如果你是一个创作者，你一定知道，文字虽然能够表达很多东西，但有时候，声音更能触动人心。想象一下，你正在制作一个视频，却找不到合适的配音演员。不用担心，今天要为大家介绍的MaskGCT-TTS，能够让你的文字瞬间变成生动的声音，而且你可以自由地调整声音的风格、语调和情感。

MaskGCT-TTS是由香港中文大学（深圳）和趣丸科技联合开发的一个零样本的文本转语音模型，这意味着你不需要大量的语音数据来训练它，它能够直接从文字生成高质量的声音。无论是模仿名人的声音，还是创造一个全新的角色，MaskGCT-TTS都能轻松实现。它不仅支持多种语言，还能让你在不同的语言之间轻松切换，让你的项目更加国际化。

在对100K小时的自然语音进行测试的实验中表明，MaskGCT 在质量、相似度和清晰度方面优于目前最先进的零样本 TTS 系统。

小编为大家提供了一键使用和本地部署两种教程，教你如何将MaskGCT-TTS部署到你的项目中。从基础开始，一步步教你如何安装、配置这个模型，让你的文字变得有声有色。无论你是技术小白，还是资深开发者，这篇文章都能帮助你快速上手！

一、一键使用

本镜像带开机自启动功能，直接开机开放端口，然后访问网址即可。

程序一键启动、停止、重启的方法以及手动启动 Web 页面的方法见文档最后。

基础环境最低要求说明：

（1）根据需求选择主机和镜像，进行一键创建实例

在租用实例页面，通过一键使用进入应用社区

搜索并选择 MaskGCT-TTS 大模型

选择 RTX 4090 GPU，进行创建实例

（2）获取端口号

第一次使用需要进行实名认证（通过实名认证可跳过此步骤）

实名认证之后进行开放对外端口

获取访问地址

（3）进入 web 页面

将获取到的链接复制到本地浏览器：

# 比如当前获取的地址如下：
http://xn-a.suanjiayun.com:56699

（4）程序一键启动、停止、重启的方法

在项目实例页面，点击 WebSSH

进入 WebSSH 页面，运行后续的功能代码

使用./sj-run.sh -h 可以查看程序的启动、停止和重启参数；

./sj-run.sh -h

使用./sj-run.sh -s 可以启动程序，如果8080端口已有程序在运行，可以选择是否继续启动其他端口。

./sj-run.sh -s

使用./sj-run.sh -t 可以停止程序；

./sj-run.sh -t

使用./sj-run.sh -r 可以重启程序；

./sj-run.sh -r

（5）手动启动 web 页面的方法

先使用./sj-run.sh -t 可以停止程序：

./sj-run.sh -t

再使用命令启动 web 页面：

# 切换到 Amphion项目工作目录
cd /Amphion


# 激活 maskgct 虚拟环境
conda activate maskgct


# 设置 Hugging Face 的加速服务端点，以使用镜像地址进行更快的下载和请求处理
export HF_ENDPOINT=https://hf-mirror.com


# 设置 Gradio 服务器名称和端口
export GRADIO_SERVER_NAME=0.0.0.0
export GRADIO_SERVER_PORT=8080


# 运行 gradio_demo.py 文件
python -m models.tts.maskgct.gradio_demo

以上就是在算家云平台的一键使用教程，如果有小伙伴需要要本地部署，那下面就是详细的本地部署教程，一起看看吧~

二、本地部署

基础环境最低要求说明：

（1）更新基础软件包

查看系统版本信息

# 查看系统版本信息，包括ID（如ubuntu、centos等）、版本号、名称、版本号ID等
cat /etc/os-release

配置 apt 国内源

# 更新软件包列表
apt-get update

这个命令用于更新本地软件包索引。它会从所有配置的源中检索最新的软件包列表信息，但不会安装或升级任何软件包。这是安装新软件包或进行软件包升级之前的推荐步骤，因为它确保了您获取的是最新版本的软件包。

# 安装 Vim 编辑器
apt-get install -y vim

这个命令用于安装 Vim 文本编辑器。-y 选项表示自动回答所有的提示为“是”，这样在安装过程中就不需要手动确认。Vim 是一个非常强大的文本编辑器，广泛用于编程和配置文件的编辑。

为了安全起见，先备份当前的 sources.list 文件之后，再进行修改：

# 备份现有的软件源列表
cp /etc/apt/sources.list /etc/apt/sources.list.bak

这个命令将当前的 sources.list 文件复制为一个名为 sources.list.bak 的备份文件。这是一个好习惯，因为编辑 sources.list 文件时可能会出错，导致无法安装或更新软件包。有了备份，如果出现问题，您可以轻松地恢复原始的文件。

# 编辑软件源列表文件
vim /etc/apt/sources.list

这个命令使用 Vim 编辑器打开 sources.list 文件，以便您可以编辑它。这个文件包含了 APT（Advanced Package Tool）用于安装和更新软件包的软件源列表。通过编辑这个文件，您可以添加新的软件源、更改现有软件源的优先级或禁用某些软件源。

在 Vim 中，您可以使用方向键来移动光标，i 键进入插入模式（可以开始编辑文本），Esc 键退出插入模式，:wq 命令保存更改并退出 Vim，或 :q! 命令不保存更改并退出 Vim。

编辑 sources.list 文件时，请确保您了解自己在做什么，特别是如果您正在添加新的软件源。错误的源可能会导致软件包安装失败或系统安全问题。如果您不确定，最好先搜索并找到可靠的源信息，或者咨询有经验的 Linux 用户。

