# 问题汇总
目录 - [问题汇总](#问题汇总) - [一、下载问题](#一下载问题) - [1.1 代码下载](#11-代码下载) - [1.2 权重下载](#12-权重下载) - [1.3 网络下载](#13-网络下载) - [1.4 克隆语音 权重](#14-克隆语音-权重) - [二、环境配置问题](#二环境配置问题) - [2.1 GPU环境](#21-gpu环境) - [2.2 CPU环境](#22-cpu环境) - [2.3 显存问题](#23-显存问题) - [三、运行问题](#三运行问题) - [3.1 文件找不到](#31-文件找不到) - [3.2 FFMPEG问题](#32-ffmpeg问题) - [3.3 路径问题](#33-路径问题) - [3.4 GFPGANer is not defined](#34-gfpganer-is-not-defined) - [3.5 Microsoft Visual C++ 14.0 is required](#35-microsoft-visual-c-140-is-required) - [3.6 多个服务器部署](#36-多个服务器部署) - [3.7 GeminiPro的参数proxy代理设置](#37-geminipro的参数proxy代理设置) - [3.8 项目更新方向](#38-项目更新方向) - [3.9 version GLIBCXX\_3.4.\* not found](#39-version-glibcxx_34-not-found) - [3.10 Gradio Connection errored out](#310-gradio-connection-errored-out) - [3.11 gr.Error("无克隆环境或者无克隆模型权重，无法克隆声音", e)](#311-grerror无克隆环境或者无克隆模型权重无法克隆声音-e) - [3.12 OSError: WinError 127 找不到指定的程序](#312-oserror-winerror-127-找不到指定的程序) - [3.13 LLM对话步骤出现错误：“对不起，你的请求出错了，请再次尝试。”](#313-llm对话步骤出现错误对不起你的请求出错了请再次尝试) - [3.14 启动报错 SadTalker Error: invalid load key, 'v'.](#314-启动报错-sadtalker-error-invalid-load-key-v) - [3.15 nltk下载出现问题](#315-nltk下载出现问题) - [四、使用问题](#四使用问题) - [4.1 TTS声音是否可以调整](#41-tts声音是否可以调整) - [4.2 声音克隆操作](#42-声音克隆操作) - [五、功能迭代问题](#五功能迭代问题) - [5.1 LLM大模型更新](#51-llm大模型更新) - [5.2 克隆语音模型替换](#52-克隆语音模型替换) - [5.3 LLM API的使用问题](#53-llm-api的使用问题) - [5.4 Linly-Talker效果问题](#54-linly-talker效果问题) - [六、交流群问题](#六交流群问题)
## 一、下载问题 ### 1.1 代码下载 代码可以从Github下载 [https://github.com/Kedreamix/Linly-Talker](https://github.com/Kedreamix/Linly-Talker)，也可以从Gitee下载 [https://gitee.com/kedreamix/Linly-Talker](https://gitee.com/kedreamix/Linly-Talker) Github会是最新的代码，Gitee会不定时更新 ### 1.2 权重下载 提供以下四种渠道下载权重，具体可看README - [Baidu (百度云盘)](https://pan.baidu.com/s/1eF13O-8wyw4B3MtesctQyg?pwd=linl) (Password: `linl`) - [huggingface](https://huggingface.co/Kedreamix/Linly-Talker) - [modelscope](https://www.modelscope.cn/models/Kedreamix/Linly-Talker/summary) - [Quark(夸克网盘)](https://pan.quark.cn/s/f48f5e35796b) SadTalker的代码可以从 [Baidu (百度云盘)](https://pan.baidu.com/s/1eF13O-8wyw4B3MtesctQyg?pwd=linl) (Password: `linl`) 下载，也可以直接运行shell文件`bash scripts/download_models.sh `运行自动下载所有模型，并且移动到对应的目录（比较适用于Linux）。 Wav2Lip的代码模型也可以从One Drive下载，可以只下载第一个或者第二个： | Model | Description | Link to the model | | ---------------------------- | ----------------------------------------------------- | ------------------------------------------------------------ | | Wav2Lip | Highly accurate lip-sync | [Link](https://iiitaphyd-my.sharepoint.com/:u:/g/personal/radrabha_m_research_iiit_ac_in/Eb3LEzbfuKlJiR600lQWRxgBIY27JZg80f7V9jtMfbNDaQ?e=TBFBVW) | | Wav2Lip + GAN | Slightly inferior lip-sync, but better visual quality | [Link](https://iiitaphyd-my.sharepoint.com/:u:/g/personal/radrabha_m_research_iiit_ac_in/EdjI7bZlgApMqsVoEUUXpLsBxqXbn5z8VTmoxp55YNDcIA?e=n9ljGW) | | Expert