云平台部署 FunAudioLLM 语音天花板

FunAudioLLM

FunAudioLLM 是阿里开源的语音处理模型，包含 SenseVoice 和 CosyVoice 两个模型。可以实现 5 种语言生成，以及 50 种语言无缝翻译，还能识别语音情绪。

• FunAudioLLM：https://github.com/FunAudioLLM

• CosyVoice开源仓库：https://github.com/FunAudioLLM/CosyVoice

• CosyVoice在线体验：https://www.modelscope.cn/studios/iic/CosyVoice-300M

• SenseVoice开源仓库：https://github.com/FunAudioLLM/SenseVoice

• SenseVoice在线体验：https://www.modelscope.cn/studios/iic/SenseVoice

FunAudioLLM 模型已经在趋动云『社区项目』上线，欢迎感兴趣的码友们前来实操体验，一同领略 AI 播客带来的非凡魅力与强劲实力！

• 项目入口：https://open.virtaicloud.com/web/project/detail/470526582805655552

一键部署，极速体验 AI 语音天花板

进入FunAudioLLM项目主页中，下滑可以浏览该项目的详细介绍。

点击运行一下，即刻将项目一键克隆到工作空间，不需要自己动手收集下载数据集、模型等。另外，『社区项目』推荐适用的算力规格，可以直接立即运行。

配置完成，点击进入开发环境，根据项目主页介绍进行部署。

根据『社区项目』中该项目的介绍，执行以下操作，依次部署：CosyVoice 和 SenseVoice 两个模型。

CosyVoice

1.运行方法

进入CosyVoice文件夹，找到run.ipynb文件。

2.运行代码

或者点进去run.ipynb，直接enter+shift运行代码即可。

3.当看到 local url 表明服务开启完成

4.添加端口，获得外部访问链接

5.复制到浏览器即可访问

使用自然语言控制时，需要更换模型，在run.ipynb文件中，在代码!export MODELSCOPE_CACHE=/gemini/code/modelscope/ && python webui.py --port 8081 --model_dir pretrained_models/CosyVoice-300M前加#号注释掉，然后将#!export MODELSCOPE_CACHE=/gemini/code/modelscope/ && python webui.py --port 8081 --model_dir pretrained_models/CosyVoice-300M-Instruct前的#号去掉，运行代码即可。

SenseVoice

操作和 CosyVoice 一样。

1. 打开 SenseVoice 目录下的 run.ipynb 文件；

2. 运行所有单元格，运行代码；

3. 当看到 local url 的时候表明服务开启；

4. 添加 8082 端口；

5. 通过外部访问链接即可访问服务。

直接上传音频，即可识别出对应的文字，或者可以直接使用在 CosyVoice 上生成的音频。

识别文字如下，正确率非常的高，除了粤语的不太好评定，中英日韩的识别正确率百分百！

中文

英语

粤语歌

日语

韩语

➫温馨提示： 完成项目后，记得及时关闭开发环境，以免继续产生费用！

智汇全球，趋动未来

『社区项目』汇聚全球智慧，促进技术交流的宝贵平台。热切盼望每一位码友加入，分享您的杰作，共筑这个充满活力与创新的技术乐园。让我们并肩同行，在技术的浩瀚宇宙中持续探索，共同成长！

教程系列1 | 趋动云『社区项目』极速部署 SD WebUI
教程系列2 | 趋动云『社区项目』一步实现与 AI 对话
教程系列3 | 趋动云『社区项目』一键极速部署 PhotoMaker，解锁 AI 绘画奇妙之旅
教程系列4 | 趋动云『社区项目』极速体验 LivePortrait 人脸表情“移花接木”大法

趋动云