metavoice-src

环境要求

• GPU 显存 >= 12GB
• Python >= 3.10 且 < 3.12
• 已安装 pipx（用于安装 poetry，pipx 官方有安装说明）
• Linux 环境（README 的 ffmpeg 安装脚本为静态二进制方式）
• 已安装 Docker 与 docker-compose（走 Quickstart 容器方式时需要）

安装与启动步骤

1. 1安装 ffmpeg

   下载 ffmpeg 静态包并校验 md5，解压后把 ffprobe 和 ffmpeg 移到 /usr/local/bin，最后清理压缩包。

   wget https://johnvansickle.com/ffmpeg/builds/ffmpeg-git-amd64-static.tar.xz
   wget https://johnvansickle.com/ffmpeg/builds/ffmpeg-git-amd64-static.tar.xz.md5
   md5sum -c ffmpeg-git-amd64-static.tar.xz.md5
   tar xvf ffmpeg-git-amd64-static.tar.xz
   sudo mv ffmpeg-git-*-static/ffprobe ffmpeg-git-*-static/ffmpeg /usr/local/bin/
   rm -rf ffmpeg-git-*

   复制

2. 2安装 Rust

   项目依赖 Rust 工具链，若未安装则执行；安装完成后需要重启终端让环境变量生效。

   curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

   复制

3. 3安装 poetry

   用 pipx 安装 poetry；安装后同样需要重启终端。README 推荐使用 poetry 管理依赖。

   pipx install poetry

   复制

4. 4设置 keyring 后端

   在 Linux 上 poetry install 可能卡在 keyring 后端，先导出该环境变量可避免卡住。

   export PYTHON_KEYRING_BACKEND=keyring.backends.fail.Keyring

   复制

5. 5安装项目依赖

   在项目根目录用 poetry 安装依赖；如需 W&B 观测集成，改用带 observable 扩展的命令。

   poetry install
   poetry install -E observable

   复制

6. 6启动 Web UI

   用 docker-compose 后台启动 UI 容器，随后可查看容器状态与实时日志。

   docker-compose up -d ui && docker-compose ps && docker-compose logs -f

   复制

7. 7启动 API 服务端

   启动 server 容器，README 提示访问 <URL>/docs 查看 API 定义文档。

   docker-compose up -d server && docker-compose ps && docker-compose logs -f

   复制

8. 8本地推理调用

   在交互式 Python 会话中调用参考实现 fast_inference.py 的 synthesise，传入文本与参考音频路径。

   tts.synthesise(text="This is a demo of text to speech by MetaVoice-1B, an open-source foundational audio model.", spk_ref_path="assets/bria.mp3")

   复制

关键配置

如何确认成功

docker-compose ps 显示容器为 Up，访问 Web UI 或 /docs 查看 API；本地 synthesise() 首次启动需 30-90 秒编译。

常见问题

注意事项

• Python 版本必须满足 >=3.10 且 <3.12。
• 安装 Rust 与 poetry 后需重启终端使其生效。
• 零样本克隆需约 30 秒参考音频，美式与英式口音效果较好；微调克隆 README 提到印度说话人最少 1 分钟数据。
• 可通过编辑 fam/llm/config/finetune_params.py 调整学习率、冻结层等微调超参。