在AutoDL平台部署Linly-Talker (0基础小白超详细教程)

在AutoDL平台部署Linly-Talker 0基础小白超详细教程

快速上手直接使用镜像(以下安装操作全免)

若使用我设定好的镜像，可以直接运行即可，不需要安装环境，直接运行webui.py或者是app_talk.py即可体验，不需要安装任何环境，可直接跳到4.4即可

访问后在自定义设置里面打开端口，默认是6006端口，直接使用运行即可！

python webui.py
python app_talk.py

环境模型都安装好了，直接使用即可，镜像地址在：https://www.codewithgpu.com/i/Kedreamix/Linly-Talker/Kedreamix-Linly-Talker，感谢大家的支持

一、注册AutoDL

AutoDL官网注册账户好并充值，自己选择机器，我觉得如果正常跑一下，5元已经够了

二、创建实例

2.1 登录AutoDL，进入算力市场，选择机器

这一部分实际上我觉得12g都OK的，无非是速度问题而已

2.2 配置基础镜像

选择镜像，最好选择2.0以上可以体验克隆声音功能，其他无所谓

2.3 无卡模式开机

创建成功后为了省钱先关机，然后使用无卡模式开机。无卡模式一个小时只需要0.1元，比较适合部署环境。

三、部署环境

3.1 进入终端

打开jupyterLab，进入数据盘（autodl-tmp），打开终端，将Linly-Talker模型下载到数据盘中。

3.2 下载代码文件

根据Github上的说明，使用命令行下载模型文件和代码文件，利用学术加速会快一点

# 开启学术镜像，更快的clone代码 参考 https://www.autodl.com/docs/network_turbo/
source /etc/network_turbo

cd /root/autodl-tmp/
# 下载代码
git clone https://github.com/Kedreamix/Linly-Talker.git --depth 1

# 取消学术加速
unset http_proxy && unset https_proxy

3.3 下载模型文件

我制作一个脚本可以完成下述所有模型的下载，无需用户过多操作。这种方式适合网络稳定的情况，并且特别适合 Linux 用户。对于 Windows 用户，也可以使用 Git 来下载模型。如果网络环境不稳定，用户可以选择使用手动下载方法，或者尝试运行 Shell 脚本来完成下载。脚本具有以下功能。

选择下载方式: 用户可以选择从三种不同的源下载模型：ModelScope、Huggingface 或 Huggingface 镜像站点。
下载模型: 根据用户的选择，执行相应的下载命令。
移动模型文件: 下载完成后，将模型文件移动到指定的目录。
错误处理: 在每一步操作中加入了错误检查，如果操作失败，脚本会输出错误信息并停止执行。

选择使用modelscope来下载会快一点，不需要开学术加速，记得首先需要先安装modelscope库

# 下载modelscope
pip install modelscope -i https://pypi.tuna.tsinghua.edu.cn/simple
cd /root/autodl-tmp/Linly-Talker
sh scripts/download_models.sh

等待一段时间下载完以后，脚本会自动移动到对应的目录

四、Linly-Talker项目

4.1 环境安装

进入代码路径，进行安装环境，由于选了镜像是含有pytorch的，所以只需要进行安装其他依赖即可，可能需要花一定的时间，建议直接使用安装好的镜像

cd /root/autodl-tmp/Linly-Talker

conda install ffmpeg==4.2.2 # ffmpeg==4.2.2

# 升级pip
python -m pip install --upgrade pip
# 更换 pypi 源加速库的安装
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

pip install tb-nightly -i https://mirrors.aliyun.com/pypi/simple
pip install -r requirements_webui.txt

# 安装有关musetalk依赖
pip install --no-cache-dir -U  openmim
mim install mmengine 
mim install "mmcv>=2.0.1" 
mim install "mmdet>=3.1.0" 
mim install "mmpose>=1.1.0" 

# 安装NeRF-based依赖，可能问题较多，可以先放弃
# 亲测需要有卡开机后再跑这个pytorch3d，需要一定的内存来编译
pip install "git+https://github.com/facebookresearch/pytorch3d.git"

# 若pyaudio出现问题，可安装对应依赖
sudo apt-get update
sudo apt-get install libasound-dev portaudio19-dev libportaudio2 libportaudiocpp0
pip install -r TFG/requirements_nerf.txt

4.2 有卡开机

进入autodl容器实例界面，执行关机操作，然后进行有卡开机，开机后打开jupyterLab。

查看配置

nvidia-smi

4.3 运行网页版对话webui

需要有卡模式开机，执行下边命令，这里面就跟代码是一模一样的了

cd /root/autodl-tmp/Linly-Talker
# 第一次运行可能会下载部分nltk，可以使用一下学术加速
source /etc/network_turbo
python webui.py

4.4 端口映射

这可以直接打开autodl的自定义服务，默认是6006端口，我们已经设置了，所以直接使用即可

另外还有一种端口映射方式，是通过输入ssh账密实现的，步骤是一样的

ssh端口映射工具：windows：https://autodl-public.ks3-cn-beijing.ksyuncs.com/tool/AutoDL-SSH-Tools.zip

4.5 体验Linly-Talker（成功）

点开网页，即可正确执行Linly-Talker，这一部分就跟视频一模一样了

！！！注意：不用了，一定要去控制台=》容器实例，把镜像实例关机，它是按时收费的，不关机会一直扣费的。

建议选北京区的，稍微便宜一些。可以晚上部署，网速快，便宜的GPU也充足。白天部署，北京区的GPU容易没有。