Discriminator | Weights of the expert discriminator | [Link](https://iiitaphyd-my.sharepoint.com/:u:/g/personal/radrabha_m_research_iiit_ac_in/EQRvmiZg-HRAjvI6zqN9eTEBP74KefynCwPWVmF57l-AYA?e=ZRPHKP) | | Visual Quality Discriminator | Weights of the visual disc trained in a GAN setup | [Link](https://iiitaphyd-my.sharepoint.com/:u:/g/personal/radrabha_m_research_iiit_ac_in/EQVqH88dTm1HjlK11eNba5gBbn15WMS0B0EZbDBttqrqkg?e=ic0ljo) | GPT-SoVITS的代码模型可以从以下链接下载，具体可看[https://github.com/RVC-Boss/GPT-SoVITS/blob/main/docs/cn/README.md#预训练模型](https://github.com/RVC-Boss/GPT-SoVITS/blob/main/docs/cn/README.md#预训练模型) 从 [GPT-SoVITS Models](https://huggingface.co/lj1995/GPT-SoVITS) 下载预训练模型，并将它们放置在 `GPT_SoVITS\pretrained_models` 中。 中国地区用户可以进入以下链接并点击“下载副本”下载以上两个模型： - [GPT-SoVITS Models](https://www.icloud.com.cn/iclouddrive/056y_Xog_HXpALuVUjscIwTtg#GPT-SoVITS_Models) 以及MuseTalk模型也可以从modelscope中进行下载，建议都使用modelscope下载，国内速度也较快 ```bash python scripts/modelscope_download.py ``` ### 1.3 网络下载 有时候利用代码下载的时候出现网络问题，可能会有网络的问题，比如大模型的`huggingface`下载，我目前已经加上了[Baidu (百度云盘)](https://pan.baidu.com/s/1eF13O-8wyw4B3MtesctQyg?pwd=linl) (Password: `linl`) ，可以考虑下载到本地以后根据文件夹放置，也可以完成对应的功能。 > 如果有什么文件下载有问题，也可以提建议给我，我会上传到百度网盘。 ### 1.4 克隆语音 权重 为了保护用户隐私安全，我并未提供克隆语音的权重，因为这可能涉及版权问题，如果大家感兴趣的话，可以尝试使用相同的方法进行训练或者私聊我，感谢大家的理解 一部分克隆语音和参考音频已经放在了[Quark(夸克网盘)](https://pan.quark.cn/s/f48f5e35796b)，可自取 ## 二、环境配置问题 ### 2.1 GPU环境 我使用的是Pytorch 2.0+的版本，因为语音克隆模型需要比较高版本的pytorch，具体下载的命令可以根据pytorch官网的命令进行设置 [https://pytorch.org/get-started/previous-versions/](https://pytorch.org/get-started/previous-versions/)，建议有时候可以使用anaconda来安装，这样方便管理和安装其他都比较方便 ```bash conda create -n linly python=3.10 conda activate linly # pytorch安装方式1：conda安装 # CUDA 11.7 # conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia # CUDA 11.8 # conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.8 -c pytorch -c nvidia # pytorch安装方式2：pip 安装 # CUDA 11.7 # pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 # CUDA 11.8 pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118 conda install -q ffmpeg # 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" ``` > GPU环境有时候需要配置CUDA，这一部分网上有很多介绍，所以这里我就不多说了。 ### 2.2 CPU环境 可以将GPU替换为CPU，但是这样可能会比较慢，只需要安装pytorch的时候，不安装GPU版本即可，应该也能完成对应的结果，但是可能结果会比较差，因为需要跑大模型等等，所以还是建议GPU环境 ### 2.3 显存问题 暂时以我测试的来说，现在Sadtalker大概默认`Batch Size = 1`，可以选择是否导入大模型，如果不导入大模型，默认的显存大概占2g，加入SadTalker后大概4~6g，所以大概最低为6～8G显存的电脑都能正常部署，这里面针对的是GPU的环境。 若使用MuseTalk的话会占据比较大的显存，建议需要11G的显存去部署，但是如果上传图片的分辨率比较大，可能还是会出现溢出的问题，这里需要注意一下。 ## 三、运行问题 ### 3.1 文件找不到 如果出现`FileNotFound`的问题，如果是权重的问题的话，那就回到1.2的问题，重新下载即可，记住看readme目录尾部文件夹结构。 ### 3.2 FFMPEG问题 如果正常运行在最后的生成视频出现`ffmpeg`的问题，那可能安装`ffmpeg`出错了，有两种方式。 