CosyVoice离线安装操作手册

目录

• CosyVoice离线安装操作手册
• 安装Anaconda
• 安装Cosyvoice
  • 克隆并安装
  • 模型下载
  • 开始使用
• 离线迁移
  • 认识pip命令
  • 使用download离线迁移
  • 使用wheel离线迁移
  • Conda环境迁移
• 其他
  • 安装 Whisper 及依赖
    • 安装 PyTorch（GPU/CPU 版本选择）
    • 安装 Whisper
  • 安装git lfs
• 踩坑
  • 依赖项

CosyVoice离线安装操作手册

安装Anaconda

原文链接：Windows11 系统下安装Anaconda详细教程_win11安装anaconda-CSDN博客

安装Cosyvoice

克隆并安装

1. 克隆存储库

git clone --recursive https://github.com/FunAudioLLM/CosyVoice.git
# 如果由于网络故障导致您无法克隆子模块，请运行以下命令，直到成功为止
cd CosyVoice
git submodule update --init --recursive

2. 安装 Conda：请参阅 https://docs.conda.io/en/latest/miniconda.html
3. 创建 Conda env：

conda create -n cosyvoice -y python=3.10
conda activate cosyvoice
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com
# sox兼容性问题
# ubuntu
sudo apt-get install sox libsox-dev
# centos
sudo yum install sox sox-devel

模型下载

强烈建议的预训练模型和资源。CosyVoice2-0.5B``CosyVoice-300M``CosyVoice-300M-SFT``CosyVoice-300M-Instruct``CosyVoice-ttsfrd

# SDK模型下载
from modelscope import snapshot_download
snapshot_download('iic/CosyVoice2-0.5B', local_dir='pretrained_models/CosyVoice2-0.5B')
snapshot_download('iic/CosyVoice-300M', local_dir='pretrained_models/CosyVoice-300M')
snapshot_download('iic/CosyVoice-300M-SFT', local_dir='pretrained_models/CosyVoice-300M-SFT')
snapshot_download('iic/CosyVoice-300M-Instruct', local_dir='pretrained_models/CosyVoice-300M-Instruct')
snapshot_download('iic/CosyVoice-ttsfrd', local_dir='pretrained_models/CosyVoice-ttsfrd')

# git模型下载，请确保已安装git lfs
mkdir -p pretrained_models
git clone https://www.modelscope.cn/iic/CosyVoice2-0.5B.git pretrained_models/CosyVoice2-0.5B
git clone https://www.modelscope.cn/iic/CosyVoice-300M.git pretrained_models/CosyVoice-300M
git clone https://www.modelscope.cn/iic/CosyVoice-300M-SFT.git pretrained_models/CosyVoice-300M-SFT
git clone https://www.modelscope.cn/iic/CosyVoice-300M-Instruct.git pretrained_models/CosyVoice-300M-Instruct
git clone https://www.modelscope.cn/iic/CosyVoice-ttsfrd.git pretrained_models/CosyVoice-ttsfrd

或者，您可以解压缩资源并安装包以获得更好的文本规范化性能。ttsfrd``ttsfrd

请注意，此步骤不是必需的。如果您不安装软件包，我们将默认使用 wetext。ttsfrd

cd pretrained_models/CosyVoice-ttsfrd/
unzip resource.zip -d .
pip install ttsfrd_dependency-0.1-py3-none-any.whl
pip install ttsfrd-0.4.2-cp310-cp310-linux_x86_64.whl

# 下载离线包
pip download -r ttsfrd_dependency-0.1-py3-none-any.whl -d .\packages -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com
pip download -r ttsfrd-0.4.2-cp310-cp310-linux_x86_64.whl -d .\packages -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com

开始使用

# change iic/CosyVoice-300M-SFT for sft inference, or iic/CosyVoice-300M-Instruct for instruct inference
python webui.py --port 8080 --model_dir pretrained_models/CosyVoice2-0.5B

离线迁移

认识pip命令

让我们来认识一下pip的常用命令及其功能：

命令	命令解释	功能描述
install	Install packages	在线或离线安装依赖包
download	Download packages	下载离线依赖包
uninstall	Uninstall packages	卸载依赖包
freeze	Output installed packages in requirements format	将已经安装的依赖包输出到文件
list	List installed packages	显示当前环境已经安装的依赖包
show	Show information about installed packages	显示已经安装的依赖包的详细信息，如版本、依赖库、被依赖库等
wheel	Build wheels from your requirements	构建适配当前环境的离线依赖包

