阅读量:0
阿里声音项目Qwen2-Audio的部署安装，在服务器Ubuntu22.04系统——点动科技
一、ubuntu22.04基本环境配置
1.1 更换清华Ubuntu镜像源
- 删除原来的文件
rm /etc/apt/sources.list - 开始编辑新文件
vim /etc/apt/sources.list - 先按i键，粘贴以下内容
# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释 deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse # 以下安全更新软件源包含了官方源与镜像站配置，如有需要可自行修改注释切换 deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse 
确保内容跟上述图片一致
按esc键，再输入冒号+wq保存
1.2 更新包列表：
- 打开终端，输入以下命令：
sudo apt-get update sudo apt upgrade - 更新时间较长，请耐心等待
2. 安装英伟达显卡驱动
2.1 使用wget在命令行下载驱动包
wget https://cn.download.nvidia.com/XFree86/Linux-x86_64/550.100/NVIDIA-Linux-x86_64-550.100.run 
2.2 更新软件列表和安装必要软件、依赖
sudo apt-get install g++ 
点击回车enter即可
sudo apt-get install gcc 
sudo apt-get install make 
点击回车enter即可
成功安装
2.2 卸载原有驱动
sudo apt-get remove --purge nvidia* 
- 1.使用vim修改配置文件
sudo vim /etc/modprobe.d/blacklist.conf - 2.按i键进入编辑模式,在文件尾增加两行：
blacklist nouveau options nouveau modeset=0 
3.按esc键退出编辑模式,输入:wq保存并退出
4.更新文件
sudo update-initramfs -u 这里等待时间较久
- 5.重启电脑：
sudo reboot 这里需要等一会才能连上
2.3 安装驱动
- 1.授予执行权限
sudo chmod 777 NVIDIA-Linux-x86_64-550.100.run - 2.执行安装命令
sudo ./NVIDIA-Linux-x86_64-550.100.run 
这里一直按回车就行，默认选择
一直按回车enter键，直到安装成功
- 3.检测显卡驱动是否安装成功
nvidia-smi 
2.4 安装CUDA
wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run 
执行安装命令
sudo sh ./cuda_12.4.0_550.54.14_linux.run - 1.输出accept开始安装
- 2.然后注意这里要按enter取消勾选第一个选项,因为之前已经安装了驱动
- 3.接着选择Install开始安装
- 4.安装完成
2.5 环境变量配置
- 1.以vim方式打开配置文件
sudo vim ~/.bashrc - 2.按i键进入编辑模式,在文件尾增加下面内容：
export PATH="/usr/local/cuda-12.4/bin:$PATH" export LD_LIBRARY_PATH="/usr/local/cuda-12.4/lib64:$LD_LIBRARY_PATH" 
按esc键退出编辑模式,输入:wq保存并退出
3.更新环境变量
source ~/.bashrc - 4.检测CUDA是否安装成功
nvcc -V 
二、安装miniconda环境
1. 下载miniconda3
wget https://mirrors.cqupt.edu.cn/anaconda/miniconda/Miniconda3-py310_23.10.0-1-Linux-x86_64.sh 
2. 安装miniconda3
bash Miniconda3-py310_23.10.0-1-Linux-x86_64.sh -u 
直接一直enter键，到输入路径和yes
这边建议路径为：miniconda3
直接回车enter即可，再次输入yes
成功安装
3. 切换到bin文件夹
cd miniconda3/bin/ 4. 输入pwd获取路径
pwd 复制这里的路径
5. 打开用户环境编辑页面
vim ~/.bashrc - 点击键盘I键进入编辑模式，在最下方输入以下代码
export PATH="/root/miniconda3/bin:$PATH" 
按esc键退出编辑模式,输入:wq保存并退出
6. 重新加载用户环境变量
source ~/.bashrc 
7. 初始化conda
conda init bash 
8.验证是否安装成功
conda -V 
9.conda配置
1.配置清华镜像源
代码如下：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ 
- 2.设置搜索时显示通道地址
conda config --set show_channel_urls yes 
- 3.配置pip 镜像源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple 
三、安装Qwen2-Audio
1.克隆仓库
1.1 github克隆
git clone https://github.com/QwenLM/Qwen2-Audio.git 1.2 国内github镜像克隆
git clone https://mirror.ghproxy.com/https://github.com/QwenLM/Qwen2-Audio.git 1.3. 进入目录
cd Qwen2-Audio/ 2.创建虚拟环境
conda create -n qwen2 python=3.10 
- 输入y回车即可
2.1 进入虚拟环境
conda activate qwen2 
3. 安装依赖
3.1设置清华源、更新pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple python -m pip install --upgrade pip 3.2安装torch 12.4cuda版本
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124 
3.3安装依赖文件
cd demo pip install -r requirements_web_demo.txt 3.4安装webui界面及其他未安装依赖
