在Windows系统上部署 CosyVoice 2

本文参考 https://github.com/FunAudioLLM/CosyVoice 的安装方法，但是解决了一些安装、运行过程中的错误：

1、使用以下命令克隆 CosyVoice 代码仓库

git clone --recursive https://github.com/FunAudioLLM/CosyVoice.git
# 如果因网络问题未能成功克隆子模块，请重复运行以下命令，直至成功。
cd CosyVoice
git submodule update --init --recursive

2、安装 Anaconda

访问Anaconda官网下载最新版，并根据指示安装。

3、使用以下命令创建 Conda 环境

conda create -n cosyvoice -y python=3.10
conda activate cosyvoice
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com

4、下载模型

方法一：进入到 CosyVoice 代码目录，使用 git 命令下载模型：

# git模型下载，请确保已安装git lfs
mkdir -p pretrained_models
git clone https://www.modelscope.cn/iic/CosyVoice2-0.5B.git pretrained_models/CosyVoice2-0.5B

方法二：使用Python代码下载

from modelscope import snapshot_download
snapshot_download('iic/CosyVoice2-0.5B', local_dir='pretrained_models/CosyVoice2-0.5B')

5、启动webui

执行以下命令：

python webui.py --port 50000 --model_dir pretrained_models/CosyVoice2-0.5B

如果一切正常，在浏览器中打开 http://127.0.0.1:50000/ 可以看到以下界面：

6、可能遇到的问题

6.1、DLL load failed while importing _kaldifst: 动态链接库(DLL)初始化例程失败。

如出现以下问题：

将 cosyvoice\cli\frontend.py 代码中的以下代码：

try:
    import ttsfrd
    use_ttsfrd = True
except ImportError:
    print("failed to import ttsfrd, use wetext instead")
    from wetext import Normalizer as ZhNormalizer
    from wetext import Normalizer as EnNormalizer
    use_ttsfrd = False

拷贝到 的最前面，如下图所示：

6.2、FileNotFoundError: WinError 2 系统找不到指定的文件

如果出现以下错误：

File "...\pydub\utils.py", line 274, in mediainfo_json
    res = Popen(command, stdin=stdin_parameter, stdout=PIPE, stderr=PIPE)
...
FileNotFoundError: [WinError 2] 系统找不到指定的文件。

如图：

说明系统缺少 ffmpeg 库，打开 https://www.gyan.dev/ffmpeg/builds/ 下载以下文件：

将下载文件解压到 D:\ffmpeg， 然后将 D:\ffmpeg\bin 添加到系统环境变量的 Path 变量中，重新启动终端，运行以下命令，查看 ffmpeg 是否安装成功：

ffmpeg -version

然后在参考前面 【5、启动webui】 重新启动。