使用 Vim 编辑器打开 sources.list 文件，复制以下代码替换 sources.list里面的全部代码，配置 apt 国内阿里源。

deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse

安装常用软件和工具

# 更新源列表，输入以下命令：
apt-get update


# 更新系统软件包，输入以下命令：
apt-get upgrade


# 安装常用软件和工具，输入以下命令：
apt-get -y install vim wget git git-lfs unzip lsof net-tools gcc cmake build-essential

出现以下页面，说明国内apt源已替换成功，且能正常安装apt软件和工具

（2）安装 NVIDIA CUDA Toolkit 12.1

• 下载 CUDA Keyring ：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb

这个命令用于下载 CUDA 的 GPG 密钥环，它用于验证 CUDA 软件包的签名。这是确保软件包安全性的一个重要步骤。

• 安装 CUDA Keyring ：

dpkg -i cuda-keyring_1.0-1_all.deb

使用 dpkg 安装下载的密钥环。这是必要的，以便 apt 能够验证从 NVIDIA 仓库下载的软件包的签名。

• 删除旧的 apt 密钥（如果必要） ：

apt-key del 7fa2af80

这一步可能不是必需的，除非您知道 7fa2af80 是与 CUDA 相关的旧密钥，并且您想从系统中删除它以避免混淆。通常情况下，如果您只是安装 CUDA 并使用 NVIDIA 提供的最新密钥环，这一步可以跳过。

• 更新 apt 包列表 ：

apt-get update

更新 apt 的软件包列表，以便包括刚刚通过 cuda-keyring 添加的 NVIDIA 仓库中的软件包。

• 安装 CUDA Toolkit ：

apt-get -y install cuda-toolkit-12-1

出现以下页面，说明 NVIDIA CUDA Toolkit 12.1 安装成功

注意：这里可能有一个问题。NVIDIA 官方 Ubuntu 仓库中可能不包含直接名为 cuda-toolkit-12-1 的包。通常，您会安装一个名为 cuda 或 cuda-12-1 的元包，它会作为依赖项拉入 CUDA Toolkit 的所有组件。请检查 NVIDIA 的官方文档或仓库，以确认正确的包名。

如果您正在寻找安装特定版本的 CUDA Toolkit，您可能需要安装类似 cuda-12-1 的包（如果可用），或者从 NVIDIA 的官方网站下载 CUDA Toolkit 的 .run 安装程序进行手动安装。

请确保您查看 NVIDIA 的官方文档或 Ubuntu 的 NVIDIA CUDA 仓库以获取最准确的包名和安装指令。

出现以上情况，需要配置 NVIDIA CUDA Toolkit 12.1 系统环境变量

编辑 ~/.bashrc 文件

# 编辑 ~/.bashrc 文件
vim ~/.bashrc

插入以下环境变量

# 插入以下环境变量
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

激活 ~/.bashrc 文件

# 激活 ~/.bashrc 文件
source ~/.bashrc

查看cuda系统环境变量

which nvcc
nvcc -V

（3）安装 Miniconda

• 下载 Miniconda 安装脚本 ：

使用 wget 命令从 Anaconda 的官方仓库下载 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 命令运行下载的 Miniconda 安装脚本。这将启动 Miniconda 的安装过程。

# 下载 Miniconda 安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh


# 运行 Miniconda 安装脚本
bash Miniconda3-latest-Linux-x86_64.sh


# 初次安装需要激活 base 环境
source ~/.bashrc

输入yes

输入yes

安装成功如下图所示

pip配置清华源加速

# 编辑 /etc/pip.conf 文件
vim  /etc/pip.conf

加入以下代码

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

注意事项：

• 请确保您的系统是 Linux x86_64 架构，因为下载的 Miniconda 版本是为该架构设计的。
• 在运行安装脚本之前，您可能需要使用 chmod +x Miniconda3-latest-Linux-x86_64.sh 命令给予脚本执行权限。
• 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 命令来管理 Python 环境和包。
• 如果链接无法访问或解析失败，可能是因为网络问题或链接本身的问题。请检查网络连接，并确保链接是最新的和有效的。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 仓库 克隆项目

克隆存储库：

# 克隆项目
git clone https://github.com/open-mmlab/Amphion

请注意：

如果 git clone
https://github.com/open-mmlab/Amphion.git 这个链接不存在或者无效，git clone 命令将不会成功克隆项目，并且会报错。确保链接是有效的，并且您有足够的权限访问该存储库。

（5）创建虚拟环境

# 创建一个名为 maskgct 的新虚拟环境，并指定 Python 版本为 3.10
conda create --name maskgct python=3.11 -y

（6）安装模型依赖库

切换到项目目录、激活 maskgct 虚拟环境、安装 requirements.txt 依赖

# 切换到 Amphion 项目工作目录
cd /Amphion
# 激活 maskgct 虚拟环境
conda activate maskgct
# 在 maskgct 环境中安装依赖
pip install -r models/tts/maskgct/requirements.txt

（7）下载预训练模型

下载预训练权重

# 下载预训练权重
export HF_ENDPOINT=https://hf-mirror.com
python -m models.tts.maskgct.gradio_demo

（8）运行 gradio_demo.py 文件

# 切换到 Amphion 项目工作目录
cd /Amphion


# 激活 maskgct 虚拟环境
conda activate maskgct


# 设置 Hugging Face 的加速服务端点，以使用镜像地址进行更快的下载和请求处理
export HF_ENDPOINT=https://hf-mirror.com


# 设置 Gradio 服务器名称和端口
export GRADIO_SERVER_NAME=0.0.0.0
export GRADIO_SERVER_PORT=8080


# 运行 app.py 文件
python -m models.tts.maskgct.gradio_demo

（9）网页演示

出现以下 Gradio 页面，即是模型已搭建完成。

以上就是DeepSeek-VL2模型的两种使用教程。希望能够帮助到大家，欢迎在评论区交流提问哦~