接受所有提示，无需手动确认。
    以下是具体的下令：
    
  
  

1. wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb
3. dpkg -i cuda-keyring_1.0-1_all.deb
5. apt-get update
7. apt-get -y install cuda-toolkit-12-1

复制代码

• 配置体系环境
  

1. export PATH=/usr/local/cuda/bin:$PATH
2. export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
3. source ~/.bashrc

复制代码

（3）安装Miniconda：

• 下载 Miniconda 安装脚本：
  
  
  
  • 使用 wget 下令从 Anaconda 的官方堆栈下载 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 下令运行下载的 Miniconda 安装脚本。这将启动 Miniconda 的安装过程。
    
  
  

1. # 下载 Miniconda 安装脚本
2. wget https://repo.anaconda.com/miniconda/Miniconda3-py310_22.11.1-1-Linux-x86_64.sh
4. # 运行 Miniconda 安装脚本
5. bash Miniconda3-py310_22.11.1-1-Linux-x86_64.sh
7. # 初次安装需要激活base环境
8. conda init bash
9. source ~/.bashrc

复制代码

• 注意事项：
  

• 请确保您的体系是 Linux x86_64 架构，由于下载的 Miniconda 版本是为该架构设计的。
  
• 在运行安装脚本之前，您大概必要使用 chmod +x Miniconda3-py310_22.11.1-1-Linux-x86_64.sh 下令给予脚本实行权限。
  
• 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 下令来管理 Python 环境和包。
  

如果链接无法访问或分析失败，大概是由于网络问题或链接自己的问题。请查抄网络连接，并确保链接是最新的和有用的。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 堆栈克隆项目：

• 克隆存储库：
  
  
  
  • git clone https://github.com/Kedreamix/Linly-Talker.git --depth 1
    
  • 这个下令使用 git clone 从指定的 GitHub 地址克隆 "Linly-Talker" 项目。--depth 1 参数告诉 Git 只下载最新的汗青记载，这镌汰了必要下载的数据量，使得克隆过程更快。如果没有 --depth 参数，默认环境下 Git 会克隆整个项目的所有提交汗青。
    
  
  
• 切换目次：
  
  
  
  • cd Linly-Talker
    
  • 这个下令使用 cd（change directory）下令切换当前工作目次到刚才克隆的 "Linly-Talker" 目次中。这意味着接下来实行的所有下令都是在该项目目次下实行。
    
  
  

1. # 克隆 Linly-Talker 项目，只包含最新的提交历史
2. git clone https://github.com/Kedreamix/Linly-Talker.git --depth 1
4. # 切换到克隆的项目目录中
5. cd Linly-Talker

复制代码

请注意，如果 https://github.com/Kedreamix/Linly-Talker.git 这个链接不存在或者无效，git clone 下令将不会成功克隆项目，并且会报错。请确保链接是有用的，并且您有富足的权限访问该存储库。
（5）创建虚拟环境

1. # 升级 pip
2. python -m pip install --upgrade pip
4. # 更换 pypi 源加速库的安装
5. pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
7. # 创建一个名为 linly_talker 的新虚拟环境，并指定 Python 版本为 3.10.8
8. conda create -n linly_talker python=3.10.8
9. # 激活新创建的虚拟环境
10. conda activate linly_talker

复制代码

（6）下载预练习模子：

• 切换目次：
  
  
  
  • cd /Linly-Talker
    
  • 这个下令用于切换当前工作目次到 /Linly-Talker。这通常是一个项目的根目次，其中包含了项目的所有文件和子目次。
    
  
  
• 安装 Python 包：
  
  
  
  • pip install modelscope -i https://pypi.tuna.tsinghua.edu.cn/simple
    
  • 这个下令使用 pip 工具安装名为 modelscope 的 Python 包。-i 参数指定了包的安装源为清华大学 TUNA 镜像站的 Python 包索引。使用镜像站可以加快下载速度并镌汰网络延迟。
    
  
  
• 实行脚本：
  
  
  
  • sh scripts/download_models.sh
    
  • 这个下令实行位于 scripts 目次下的 download_models.sh 脚本文件。通常，这类脚本文件用于自动化下载或处置惩罚项目所需的数据、模子或其他资源。
    
  
  

1. # 切换到 Linly-Talker 项目的根目录
2. cd /Linly-Talker
4. # 使用清华大学 TUNA 镜像站作为源，安装 modelscope 包
5. pip install modelscope -i https://pypi.tuna.tsinghua.edu.cn/simple
7. # 执行下载模型的脚本
8. sh scripts/download_models.sh

复制代码

（7）安装模子依靠库：

• 切换到项目目次
  

1. # 切换到项目工作目录
2. cd /Linly-Talker

复制代码

• 安装pytorch
  1. conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

  复制代码
• 安装FFmpeg
  

1. # 在base环境中安装特定版本的FFmpeg
2. conda install ffmpeg==4.2.2

复制代码

• 安装curl_cffi
  

1. # 安装curl_cffi
2. pip install curl_cffi

复制代码

• 安装TensorBoard nightly版本
  

1. # 安装TensorBoard的nightly版本，使用阿里云的PyPI镜像源
2. pip install tb-nightly -i https://mirrors.aliyun.com/pypi/simple

复制代码

• 安装WebUI依靠
  

1. # 安装WebUI界面所需的Python依赖库
2. pip install -r requirements_webui.txt

复制代码

• 安装OpenMIM
  

1. # 安装OpenMIM，一个用于管理模型和依赖的工具
2. pip install --no-cache-dir -U openmim

复制代码

• 安装MMEngine
  

1. # 安装MMEngine，一个通用的深度学习训练框架
2. mim install mmengine

复制代码

• 安装MMCV
  

1. # 安装MMCV（MegEngine Model Center Vision），至少2.0.1版本
2. mim install "mmcv>=2.0.1"

复制代码

• 安装MMDetection
  

1. # 安装MMDetection，至少3.1.0版本的目标检测框架
2. mim install "mmdet>=3.1.0"

复制代码

• 安装MMPose
  

1. # 安装MMPose，至少1.1.0版本的人体姿态估计框架
2. mim install "mmpose>=1.1.0"

复制代码

• 安装PyTorch3D
  

1. # 安装PyTorch3D，直接从GitHub仓库安装
2. pip install "git+https://github.com/facebookresearch/pytorch3d.git"

复制代码

• 安装音频处置惩罚依靠
  

1. # 更新APT包索引并安装音频处理相关的系统库
2. apt-get update
3. apt-get install libasound-dev portaudio19-dev libportaudio2 libportaudiocpp0

复制代码

• 安装NeRF相关依靠
  

1. # 安装NeRF-based项目所需的Python依赖库
2. pip install -r TFG/requirements_nerf.txt

复制代码

（8）运行项目

1. cd /Linly-Talker
2. python webui.py

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。