阿里声音项目Qwen2-Audio的部署安装，在服务器Ubuntu22.04系统——点动科技

一、ubuntu22.04基本环境配置1.1 更换清华Ubuntu镜像源1.2 更新包列表：2. 安装英伟达显卡驱动2.1 使用wget在命令行下载驱动包2.2 更新软件列表和安装必要软件、依赖2.2 卸载原有驱动2.3 安装驱动2.4 安装CUDA2.5 环境变量配置

二、安装miniconda环境1. 下载miniconda32. 安装miniconda33. 切换到bin文件夹4. 输入pwd获取路径5. 打开用户环境编辑页面6. 重新加载用户环境变量7. 初始化conda8.验证是否安装成功9.conda配置

三、安装Qwen2-Audio1.克隆仓库1.1 github克隆1.2 国内github镜像克隆1.3. 进入目录

2.创建虚拟环境2.1 进入虚拟环境

3. 安装依赖3.1设置清华源、更新pip3.2安装torch 12.4cuda版本3.3安装依赖文件3.4安装webui界面及其他未安装依赖3.5安装魔搭库准备下载模型文件：3.6下载相关模型3.7执行代码，启动webui界面3.8加入声音驱动，实现真正的语音聊天

四、成功实现语音交互4.1 找不到录音机问题

一、ubuntu22.04基本环境配置

1.1 更换清华Ubuntu镜像源

删除原来的文件

<code>rm /etc/apt/sources.list

开始编辑新文件

vim /etc/apt/sources.list

先按i键，粘贴以下内容

# 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 https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse

确保内容跟上述图片一致

按esc键，再输入冒号+wq保存

1.2 更新包列表：

打开终端，输入以下命令：

<code>sudo apt-get update

sudo apt upgrade

更新时间较长，请耐心等待

2. 安装英伟达显卡驱动

2.1 使用wget在命令行下载驱动包

<code>wget https://cn.download.nvidia.com/XFree86/Linux-x86_64/550.100/NVIDIA-Linux-x86_64-550.100.run

2.2 更新软件列表和安装必要软件、依赖

<code>sudo apt-get install g++

点击回车enter即可

<code>sudo apt-get install gcc

<code>sudo apt-get install make

点击回车enter即可

成功安装

2.2 卸载原有驱动

<code>sudo apt-get remove --purge nvidia*

1.使用vim修改配置文件

<code>sudo vim /etc/modprobe.d/blacklist.conf

2.按i键进入编辑模式,在文件尾增加两行：

blacklist nouveau

options nouveau modeset=0

3.按esc键退出编辑模式,输入:wq保存并退出

4.更新文件

<code>sudo update-initramfs -u

这里等待时间较久

5.重启电脑：

<code>sudo reboot

这里需要等一会才能连上

2.3 安装驱动

1.授予执行权限

sudo chmod 777 NVIDIA-Linux-x86_64-550.100.run

2.执行安装命令

sudo ./NVIDIA-Linux-x86_64-550.100.run

这里一直按回车就行，默认选择

一直按回车enter键，直到安装成功

3.检测显卡驱动是否安装成功

<code>nvidia-smi

2.4 安装CUDA

<code>wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run

<code>执行安装命令

sudo sh ./cuda_12.4.0_550.54.14_linux.run

1.输出accept开始安装

2.然后注意这里要按enter取消勾选第一个选项,因为之前已经安装了驱动

3.接着选择Install开始安装

4.安装完成

2.5 环境变量配置

1.以vim方式打开配置文件

<code>sudo vim ~/.bashrc

2.按i键进入编辑模式,在文件尾增加下面内容：

export PATH="/usr/local/cuda-12.4/bin:$PATH"code>

export LD_LIBRARY_PATH="/usr/local/cuda-12.4/lib64:$LD_LIBRARY_PATH"code>

按esc键退出编辑模式,输入:wq保存并退出

3.更新环境变量

<code>source ~/.bashrc

4.检测CUDA是否安装成功

nvcc -V

二、安装miniconda环境

<code>wget https://mirrors.cqupt.edu.cn/anaconda/miniconda/Miniconda3-py310_23.10.0-1-Linux-x86_64.sh