使用download离线迁移

1. 生成依赖清单

pip freeze > requirements.txt  # 导出当前环境所有依赖

2. 下载离线包（替换原联网命令）

mkdir offline_packages
pip download -r requirements.txt -d ./offline_packages  # 下载所有依赖的wheel/tar.gz文件

3. 迁移与安装

将 offline_packages 文件夹和 requirements.txt 复制到目标机器，在目标机器执行：

pip install --no-index --find-links=./offline_packages -r requirements.txt

#1.联网环境下载依赖包
pip download -r requirements.txt -d .\packages `
  -i https://mirrors.aliyun.com/pypi/simple/ `
  --trusted-host=mirrors.aliyun.com `
  --platform win_amd64 `          # 指定Windows 64位平台
  --python-version 3.10 `          # 替换为目标Python版本（如3.10、3.11）
  --only-binary=:all:    
#1.1便于复制  
pip download -r requirements.txt -d .\packages -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com  --no-binary=:all: 
#1.2离线安装依赖包
pip install --no-index --find-links=.\packages -r requirements.txt

[使用pip下载python依赖包whl文件并进行离线安装_Python]包管理_编程笔记_TendCode

使用wheel离线迁移

wheel 命令可以构建已经安装包的whl文件，通熟来说就是将本地已经安装的包构建成可以离线安装的whl文件。

1. 生成Wheel依赖包

在联网环境执行：

# 生成标准依赖清单
pip freeze > requirements.txt  

# 批量下载所有依赖的Wheel文件（推荐）
pip download -r requirements.txt -d ./wheel_packages

# 或直接构建Wheel（适用于含C扩展的包）
pip wheel -r requirements.txt --wheel-dir=./wheel_packages

关键参数说明
--platform/--python-version：跨系统迁移时指定目标平台（如win_amd64）

--no-deps：仅下载主包（需手动处理嵌套依赖时不推荐）

2.离线环境部署

在目标机器执行：

# 安装Python（版本需与源环境严格一致）
# 复制wheel_packages目录和requirements.txt至目标机

# 从本地Wheel仓库安装
pip install --no-index --find-links=./wheel_packages -r requirements.txt

值得注意的是：由于是将本地的安装包生成的whl文件，所以这些whl文件是适配当前的系统和python版本的，也就是说离线包可能不适配其他系统。所以如果是同类型的系统和python版本的环境，使用这个方式导出包是一个比较好的选择。

Conda环境迁移

1. 安装打包工具：

conda install -c conda-forge conda-pack  # 或 pip install conda-pack

打包环境（以环境名 my_env 为例）：

conda pack -n my_env -o my_env.tar.gz  # 生成压缩包

处理可编辑包冲突：若环境含 pip -e 安装的包，需添加 --ignore-editable-packages 跳过或提前卸载

2. 目标机器操作

解压到 Conda 环境目录（路径通常为 ~/miniconda3/envs/）：

mkdir -p ~/miniconda3/envs/my_env
tar -xzf my_env.tar.gz -C ~/miniconda3/envs/my_env

修复路径（关键步骤）：

source ~/miniconda3/envs/my_env/bin/conda-unpack

激活环境：

conda activate my_env

其他

安装 Whisper 及依赖

安装 PyTorch（GPU/CPU 版本选择）

GPU 用户（需 CUDA 12.1+）：

conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch  # 适配 NVIDIA 驱动 [2,3](@ref)

CPU 用户：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

安装 Whisper

pip install -U openai-whisper  # 使用 pip 确保安装最新版 [1,5](@ref)

若网络不稳定，添加清华源：

pip install openai-whisper -i https://pypi.tuna.tsinghua.edu.cn/simple

安装git lfs

1. 访问Git LFS的GitHub页面：https://github.com/git-lfs/git-lfs/releases
2. 下载最新版本的git-lfs-windows.exe安装程序。
3. 运行安装程序并按照提示进行安装。

安装过程中，你可以选择是否将Git LFS添加到系统环境变量中。建议勾选此选项，以便在命令行中直接使用git lfs命令。

踩坑

依赖项

离线迁移推荐使用官方源，第三方源很有可能没有离线环境需要的whl文件，慢归慢但是下载好的依赖项不会缺东西，第三方源会出现各种依赖项缺失。