当前位置：首页 > wzjs >正文

合肥的电商网站设计网站建设搭建运营

wzjs 2025/9/8 14:25:10

合肥的电商网站设计,网站建设搭建运营,红孩子网站建设,自助建站系统官网speech_sambert-hifigan_tts_zh-cn_16k的docker部署要部署 iic/speech_sambert-hifigan_tts_zh-cn_16k 模型的 Docker 容器，需要创建一个包含所有依赖的环境并启动服务。以下是完整的部署指南： 1. 创建 Dockerfile 首先创建一个 Dockerfile 来定义容…

speech_sambert-hifigan_tts_zh-cn_16k的docker部署

要部署 iic/speech_sambert-hifigan_tts_zh-cn_16k 模型的 Docker 容器，需要创建一个包含所有依赖的环境并启动服务。以下是完整的部署指南：

1. 创建 Dockerfile

首先创建一个 Dockerfile 来定义容器环境：

dockerfile

# 使用 Python 基础镜像
FROM python:3.9-slim# 设置工作目录
WORKDIR /app# 安装系统依赖
RUN apt-get update && apt-get install -y \build-essential \ffmpeg \&& rm -rf /var/lib/apt/lists/*# 安装 Python 依赖
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt# 复制模型代码和配置
COPY . .# 暴露服务端口
EXPOSE 8000# 启动服务
CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "8000"]

2. 创建 requirements.txt

列出所需的 Python 依赖：

txt

fastapi==0.95.1
uvicorn==0.22.0
modelscope==1.9.5
torch==2.0.1
numpy==1.24.3

3. 创建 API 服务代码 (app.py)

编写一个简单的 FastAPI 服务来处理语音合成请求：

python

运行

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
import uvicorn
import torch
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks# 初始化模型
device = "cuda" if torch.cuda.is_available() else "cpu"
pipe = pipeline(task=Tasks.text_to_speech,model="iic/speech_sambert-hifigan_tts_zh-cn_16k",device=device
)# 创建 FastAPI 应用
app = FastAPI()# 定义请求模型
class TTSRequest(BaseModel):text: strvoice: str = "zhitian_emo"  # 默认音色# 语音合成接口
@app.post("/tts")
async def text_to_speech(request: TTSRequest):try:# 调用模型生成语音result = pipe({"text": request.text,"voice": request.voice})# 返回 Base64 编码的音频return {"output": result["output_wav"],"text": request.text,"voice": request.voice}except Exception as e:raise HTTPException(status_code=500, detail=str(e))if __name__ == "__main__":uvicorn.run(app, host="0.0.0.0", port=8000)

4. 构建 Docker 镜像

在包含上述文件的目录下执行：

bash

docker build -t tts-modelscope .

docker build -t tts-modelscope .

5. 运行 Docker 容器

bash

docker run -d -p 8000:8000 --gpus all tts-modelscope

docker run -p 8000:8000 tts-modelscope

docker run -it --rm tts-modelscope bash

docker run -v D:\Hworkspace\pythonProject\aiagent\ai004_speech_sambert_docker:/app -it --rm tts-modelscope bash

modelscope.hub.errors.NotExistError: The model: iic/speech_sambert-hifigan_tts_zh-cn_16k has no revision: v1.9.5 valid are: [v1.0.2,v1.0.1,v0.1.0,v1.0.0]!

docker run --name my-container -p 8000:8000 my-image:latest

参数说明：
- -d：后台运行容器
- -p 8000:8000：将容器的 8000 端口映射到主机的 8000 端口
- --gpus all：启用 GPU 支持（如果有 GPU）

5.1. 启动命令

uvicorn apdp:app --host 0.0.0.0 --port 8000 --workers 4

uvicorn apdp:app --host 0.0.0.0 --port 8000

docker run nginx

关键说明：

命令格式：直接去掉了原指令中的 JSON 数组格式，保留了命令及其参数的原始顺序
参数解释：
- apdp:app：指定了 Uvicorn 要运行的 ASGI 应用，通常是模块名:应用实例名
- --host 0.0.0.0：让服务器监听所有可用的网络接口
- --port 8000：设置服务器监听的端口为 8000

附加建议：

如果需要在生产环境中运行，建议添加--workers参数以提高并发处理能力：

bash

uvicorn apdp:app --host 0.0.0.0 --port 8000 --workers 4

6. 使用 API

向容器发送请求测试：

import requests
import json
import base64
from io import BytesIO
from scipy.io import wavfile
import sounddevice as sd# API 地址
url = "http://localhost:8000/tts"# 请求数据
payload = {"text": "北京今天天气怎么样","voice": "zhitian_emo"
}# 发送请求
response = requests.post(url, json=payload)
data = response.json()# 播放音频
audio_data = base64.b64decode(data["output"])
with BytesIO(audio_data) as f:samplerate, audio_array = wavfile.read(f)
sd.play(audio_array, samplerate)
sd.wait()