2. 安装miniconda3

<code>bash Miniconda3-py310_23.10.0-1-Linux-x86_64.sh -u

直接一直enter键，到输入路径和yes

这边建议路径为：miniconda3

直接回车enter即可，再次输入yes

成功安装

3. 切换到bin文件夹

<code>cd miniconda3/bin/

4. 输入pwd获取路径

pwd

复制这里的路径

5. 打开用户环境编辑页面

vim ~/.bashrc

点击键盘I键进入编辑模式，在最下方输入以下代码

export PATH="/root/miniconda3/bin:$PATH"code>

按esc键退出编辑模式,输入:wq保存并退出

6. 重新加载用户环境变量

<code>source ~/.bashrc

7. 初始化conda

<code>conda init bash

8.验证是否安装成功

<code>conda -V

9.conda配置

1.配置清华镜像源

代码如下：

<code>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

2.设置搜索时显示通道地址

<code>conda config --set show_channel_urls yes

3.配置pip 镜像源

<code>pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

三、安装Qwen2-Audio

1.克隆仓库

1.1 github克隆

<code>git clone https://github.com/QwenLM/Qwen2-Audio.git

1.2 国内github镜像克隆

git clone https://mirror.ghproxy.com/https://github.com/QwenLM/Qwen2-Audio.git

1.3. 进入目录

cd Qwen2-Audio/

2.创建虚拟环境

conda create -n qwen2 python=3.10

输入y回车即可

2.1 进入虚拟环境

<code>conda activate qwen2

3. 安装依赖

3.1设置清华源、更新pip

<code>pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

python -m pip install --upgrade pip

3.2安装torch 12.4cuda版本

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

3.3安装依赖文件

<code>cd demo

pip install -r requirements_web_demo.txt

3.4安装webui界面及其他未安装依赖

pip install librosa

pip install --upgrade "accelerate>=0.21.0"

pip install django

pip install git+https://mirror.ghproxy.com/https://github.com/huggingface/transformers

3.5安装魔搭库准备下载模型文件：

pip install modelscope

3.6下载相关模型

cd ..

modelscope download --model qwen/qwen2-audio-7b-instruct --local_dir './Qwen/Qwen2-Audio-7B-Instruct'

3.7执行代码，启动webui界面

改端口

vim demo/web_demo_audio.py

按i进行编辑，完成后再按esc，冒号，wq退出

成功进入

3.8加入声音驱动，实现真正的语音聊天

<code>cd demo

创建一个新的webui界面的文件

touch test_audio.py

vim test_audio.py

输入以下内容

import gradio as gr

import modelscope_studio as mgr

import librosa

from transformers import AutoProcessor, Qwen2AudioForConditionalGeneration

from argparse import ArgumentParser

import requests

import os

from django.http import HttpResponse

# 默认的模型检查点路径

DEFAULT_CKPT_PATH = 'Qwen/Qwen2-Audio-7B-Instruct'

def text_to_speech(text2):

data = {

"text": text2,

"text_language": "zh",

}

# 注意 URL 中的单引号应该是 URL 的一部分，需要正确转义

response = requests.post('http://服务器IP:端口', json=data)

if response.status_code == 200:

audio_file_path = "/root/project/Qwen2-Audio/demo/output.mp3"

with open(audio_file_path, "wb") as f:

f.write(response.content)

return audio_file_path

else:

print(f"错误：请求失败，状态码为 {response.status_code}")

return None

def _get_args():

"""

解析命令行参数，获取运行配置。

返回:

argparse.Namespace: 包含命令行参数的命名空间对象。

"""

parser = ArgumentParser()

parser.add_argument("-c", "--checkpoint-path", type=str, default=DEFAULT_CKPT_PATH,

help="Checkpoint name or path, default to %(default)r") # 模型检查点路径code>

parser.add_argument("--cpu-only", action="store_true", help="Run demo with CPU only") # 是否仅使用CPUcode>

parser.add_argument("--inbrowser", action="store_true", default=False,code>

help="Automatically launch the interface in a new tab on the default browser.") # 是否在浏览器中自动打开界面code>

parser.add_argument("--server-port", type=int, default=15110,

help="Demo server port.") # 指定服务器端口code>

parser.add_argument("--server-name", type=str, default="0.0.0.0",code>

help="Demo server name.") # 指定服务器名称code>

args = parser.parse_args()

return args

def add_text(chatbot, task_history, input):

"""