第一种是使用conda安装`ffmpeg`，需要ffmpeg>=4.2.2左右 ```bash conda install -q ffmpeg # ffmpeg==4.2.2 ``` 第二种就是正常安装`ffmpeg` ```bash # Linux下载 sudo apt install ffmpeg ``` 第三种就是Windows安装`ffmpeg` Windows安装下载ffmpeg也是很简单的，我这里给一个链接，大家可以试一下 [Windows下安装使用ffmpeg](https://zhuanlan.zhihu.com/p/118362010)，直接去官网下载即可[https://ffmpeg.org/](https://ffmpeg.org/)。 ### 3.3 路径问题 如果下载的时候没有放对位置，需要在`config.py`设置对应的路径，并且可以修改端口的，默认设置为7860，也可以设置其他的端口，只要不被占用即可。 ### 3.4 GFPGANer is not defined 如果在运行的时候出现了这个问题，这是一个增强的模块，这一部分模块如果需要运行，首先要安装`gfpgan`库即可 ```bash pip install gfpgan ``` ### 3.5 Microsoft Visual C++ 14.0 is required 如果遇到这个问题，是因为window需要一些依赖，可以参考这篇文章解决一下 [Microsoft Visual C++ 14.0 is required解决方法](https://zhuanlan.zhihu.com/p/126669852) ![](https://picx.zhimg.com/80/v2-d25b289827fc989f419df70f650b44e9.png) ### 3.6 多个服务器部署 如果有多台服务器，大模型可以考虑放在另一个服务器中进行部署，我写了FastAPI的版本，可以利用部署api的方式来使用模型。 也可以其实先在本地部署，这样每次运行的时候不用一只load大模型，这样也会等待一段时间。 ### 3.7 GeminiPro的参数proxy代理设置 对于GeminiPro的代理设置`proxy_url`可以传入参数，这个参数我设置是`http://127.0.0.1:7890`。 因为我用的是clash，所以开的端口是7890，这里面也可以换成自己对应的端口进行设置。 ### 3.8 项目更新方向 如果要加入其他的模型的话和方向的话，可以在对应的文件夹`ASR`，`TTS`，`THG`和`LLM`中添加对应的算法，也可以向我提建议，我有时间也会进行更新的，欢迎大家向我提供资料。 > 我会一直保持更新的哈哈，有时候可能要想一些点子做好一点在放上去，也欢迎大家给我提PR，我都会加油的！！！冲冲冲！！！ ### 3.9 version GLIBCXX_3.4.* not found 如果有遇到这样的问题，那可能是一些库的版本的问题，具体可以看，["`GLIBCXX_3.4.32' not found" error at runtime. GCC 13.2.0](https://stackoverflow.com/questions/76974555/glibcxx-3-4-32-not-found-error-at-runtime-gcc-13-2-0) ```bash /lib/libstdc++.so.6: version `GLIBCXX_3.4.32' not found ``` 我这里说一下我发现的问题，大概我发现有两种方式，第一种就是似乎python版本会解决问题，我用3.10居然不会出现错误，3.9出现了错误 第二个解决方法我发现，实际上这个错误是在`pyopenjtalk`/`opencc`库的问题，我们可以降低他的版本即可，比如这样的方法 ```bash pip install pyopenjtalk==0.3.1 pip install opencc==1.1.1 ``` 我们也可以看看自己机器本身含有的GLIBCXX的版本 ```bash strings /usr/lib/x86_64-linux-gnu/libstdc++.so.6 | grep GLIBCXX ``` ### 3.10 Gradio Connection errored out 我还没有遇到这种问题，但是有一些人遇到了，感觉在win上不稳定的多一点，这一部分大家可以提点建议，跟我说一下有没有一些通用的解决方案，因为在网上查找的资料感觉都不是很行 ### 3.11 gr.Error("无克隆环境或者无克隆模型权重，无法克隆声音", e) 这属于功能迭代的问题，也就是克隆环境和克隆模型权重，首先注意按照克隆环境 ```bash pip install VITS/requirements.txt ``` 再根据[4.2 克隆语音模型替换](https://github.com/Kedreamix/Linly-Talker/blob/main/常见问题汇总.md#42-克隆语音模型替换)去修改模型权重即可 ### 3.12 OSError: [WinError 127] 找不到指定的程序 这个错误通常发生在尝试在 Windows 操作系统上运行一个程序或命令时，但是系统找不到指定的可执行文件。一般来说，就是对应库的安装没安装好，可以建议根据出错的库重新安装一遍即可。 ### 3.13 LLM对话步骤出现错误：“对不起，你的请求出错了，请再次尝试。” 大模型兼容出现错误，重新安装对应的库即可解决 ```bash pip install transformers==4.32.0 accelerate tiktoken einops scipy transformers_stream_generator==0.0.4 peft deepspeed ``` ### 3.14 启动报错 SadTalker Error: invalid load key, 'v'. 在启动文件的时候，发现报错，我仔细去找这个问题，最后发现，应该是模型权重的下载有误，特别是关于`mapping`的两个`pth`文件有时候下载的时候没有174MB的内存，理论上大小如下。 ```bash 149M checkpoints/mapping_00109-model.pth.tar 149M checkpoints/mapping_00229-model.pth.tar ``` 所以遇到这个问题，建议重新下载这两个文件即可，提供以下三种渠道下载权重，具体可看`README` - [Baidu (百度云盘)](https://pan.baidu.com/s/1eF13O-8wyw4B3MtesctQyg?pwd=linl) (Password: `linl`) - [huggingface](https://huggingface.co/Kedreamix/Linly-Talker) - [modelscope](https://www.modelscope.cn/models/Kedreamix/Linly-Talker/summary) - [Quark(夸克网盘)](https://pan.quark.cn/s/f48f5e35796b) git lfs clone可能有时候会出bug，那就可以直接下载这两个文件即可，如利用wget下载即可，也可以下载后重新上传到`checkpoints` ```bash wget -c https://modelscope.cn/api/v1/models/Kedreamix/Linly-Talker/repo?Revision=master&FilePath=checkpoints%2Fmapping_00109-model.pth.tar wget -c https://modelscope.cn/api/v1/models/Kedreamix/Linly-Talker/repo?Revision=master&FilePath=checkpoints%2Fmapping_00229-model.pth.tar ``` ### 3.15 nltk下载出现问题 `nltk`自动下载模型的时候会出现一些网络问题，导致无法使用，所以我们可以自己下载`nltk_data`来避免下载问题，首先可以查看`nltk_data`的缓存路径 ```python import nltk print(nltk.data.path) ``` 找到路径以后，将文件放入缓存路径中，如果之前已经有了一些下载缓存，可以进行替换和覆盖，`nltk_data`已放在[Quark(夸克网盘)](https://pan.quark.cn/s/f48f5e35796b)，分别为`corpora`和`taggers` ## 四、使用问题 ### 4.1 TTS声音是否可以调整 Linly-Talker中内置了几种TTS模型，分别是`EdgeTTS`和`PaddleTTS`，`EdgeTTS`的声音会更好一点，并且选择也会更多一点，具体可以从`TTS Method语音方法调节`部分来换声音。 ![TTS声音调整](https://pica.zhimg.com/v2-5c768befccf3e7d7ea055d52398ea8c4.png) 其中有很多声音，包括不同语言的声音，以及台湾的声音等等，在zh-CN开头的声音中，`Xiao`是女生的声音，`Yun`是男生的声音 ![EdgeTTS](https://pic1.zhimg.com/v2-0be853527468de483e5e818b5c64be51.png) 相对而言`PaddleTTS`的功能选择比较少，可以根据自己的兴趣使用 ![PaddleTTS](https://picx.zhimg.com/v2-cc67b4fa7a0c7f2fc94e6031bfdcc93d.png) ### 4.2 声音克隆操作 声音克隆可以参考[https://github.com/RVC-Boss/GPT-SoVITS](https://github.com/RVC-Boss/GPT-SoVITS)的方法进行克隆自己的声音，b站上也有很多教学视频，包括一些公开的权重，我同样也放了一些在夸克网盘上，大家可以自行获取，需要注意的是克隆声音的使用方式 1. 加载模型权重 2. 上传参考音频 3. 识别参考音频文本 4. 输入目标文本，也就是输入问题 5. 生成克隆后的声音 ![克隆声音](https://pica.zhimg.com/v2-a93d3b3ef38d7837be404f3442d1ac93.png) ## 五、功能迭代问题 ### 5.1 LLM大模型更新 如果要加入新的LLM大模型，可以在LLM文件夹加入选择的大模型 我这里给出一个适用于任何大型语言模型（LLM）的中文类模板。这个模板旨在具有灵活性和易于配置，同时为不同的模型提供一致的交互接口。 ```python from transformers import AutoModelForCausalLM, AutoTokenizer class LLMTemplate: def __init__(self, model_name_or_path, mode='offline'): """ 初始化LLM模板 Args: model_name_or_path (str): 模型名称或路径 mode (str, optional): 模式，'offline'表示离线模式，'api'表示使用API模式。默认为'offline'。 """ self.mode = mode # 模型初始化 self.model, self.tokenizer = self.init_model(model_name_or_path) self.history = None def init_model(self, model_name_or_path): """ 初始化语言模型 Args: model_name_or_path (str): 模型名称或路径 Returns: model: 加载的语言模型 tokenizer: 加载的tokenizer """ # TODO: 模型加载 model = AutoModelForCausalLM.from_pretrained(model_name_or_path, device_map="auto", trust_remote_code=True).eval() tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, trust_remote_code=True) return model, tokenizer def generate(self, prompt, system_prompt=""): """ 生成对话响应 Args: prompt (str): 对话的提示 system_prompt (str, optional): 系统提示。默认为""。 