离线环境下的AI模型部署实战：基于Xinference搭建嵌入、重排与语音处理平台

人艰不拆_zmc2025-07-17 11:12

1. 引言：为什么选择离线部署

在当今AI技术快速发展的时代，许多企业面临着数据安全与合规性的严格要求，特别是在金融、医疗和政府等领域，离线部署AI模型成为刚需。本文将详细介绍如何利用Xinference框架在完全离线的环境中部署四种核心AI能力：文本嵌入(Embedding)、重排序(Reranker)、语音识别(STT)和语音合成(TTS)。

2. 方案概述

离线部署方案具有以下特点：

  • ​​全流程离线​​：服务部署完全脱离互联网；

  • ​​一键式部署​​：通过脚本自动化完成复杂配置；

  • ​​资源可控​​：精确分配GPU资源，避免冲突；

  • ​​模型灵活管理​​：支持按需插拔不同模型。

3. 准备工作

3.1 资源下载（联网机器）

首先需要在可联网的机器上准备所需资源：

复制代码 
 拉取Xinference官方镜像
docker pull xprobe/xinference:latest

# 保存为离线包
docker save xprobe/xinference:latest -o xinference-image.tar

# 下载所需模型（登录魔塔，根据需求搜索模型，搜索后点击目标模型，右侧下载模型）
modelscope download --model maidalun/bce-embedding-base_v1
modelscope download --model maidalun/bce-reranker-base_v1
modelscope download --model iic/CosyVoice-300M
modelscope download --model iic/SenseVoiceSmall

模型会默认下载到/root/.cache/modelscope/hub/models/路径下：

复制代码 
├── iic/CosyVoice-300M
├── iic/SenseVoiceSmall
├── maidalun/bce-embedding-base_v1
└── maidalun/bce-reranker-base_v1

3.2 离线包目录结构规划

复制代码 
model_services/
├── docker/
│   ├── images/xinference-image.tar
│   └── docker-compose.yaml
├── models/
│   ├── bce-embedding-base_v1
│   ├── bce-reranker-base_v1
│   ├── CosyVoice-300M
│   └── SenseVoiceSmall
├── config.ini
└── install.sh 

3.2.1. 配置文件(config.ini)

复制代码 
[XINFERENCE]
# 指定Xinference服务可用的GPU设备ID（逗号分隔多个ID，如"0,1"）
# 注意：实际GPU编号需与服务器物理设备一致，可通过`nvidia-smi -L`查看
XINFERENCE_GPUS="0,1"  
# 模型挂载路径
MODELS_VOLUMES_DIRECTORY=/data/docker_models

[EMBEDDING]
# 是否启用嵌入模型自动安装（true/true）
EMBEDDING_INSTALL_ENABLE=true
# 嵌入模型运行时绑定的GPU设备编号
# 必须存在于XINFERENCE_GPUS定义的可用设备列表中
# 示例：若XINFERENCE_GPUS="1"，则此处只能填1
EMBEDDING_GPU=0

[RERANKER]
# 是否启用重排序模型自动安装（true/true）
RERANKER_INSTALL_ENABLE=true
# 重排序模型绑定的GPU设备编号
# 需与XINFERENCE_GPUS定义的设备一致
RERANKER_GPU=0

[TTS]
# 是否启用语音合成（TTS）模型安装（true/true）
TTS_INSTALL_ENABLE=true
# TTS模型绑定的GPU设备编号
# 若与嵌入模型共用GPU，需确保总显存不超限
TTS_GPU=0

[STT]
# 是否启用语音识别（STT）模型安装（true/true）
STT_INSTALL_ENABLE=true
# STT模型绑定的GPU设备编号
# 语音识别通常需要更多显存，建议独占GPU
STT_GPU=1

关键配置说明​​：

  • GPU分配策略：语音识别模型通常需要更多显存，建议独占GPU

  • 模型路径：确保容器内外的路径映射正确

  • 启用标志：可灵活控制哪些模型需要加载

3.2.2. Docker编排文件(docker-compose.yaml)

复制代码 
version: "3.3"

services:
  xinference:
    image: xprobe/xinference:latest
    container_name: xinference
    restart: unless-stopped
    command: ["xinference-local", "-H", "0.0.0.0"]  # 启动命令
    ports:
      - "9997:9997"  # 默认API端口
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:9997"]
      interval: 10s
      timeout: 5s
      retries: 10
      start_period: 30s
    environment:
      - XINFERENCE_GPUS=${XINFERENCE_GPUS:-"0"}  # 从环境变量读取GPU ID，默认使用GPU 0
    volumes:
      - ${MODELS_VOLUMES_DIRECTORY}:/root/.xinference/models  # 模型数据持久化
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              capabilities: [gpu]
              device_ids: ["0,1"] 　