pip install librosa pip install --upgrade "accelerate>=0.21.0" pip install django pip install git+https://mirror.ghproxy.com/https://github.com/huggingface/transformers 3.5安装魔搭库准备下载模型文件：
pip install modelscope 3.6下载相关模型
cd .. modelscope download --model qwen/qwen2-audio-7b-instruct --local_dir './Qwen/Qwen2-Audio-7B-Instruct' 3.7执行代码，启动webui界面
- 改端口
vim demo/web_demo_audio.py 按i进行编辑，完成后再按esc，冒号，wq退出
- 成功进入
3.8加入声音驱动，实现真正的语音聊天
cd demo - 创建一个新的webui界面的文件
touch test_audio.py vim test_audio.py 输入以下内容
import gradio as gr import modelscope_studio as mgr import librosa from transformers import AutoProcessor, Qwen2AudioForConditionalGeneration from argparse import ArgumentParser import requests import os from django.http import HttpResponse # 默认的模型检查点路径 DEFAULT_CKPT_PATH = 'Qwen/Qwen2-Audio-7B-Instruct' def text_to_speech(text2): data = { "text": text2, "text_language": "zh", } # 注意 URL 中的单引号应该是 URL 的一部分，需要正确转义 response = requests.post('http://服务器IP:端口', json=data) if response.status_code == 200: audio_file_path = "/root/project/Qwen2-Audio/demo/output.mp3" with open(audio_file_path, "wb") as f: f.write(response.content) return audio_file_path else: print(f"错误：请求失败，状态码为 {response.status_code}") return None def _get_args(): """ 解析命令行参数，获取运行配置。 返回: argparse.Namespace: 包含命令行参数的命名空间对象。 """ parser = ArgumentParser() parser.add_argument("-c", "--checkpoint-path", type=str, default=DEFAULT_CKPT_PATH, help="Checkpoint name or path, default to %(default)r") # 模型检查点路径 parser.add_argument("--cpu-only", action="store_true", help="Run demo with CPU only") # 是否仅使用CPU parser.add_argument("--inbrowser", action="store_true", default=False, help="Automatically launch the interface in a new tab on the default browser.") # 是否在浏览器中自动打开界面 parser.add_argument("--server-port", type=int, default=15110, help="Demo server port.") # 指定服务器端口 parser.add_argument("--server-name", type=str, default="0.0.0.0", help="Demo server name.") # 指定服务器名称 args = parser.parse_args() return args def add_text(chatbot, task_history, input): """ 将用户输入的文本内容添加到聊天记录中，并更新聊天机器人界面。 参数: chatbot (gr.components.Chatbot): 聊天机器人组件。 task_history (list): 任务历史记录。 input (gr.inputs): 用户输入内容。 返回: tuple: 更新后的聊天机器人界面和任务历史记录，以及重置后的用户输入框。 """ text_content = input.text # 获取文本输入内容 content = [] if len(input.files) > 0: # 如果用户上传了音频文件 for i in input.files: content.append({'type': 'audio', 'audio_url': i.path}) # 将音频文件添加到内容列表中 if text_content: # 如果用户输入了文本 content.append({'type': 'text', 'text': text_content}) # 将文本内容添加到内容列表中 task_history.append({"role": "user", "content": content}) # 更新任务历史记录 # 更新聊天机器人界面，添加用户输入 chatbot.append([{ "text": input.text, "files": input.files, }, None]) return chatbot, task_history, None ''' def add_file(chatbot, task_history, audio_file_path): """ 将音频文件添加到聊天记录中。 参数: chatbot (gr.components.Chatbot): 聊天机器人组件。 task_history (list): 任务历史记录。 audio_file_path (str): 音频文件的路径。 返回: tuple: 更新后的聊天机器人界面和任务历史记录。 """ # 确保任务历史记录中的音频条目是正确的格式 task_history.append({"role": "user", "content": [{"type": "audio", "audio_url": audio_file_path}]}) # 更新聊天记录，直接使用 audio_file_path 而不是 gr.Audio 组件 chatbot.append((None, {"type": "audio", "audio_url": audio_file_path})) return chatbot, task_history ''' import os def add_file(chatbot, task_history, audio_path): if not os.path.isfile(audio_path): print(f"Error: The file {audio_path} does not exist.") return chatbot, task_history # 将音频文件信息添加到任务历史 task_history.append({ "role": "user", "content": [{"type": "audio", "audio_url": audio_path}] }) # 假设 chatbot 组件可以接受字典格式的输入 chatbot_state = [{ "text": f"[Audio file: {os.path.basename(audio_path)}]", "files": [audio_path] # 直接使用文件路径而不是 gr.File }, None] chatbot.append(chatbot_state) # 更新 chatbot 状态 return chatbot, task_history def reset_user_input(): """ 重置用户输入字段。 返回: gr.update: 将文本框的值重置为空。 """ return gr.Textbox.update(value='') def reset_state(task_history): """ 重置聊天记录和任务历史。 参数: task_history (list): 当前的任务历史记录。 返回: tuple: 清空的聊天记录和任务历史。 """ return [], [] def regenerate(chatbot, task_history): """ 重新生成最后的机器人响应。 参数: chatbot (gr.components.Chatbot): 聊天机器人组件。 task_history (list): 任务历史记录。 返回: tuple: 更新后的聊天机器人界面和任务历史记录。 """ # 如果最后一条消息是助手生成的，则移除它 if task_history and task_history[-1]['role'] == 'assistant': task_history.pop() chatbot.pop() # 如果任务历史记录不为空，重新生成响应 if task_history: chatbot, task_history = predict(chatbot, task_history) return chatbot, task_history def predict(chatbot, task_history): """ 根据当前任务历史记录生成模型响应，并将响应转换为音频文件添加到聊天记录中。 参数: chatbot (gr.components.Chatbot): 聊天机器人组件。 task_history (list): 任务历史记录。 返回: tuple: 更新后的聊天机器人界面和任务历史记录。 """ print(f"{task_history=}") print(f"{chatbot=}") # 使用处理器将任务历史记录格式化为模型输入 text = processor.apply_chat_template(task_history, add_generation_prompt=True, tokenize=False) audios = [] # 遍历任务历史，查找音频内容并加载 for message in task_history: if isinstance(message["content"], list): for ele in message["content"]: if ele["type"] == "audio": audios.append( librosa.load(ele['audio_url'], sr=processor.feature_extractor.sampling_rate)[0] ) if len(audios) == 0: # 如果没有音频，则设置为 None audios = None print(f"{text=}") print(f"{audios=}") # 使用处理器生成模型输入 inputs = processor(text=text, audios=audios, return_tensors="pt", padding=True) if not _get_args().cpu_only: # 如果支持 GPU，则将输入数据移动到 CUDA 设备 inputs["input_ids"] = inputs.input_ids.to("cuda") # 生成响应 generate_ids = model.generate(**inputs, max_length=256) generate_ids = generate_ids[:, inputs.input_ids.size(1):] # 解码生成的文本响应 # 假设其他参数已经正确设置 response = processor.batch_decode(generate_ids, skip_special_tokens=True)[0] task_history.append({'role': 'assistant', 'content': response}) chatbot.append((None, response)) # 添加文本响应 # 将文本响应转换为语音 audio_file_path = text_to_speech(response) if audio_file_path: chatbot, task_history = add_file(chatbot, task_history, audio_file_path) return chatbot, task_history def _launch_demo(args): """ 启动Gradio的Web用户界面，展示Qwen2-Audio-Instruct模型的聊天功能。 参数: args (argparse.Namespace): 从命令行解析的参数。 """ with gr.Blocks() as demo: # 添加页面标题和描述 gr.Markdown( """<p align="center"><img src="https://qianwen-res.oss-cn-beijing.aliyuncs.com/assets/blog/qwenaudio/qwen2audio_logo.png" style="height: 80px"/><p>""") gr.Markdown("""<center><font size=8>Qwen2-Audio-Instruct Bot</center>""") gr.Markdown( """\ <center><font size=3>This WebUI is based on Qwen2-Audio-Instruct, developed by Alibaba Cloud. \ (本WebUI基于Qwen2-Audio-Instruct打造，实现聊天机器人功能。)</center>""") gr.Markdown("""\ <center><font size=4>Qwen2-Audio <a href="https://modelscope.cn/models/qwen/Qwen2-Audio-7B">🤖 </a> | <a href="https://huggingface.co/Qwen/Qwen2-Audio-7B">🤗</a>  ｜ Qwen2-Audio-Instruct <a href="https://modelscope.cn/models/qwen/Qwen2-Audio-7B-Instruct">🤖 </a> | <a href="https://huggingface.co/Qwen/Qwen2-Audio-7B-Instruct">🤗</a>  ｜  <a href="https://github.com/QwenLM/Qwen2-Audio">Github</a></center>""") # 创建聊天机器人组件 chatbot = mgr.Chatbot(label='Qwen2-Audio-7B-Instruct', elem_classes="control-height", height=750) # 创建用户输入组件，支持文本、麦克风和文件上传 user_input = mgr.MultimodalInput( interactive=True, sources=['microphone', 'upload'], submit_button_props=dict(value="🚀 Submit (发送)"), upload_button_props=dict(value="📁 Upload (上传文件)", show_progress=True), ) task_history = gr.State([]) # 初始化任务历史状态 with gr.Row(): # 创建清除历史和重试按钮 empty_bin = gr.Button("🧹 Clear History (清除历史)") regen_btn = gr.Button("🤔️ Regenerate (重试)") # 当用户提交输入时，调用add_text函数，然后调用predict函数生成响应 user_input.submit(fn=add_text, inputs=[chatbot, task_history, user_input], outputs=[chatbot, task_history, user_input]).then( predict, [chatbot, task_history], [chatbot, task_history], show_progress=True ) # 清除历史按钮的点击事件处理，重置聊天记录和任务历史 empty_bin.click(reset_state, outputs=[chatbot, task_history], show_progress=True) # 重试按钮的点击事件处理，重新生成最后的响应 regen_btn.click(regenerate, [chatbot, task_history], [chatbot, task_history], show_progress=True) # 启动Gradio界面 demo.queue().launch( share=False, # 不共享URL inbrowser=args.inbrowser, # 是否自动在浏览器中打开 server_port=args.server_port, # 指定服务器端口 server_name=args.server_name, # 指定服务器名称 ssl_certfile="/root/project/cert.pem", ssl_keyfile="/root/project/key.pem", ssl_verify=False ) if __name__ == "__main__": args = _get_args() # 获取命令行参数 if args.cpu_only: device_map = "cpu" # 如果指定了仅使用CPU，设置设备映射为CPU else: device_map = "auto" # 否则自动选择设备 # 加载模型 model = Qwen2AudioForConditionalGeneration.from_pretrained( args.checkpoint_path, torch_dtype="auto", # 自动选择数据类型 device_map=device_map, # 设置设备映射 resume_download=True, # 断点续传 ).eval() model.generation_config.max_new_tokens = 2048 # 设置最大生成token数，用于长对话 print("generation_config", model.generation_config) processor = AutoProcessor.from_pretrained(args.checkpoint_path, resume_download=True) # 加载处理器 _launch_demo(args) # 启动演示界面 - 运行上面代码之前先到4.1配置ssl
四、成功实现语音交互
4.1 找不到录音机问题
- 创建ssl
openssl req -x509 -newkey rsa:4096 -keyout key.pem -out cert.pem -sha256 -days 365 -nodes 一直按enter键默认选择即可
- 修改launch
vim demo/web_demo_audio.py 加入ssl参数，注意替换路径
demo.queue().launch( share=False, # 不共享URL inbrowser=args.inbrowser, # 是否自动在浏览器中打开 server_port=args.server_port, # 指定服务器端口 server_name=args.server_name, # 指定服务器名称 ssl_certfile="/root/project/cert.pem", ssl_keyfile="/root/project/key.pem", ssl_verify=False ) 
- 注意用https访问
https://服务器ip:端口 