VALL-E-X

环境要求

• Python 3.10
• CUDA 11.7 ~ 12.0、PyTorch 2.0+
• 安装 ffmpeg 并将其目录加入环境变量 PATH（制作 prompt 时需要）
• 可访问 GitHub 与模型下载地址的网络（或能手动下载模型文件）

安装与启动步骤

1. 1克隆项目仓库

   把 VALL-E-X 源码下载到本地，完成后当前目录会多出 VALL-E-X 文件夹。

   git clone https://github.com/Plachtaa/VALL-E-X.git

   复制

2. 2进入项目目录

   切换到仓库根目录，后续安装依赖和运行程序都在这个目录下进行。

   cd VALL-E-X

   复制

3. 3安装 Python 依赖

   README 要求 pip、Python 3.10、CUDA 11.7~12.0、PyTorch 2.0+，该命令会安装 requirements.txt 中的全部依赖。

   pip install -r requirements.txt

   复制

4. 4安装 ffmpeg

   需要制作 prompt（参考音频）时必须先安装 ffmpeg，并把 ffmpeg 所在文件夹加入系统环境变量 PATH。

5. 5首次运行自动下载模型

   第一次运行程序会自动下载对应模型，请保持网络畅通；若下载失败报错，按下一步手动下载。

6. 6手动下载模型文件

   先在安装目录建好 checkpoints 和 whisper 文件夹（注意大小写），再把两个模型文件分别放进去。

   mkdir -p checkpoints whisper
   curl -L -o checkpoints/vallex-checkpoint.pt https://huggingface.co/Plachta/VALL-E-X/resolve/main/vallex-checkpoint.pt
   curl -L -o whisper/medium.pt https://openaipublic.azureedge.net/main/whisper/models/345ae4da62f9b3d59415adc60127b97c714f32e89e936602e85993674d08dcb1/medium.pt

   复制

7. 7导入模块自检

   在项目目录下运行 Python，导入 utils.generation 的接口，无报错说明依赖与模型可用。

   from utils.generation import SAMPLE_RATE, generate_audio, preload_models
   from scipy.io.wavfile import write as write_wav
   from IPython.display import Audio

   复制

关键配置

如何确认成功

在项目目录执行 Python 导入 utils.generation 并成功调用 preload_models()，无报错即表示安装完成。

常见问题

注意事项

• 模型仅用于研究或应用目的，请遵守项目许可与相关法规。
• 手动放模型时务必注意文件夹名大小写：checkpoints、whisper。
• 预训练权重可从 README 给出的 Google Drive / HuggingFace 地址获取。
• 后续版本更新了 AR decoder 批量解码、Vocos 解码器与长文本生成，建议使用最新代码。