3.2.3. 自动化部署脚本

复制代码 
#! /bin/bash
#-----------------------------------------------------------
# 模型安装配置脚本
# 1.加载config.ini配置文件
# 2.拷贝模型文件到模型挂载路径
# 3.解压xinference镜像并运行xinference容器
# 4.加载模型
# 5.查看模型状态
#-----------------------------------------------------------

# 加载config.ini配置文件
while IFS='=' read -r key value || [[ -n "$key" ]]; do
    # 修剪 key 和 value 的首尾空格和换行符
    key=$(echo "$key" | tr -d '\r\n' | xargs)
    value=$(echo "$value" | tr -d '\r\n' | xargs)
    # 跳过空行、注释行（以#开头）或段标记（如[section]）
    if [[ "$key" = "" || "$key" =~ ^# || "$key" =~ ^\[.*\] ]]; then
        continue
    fi
    export "$key=$value"
done < config.ini

# 创建并验证目标目录
if [ ! -d "${MODELS_VOLUMES_DIRECTORY}" ]; then
    echo "创建模型目录: ${MODELS_VOLUMES_DIRECTORY}"
    mkdir -p "${MODELS_VOLUMES_DIRECTORY}" || {
	echo "错误：无法创建目录 ${MODELS_VOLUMES_DIRECTORY}"
        exit 1
    }
fi

# 拷贝模型文件到模型挂载路径
#cp -r models/* ${MODELS_VOLUMES_DIRECTORY}

# 解压xinference容器镜像 
#docker load < docker/images/xinference-image.tar

# 运行xinference容器
docker-compose -f ./docker/docker-compose.yaml up -d
while true; do
  status=$(docker inspect --format='{{.State.Health.Status}}' xinference)
  if [ "$status" = "healthy" ]; then
    break
  fi
  echo "等待Xinference健康状态... 当前状态: $status"
  sleep 10
done

echo "加载模型"

# 函数：检查模型是否已注册
function is_model_registered() {
    local model_name="$1"
    docker exec xinference xinference list | grep -q "$model_name"
}

if [[ "${EMBEDDING_INSTALL_ENABLE}" = "true" ]] ; then
    MODEL_NAME="bce-embedding-base_v1"
    MODEL_TYPE="embedding"

    if ! is_model_registered "$MODEL_NAME"; then
        echo "启动嵌入模型: ${MODEL_NAME}"
        docker exec xinference xinference launch \
            --model-name "$MODEL_NAME" \
            --model-type "$MODEL_TYPE" \
	    --model-path "/root/.xinference/models/${MODEL_NAME}" \
            --gpu-idx "$EMBEDDING_GPU" 
    fi

fi

if [[ "${RERANKER_INSTALL_ENABLE}" = "true" ]] ; then
    MODEL_NAME="bce-reranker-base_v1"
    MODEL_TYPE="rerank"

    if ! is_model_registered "$MODEL_NAME"; then
        echo "加载重排序模型: ${MODEL_NAME}"
        docker exec xinference xinference launch \
            --model-name "$MODEL_NAME" \
            --model-type "$MODEL_TYPE" \
	    --model-path "/root/.xinference/models/${MODEL_NAME}" \
            --gpu-idx "$RERANKER_GPU" 
    fi
fi

if [[ "${TTS_INSTALL_ENABLE}" = "true" ]] ; then
    MODEL_NAME="CosyVoice-300M"
    MODEL_TYPE="audio"

    if ! is_model_registered "$MODEL_NAME"; then
        echo "加载TTS模型: ${MODEL_NAME}"
        docker exec xinference xinference launch \
            --model-name "$MODEL_NAME" \
            --model-type "$MODEL_TYPE" \
	    --model-path "/root/.xinference/models/${MODEL_NAME}" \
            --gpu-idx "$TTS_GPU" 
    fi
fi

if [[ "${STT_INSTALL_ENABLE}" = "true" ]]; then
    MODEL_NAME="SenseVoiceSmall"
    MODEL_TYPE="audio"

    if ! is_model_registered "$MODEL_NAME"; then
        echo "加载STT模型: ${MODEL_NAME}"
        docker exec xinference xinference launch \
            --model-name "$MODEL_NAME" \
            --model-type "$MODEL_TYPE" \
	    --model-path "/root/.xinference/models/${MODEL_NAME}" \
            --gpu-idx "$STT_GPU" 
    fi
    
fi

echo "查看模型状态"
docker exec xinference xinference list

echo "完成模型注册"