将用户输入的文本内容添加到聊天记录中，并更新聊天机器人界面。

参数:

chatbot (gr.components.Chatbot): 聊天机器人组件。

task_history (list): 任务历史记录。

input (gr.inputs): 用户输入内容。

返回:

tuple: 更新后的聊天机器人界面和任务历史记录，以及重置后的用户输入框。

"""

text_content = input.text # 获取文本输入内容

content = []

if len(input.files) > 0: # 如果用户上传了音频文件

for i in input.files:

content.append({'type': 'audio', 'audio_url': i.path}) # 将音频文件添加到内容列表中

if text_content: # 如果用户输入了文本

content.append({'type': 'text', 'text': text_content}) # 将文本内容添加到内容列表中

task_history.append({"role": "user", "content": content}) # 更新任务历史记录

# 更新聊天机器人界面，添加用户输入

chatbot.append([{

"text": input.text,

"files": input.files,

}, None])

return chatbot, task_history, None

'''

def add_file(chatbot, task_history, audio_file_path):

"""

将音频文件添加到聊天记录中。

参数:

chatbot (gr.components.Chatbot): 聊天机器人组件。

task_history (list): 任务历史记录。

audio_file_path (str): 音频文件的路径。

返回:

tuple: 更新后的聊天机器人界面和任务历史记录。

"""

# 确保任务历史记录中的音频条目是正确的格式

task_history.append({"role": "user", "content": [{"type": "audio", "audio_url": audio_file_path}]})

# 更新聊天记录，直接使用 audio_file_path 而不是 gr.Audio 组件

chatbot.append((None, {"type": "audio", "audio_url": audio_file_path}))

return chatbot, task_history

'''

import os

def add_file(chatbot, task_history, audio_path):

if not os.path.isfile(audio_path):

print(f"Error: The file {audio_path} does not exist.")

return chatbot, task_history

# 将音频文件信息添加到任务历史

task_history.append({

"role": "user",

"content": [{"type": "audio", "audio_url": audio_path}]

})

# 假设 chatbot 组件可以接受字典格式的输入

chatbot_state = [{

"text": f"[Audio file: {os.path.basename(audio_path)}]",

"files": [audio_path] # 直接使用文件路径而不是 gr.File

}, None]

chatbot.append(chatbot_state) # 更新 chatbot 状态

return chatbot, task_history

def reset_user_input():

"""

重置用户输入字段。

返回:

gr.update: 将文本框的值重置为空。

"""

return gr.Textbox.update(value='')code>

def reset_state(task_history):

"""

重置聊天记录和任务历史。

参数:

task_history (list): 当前的任务历史记录。

返回:

tuple: 清空的聊天记录和任务历史。

"""

return [], []

def regenerate(chatbot, task_history):

"""

重新生成最后的机器人响应。

参数:

chatbot (gr.components.Chatbot): 聊天机器人组件。

task_history (list): 任务历史记录。

返回:

tuple: 更新后的聊天机器人界面和任务历史记录。

"""

# 如果最后一条消息是助手生成的，则移除它

if task_history and task_history[-1]['role'] == 'assistant':

task_history.pop()

chatbot.pop()

# 如果任务历史记录不为空，重新生成响应

if task_history:

chatbot, task_history = predict(chatbot, task_history)

return chatbot, task_history

def predict(chatbot, task_history):

"""

根据当前任务历史记录生成模型响应，并将响应转换为音频文件添加到聊天记录中。

参数:

chatbot (gr.components.Chatbot): 聊天机器人组件。

task_history (list): 任务历史记录。

返回:

tuple: 更新后的聊天机器人界面和任务历史记录。

"""

print(f"{task_history=}")

print(f"{chatbot=}")

# 使用处理器将任务历史记录格式化为模型输入

text = processor.apply_chat_template(task_history, add_generation_prompt=True, tokenize=False)

audios = []

# 遍历任务历史，查找音频内容并加载

for message in task_history:

if isinstance(message["content"], list):

for ele in message["content"]:

if ele["type"] == "audio":

audios.append(

librosa.load(ele['audio_url'], sr=processor.feature_extractor.sampling_rate)[0]

)

if len(audios) == 0: # 如果没有音频，则设置为 None

audios = None

print(f"{text=}")

print(f"{audios=}")

# 使用处理器生成模型输入

inputs = processor(text=text, audios=audios, return_tensors="pt", padding=True)code>

if not _get_args().cpu_only: # 如果支持 GPU，则将输入数据移动到 CUDA 设备

inputs["input_ids"] = inputs.input_ids.to("cuda")

# 生成响应

generate_ids = model.generate(**inputs, max_length=256)

generate_ids = generate_ids[:, inputs.input_ids.size(1):]

