管家级教程：在 Windows 上配置 WSL2、CUDA 及 VLLM,开源音频克隆项目

ok，那么今天给大家分享一下之前看到过的一个 音频克隆项目

使用体验音色效果没有那么高的效果，不过开源嘛，搞来玩一玩试看看。

源地址： https://github.com/index-tts/index-tts

 

关于IndexTTS

IndexTTS是一个基于 GPT 风格的文本转语音 (TTS) 模型，主要基于 XTTS 和 Tortoise 算法。

它能够通过拼音纠正汉字发音，并通过标点符号控制任意位置的停顿。

我们增强了系统的多个模块，包括改进说话人条件特征表示，并集成 BigVGAN2 以优化音频质量。我们的系统基于数万小时的数据进行训练，达到了最佳性能，超越了目前流行的 TTS 系统，例如 XTTS、CosyVoice2、Fish-Speech 和 F5-TTS。

源项目基于torch ,

本文实践项目是改用VLLM进行的项目https://github.com/Ksuriuri/index-tts-vllm

vllm暂不支持windows运行，所以需要通过wsl 虚拟机虚拟linux系统

目前wsl主力版本为wsl2所以我们采用wsl2

 

需要的设备与流程：

• 足够的存储空间
• 显卡支持CUDA，同样意味着显存也要够大
• 安装WLS2，安装配置pip
• 安装uv，g++，cuda-tookit配置工具
• 配置虚拟环境，安装requirements
• 下载模型文件，转义模型文件
• 运行webui.py

 

确认开启hyper-v

安装WSL2

管理员身份下运行

自行开启魔法，以防被443拒绝

wsl --install

手动安装 指定版本 也可以选择其他

wsl --install Ubuntu-22.04

安装完往后可以在开始菜单找到并且固定

也可以通过命令行启动

安装和配置pip

在刚安装好的虚拟机里面进行安装

修改为国内镜像

# 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 http://security.ubuntu.com/ubuntu/ jammy-security main restricted universe multiverse
# deb-src http://security.ubuntu.com/ubuntu/ jammy-security main restricted universe multiverse
 
# 预发布软件源，不建议启用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-proposed main restricted universe multiverse
# # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-proposed main restricted universe multiverse

编辑文件 vi/etc/apt/sources.list文件

sudo vi /etc/apt/sources.list

WSL2安装Debian(Ubuntu)并配置国内apt源 - 知乎NVIDA CUDA 12.9 toolkit

Wsl 安装cuda-toolkit

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda-toolkit-12-9

Nvidia参考文档

wsl配置环境变量

export CUDA_HOME="/usr/local/cuda-12.9"
export PATH="/usr/local/cuda-12.9/bin:$PATH"

输入一下命令确保ok

nvidia-smi

配置克隆项目

git clone https://github.com/Ksuriuri/index-tts-vllm.git

进入工作目录

cd index-tts-vllm

创建uv虚拟环境

un .venv

设置python版本

uv python install 3.10

安装依赖包

uv pip install -r requirements.txt

下载模型权重

地址

模型权重转换

需要转换为transformers库兼容的版本，

bash convert_hf_format.sh /path/to/your/model_dir

/path/to/your/model_dir 需要修改成你需要保存的位置

这个是我的
bash convert_hf_format.sh /home/leia/IndexTTS-1.5/

将项目中的webui.py的model_dir修改为模型权重下载路径

 

运行下命令启动程序

VLLM_USE_V1=0 python webui.py

往后再启动就是

leia@leia:~/index-tts-vllm$

 source .venv/bin/activate

.venv 为我们创建的虚拟环境

运行成功的截图

API支持

该项目使用fastapi封装了api接口，调用如下命令可以启动相关示例：

VLLM_USE_V1=0 python api_server.py --model_dir /home/leia/IndexTTS-1.5 --port 11996

编写如下python文件testindex-tts-vllm.py，

import requests

url = "http://127.0.0.1:11996/tts_url"
data = {
    "text": "你好，我叫leia，很高兴认识你",
    "audio_paths": [  
        "spk_1234232323.wav",
        "spk_2344423234.wav"
    ]
}

response = requests.post(url, json=data)
with open("output.wav", "wb") as f:
    f.write(response.content)