3.2.4 压缩离线包

复制代码 
tar -czvf model_services.tar.gz model_services

4. 离线服务器部署步骤

4.1 前提条件

确保服务器已安装配置好docker、docker-compose并配置好nvidia-container-runtime。

4.2 传输资源包​​

复制代码 
scp model_services.tar.gz user@offline-server:/data/

4.3 解压资源

复制代码 
tar -xzvf model_services.tar.gz -C /data/

4.4 ​​修改配置​​

根据实际服务器GPU情况调整config.ini中的设备分配。

注意: xinference上加载的模型并不支持配置显存。

​​执行部署​​：

复制代码 
cd /data/model_services
chmod +x install.sh
./install.sh

脚本执行日志：

复制代码 
[+] Running 1/1
 ✔ Container xinference  Running                                                                                                                0.0s 
加载模型
UID                       Type    Name
------------------------  ------  ---------------
SenseVoiceSmall-Z61fh3ys  audio   SenseVoiceSmall
启动嵌入模型: bce-embedding-base_v1
Launch model name: bce-embedding-base_v1 with kwargs: {}
Launching model: 100%|██████████ | 100.0%
Model uid: bce-embedding-base_v1
UID                    Type       Name                     Dimensions
---------------------  ---------  ---------------------  ------------
bce-embedding-base_v1  embedding  bce-embedding-base_v1           768
UID                       Type    Name
------------------------  ------  ---------------
SenseVoiceSmall-Z61fh3ys  audio   SenseVoiceSmall
加载重排序模型: bce-reranker-base_v1
Launch model name: bce-reranker-base_v1 with kwargs: {}
Launching model: 100%|██████████ | 100.0%
........
加载TTS模型: CosyVoice-300M
Launch model name: CosyVoice-300M with kwargs: {}
Launching model: 100%|██████████ | 100.0%
Launching model: 100%|██████████ | 100.0%
Model uid: CosyVoice-300M
.......

查看模型状态
UID                    Type       Name                     Dimensions
---------------------  ---------  ---------------------  ------------
bce-embedding-base_v1  embedding  bce-embedding-base_v1           768
UID                   Type    Name
--------------------  ------  --------------------
bce-reranker-base_v1  rerank  bce-reranker-base_v1
UID                       Type    Name
------------------------  ------  ---------------
SenseVoiceSmall  audio   SenseVoiceSmall
CosyVoice-300M   audio   CosyVoice-300M
完成模型注册

5. 服务验证与测试

5.1 基础检查

复制代码 
# 检查容器状态
docker ps | grep xinference

# 查看模型列表
docker exec xinference xinference list

5.2 API接口测试

文本嵌入测试​​：

复制代码 
curl -X POST "http://localhost:9997/v1/embeddings" \
  -H "Content-Type: application/json" \
  -d '{"model": "bce-embedding-base_v1", "input": "测试文本"}'

5.3 xinference图形化界面测试

点击语音识别模型行Actions按钮，测试语音识别：

6、总结

通过本文介绍的方案，企业可以在完全离线的环境中快速部署一套功能完整的AI能力平台。该方案不仅保证了数据的安全性，还通过灵活的配置满足了不同场景的需求。Xinference框架的轻量级特性使其成为离线部署的理想选择，而我们的自动化脚本则大大降低了部署复杂度。

未来，随着模型技术的进步，我们可以通过同样的方式无缝升级模型版本，持续提升业务系统的AI能力，而无需改变整体架构。

热门推荐
01Cursor Claude 模型无法使用的解决方法02全球最强模型Grok4，国内已可免费使用！（附教程）03KGG转MP3工具|非KGM文件|解密音频04Cursor如何配置代理05【无标题】06集群聊天服务器---MySQL数据库的建立07突破限制：使用 Claude Code Proxy 让 Claude Code 自由连接任意模型08绿色建筑新态势：楼宇自控助力能效提升，推动成本优化新路径09Coze扣子平台完整体验和实践（附国内和国际版对比）10（5千字总结）国内如何安装和使用 Claude Code 的保姆级教程 - 支持Mac和Windows用户