# 解码生成的文本响应

# 假设其他参数已经正确设置

response = processor.batch_decode(generate_ids, skip_special_tokens=True)[0]

task_history.append({'role': 'assistant', 'content': response})

chatbot.append((None, response)) # 添加文本响应

# 将文本响应转换为语音

audio_file_path = text_to_speech(response)

if audio_file_path:

chatbot, task_history = add_file(chatbot, task_history, audio_file_path)

return chatbot, task_history

def _launch_demo(args):

"""

启动Gradio的Web用户界面，展示Qwen2-Audio-Instruct模型的聊天功能。

参数:

args (argparse.Namespace): 从命令行解析的参数。

"""

with gr.Blocks() as demo:

# 添加页面标题和描述

gr.Markdown(

"""<p align="center"><img src="https://qianwen-res.oss-cn-beijing.aliyuncs.com/assets/blog/qwenaudio/qwen2audio_logo.png" style="height: 80px"/><p>""")code>

gr.Markdown("""<center><font size=8>Qwen2-Audio-Instruct Bot</center>""")

gr.Markdown(

"""\

<center><font size=3>This WebUI is based on Qwen2-Audio-Instruct, developed by Alibaba Cloud. \

(本WebUI基于Qwen2-Audio-Instruct打造，实现聊天机器人功能。)</center>""")

gr.Markdown("""\

<center><font size=4>Qwen2-Audio <a href="https://modelscope.cn/models/qwen/Qwen2-Audio-7B">🤖 </a> code>

| <a href="https://huggingface.co/Qwen/Qwen2-Audio-7B">🤗</a>&nbsp ｜ code>

Qwen2-Audio-Instruct <a href="https://modelscope.cn/models/qwen/Qwen2-Audio-7B-Instruct">🤖 </a> | code>

<a href="https://huggingface.co/Qwen/Qwen2-Audio-7B-Instruct">🤗</a>&nbsp ｜ code>

&nbsp<a href="https://github.com/QwenLM/Qwen2-Audio">Github</a></center>""")code>

# 创建聊天机器人组件

chatbot = mgr.Chatbot(label='Qwen2-Audio-7B-Instruct', elem_classes="control-height", height=750)code>

# 创建用户输入组件，支持文本、麦克风和文件上传

user_input = mgr.MultimodalInput(

interactive=True,

sources=['microphone', 'upload'],

submit_button_props=dict(value="🚀 Submit (发送)"),code>

upload_button_props=dict(value="📁 Upload (上传文件)", show_progress=True),code>

)

task_history = gr.State([]) # 初始化任务历史状态

with gr.Row(): # 创建清除历史和重试按钮

empty_bin = gr.Button("🧹 Clear History (清除历史)")

regen_btn = gr.Button("🤔️ Regenerate (重试)")

# 当用户提交输入时，调用add_text函数，然后调用predict函数生成响应

user_input.submit(fn=add_text,

inputs=[chatbot, task_history, user_input],

outputs=[chatbot, task_history, user_input]).then(

predict, [chatbot, task_history], [chatbot, task_history], show_progress=True

)

# 清除历史按钮的点击事件处理，重置聊天记录和任务历史

empty_bin.click(reset_state, outputs=[chatbot, task_history], show_progress=True)

# 重试按钮的点击事件处理，重新生成最后的响应

regen_btn.click(regenerate, [chatbot, task_history], [chatbot, task_history], show_progress=True)

# 启动Gradio界面

demo.queue().launch(

share=False, # 不共享URL

inbrowser=args.inbrowser, # 是否自动在浏览器中打开

server_port=args.server_port, # 指定服务器端口

server_name=args.server_name, # 指定服务器名称

ssl_certfile="/root/project/cert.pem", code>

ssl_keyfile="/root/project/key.pem", code>

ssl_verify=False

)

if __name__ == "__main__":

args = _get_args() # 获取命令行参数

if args.cpu_only:

device_map = "cpu" # 如果指定了仅使用CPU，设置设备映射为CPU

else:

device_map = "auto" # 否则自动选择设备

# 加载模型

model = Qwen2AudioForConditionalGeneration.from_pretrained(

args.checkpoint_path,

torch_dtype="auto", # 自动选择数据类型code>

device_map=device_map, # 设置设备映射

resume_download=True, # 断点续传

).eval()

model.generation_config.max_new_tokens = 2048 # 设置最大生成token数，用于长对话

print("generation_config", model.generation_config)

processor = AutoProcessor.from_pretrained(args.checkpoint_path, resume_download=True) # 加载处理器

_launch_demo(args) # 启动演示界面

运行上面代码之前先到4.1配置ssl

四、成功实现语音交互