Returns: str: 对话响应 """ # TODO: 模型预测 # 这一块需要尤其注意，这里的模板是借鉴了HuggingFace上的一些推理模板，需要根据自己的模型进行调整 # 这里的模板主要是为了方便调试，因为模型预测的时候，会有很多不同的输入，所以可以根据自己的模型进行调整 if self.mode != 'api': try: response, self.history = self.model.chat(self.tokenizer, prompt, history=self.history, system = system_prompt) return response except Exception as e: print(e) return "对不起，你的请求出错了，请再次尝试。\nSorry, your request has encountered an error. Please try again.\n" else: return self.predict_api(prompt) def predict_api(self, prompt): """ 使用API预测对话响应 Args: prompt (str): 对话的提示 Returns: str: 对话响应 """ '''暂时不写api版本,与Linly-api相类似,感兴趣可以实现一下''' pass def chat(self, system_prompt, message): response = self.generate(message, system_prompt) self.history.append((message, response)) return response, self.history def clear_history(self): self.history = [] ``` ### 5.2 克隆语音模型替换 克隆语音模型可以放在`GPT_SoVITS/pretrained_models`文件夹下，这样在WebUI的界面就可以看到指定模型进行修改了，非常方便 ![](docs/WebUI3.png) ### 5.3 LLM API的使用问题 我们是可以使用市面上的LLM的API的，需要修改LLM下的文件，我这里以ChatGPT为例，我们可以写完`generate`函数和`chat`函数即可，然后再对`__init__.py`的选择进行修改即可 ```bash ''' pip install openai ''' import os import openai class ChatGPT: def __init__(self, model_path='gpt-3.5-turbo', api_key=None, proxy_url=None, prefix_prompt='请用少于25个字回答以下问题\n\n'): if proxy_url: os.environ['https_proxy'] = proxy_url os.environ['http_proxy'] = proxy_url openai.api_key = api_key self.model_path = model_path self.prefix_prompt = prefix_prompt self.history = [] def generate(self, message, system_prompt="You are a helpful assistant."): self.history.append({"role": "user", "content": self.prefix_prompt + message}) messages = [] if system_prompt: messages.append({"role": "system", "content": system_prompt}) messages.extend(self.history) try: response = openai.ChatCompletion.create( model=self.model_path, messages=messages ) answer = response['choices'][0]['message']['content'] if 'sorry' in answer.lower(): return '对不起，你的请求出错了，请再次尝试。\nSorry, your request has encountered an error. Please try again.\n' return answer except Exception as e: print(e) return '对不起，你的请求出错了，请再次尝试。\nSorry, your request has encountered an error. Please try again.\n' def chat(self, system_prompt="You are a helpful assistant.", message=""): response = self.generate(message, system_prompt) self.history.append({"role": "assistant", "content": response}) return response, self.history def clear_history(self): self.history = [] if __name__ == '__main__': API_KEY = '******' # 替换为你的API密钥 llm = ChatGPT(model_path='gpt-3.5-turbo', api_key=API_KEY, proxy_url=None) answer, history = llm.chat(message="如何应对压力？") print(answer) from time import sleep sleep(5) # 模拟对话中的延迟 answer, history = llm.chat(message="能不能更加详细一点呢") print(answer) ``` ### 5.4 Linly-Talker效果问题 Linly-Talker的效果当然存在一些问题，后续也会不断的更新和改进，也欢迎大家提出意见，我会努力改善，大家发现的bug也会及时解决和回复的 ## 六、交流群问题 已经搞了一个WeChat，大家可以交流学习 大家有什么想法可以在视频下方留言或者私信我，我都会看的，如果交流群过期了，可以加我wx：`pikachu2biubiu` 由于交流群人数满200人，所以需要我拉人，所以大家可以加我以后拉群，感谢关注！