pyVideoTrans

简体中文

English

简体中文

English

Appearance

对于 AI 新手来说，从源码部署一个 AI 软件可能会有些困难。有了整合包，只需下载、解压、双击即可使用，大大降低了使用门槛。但有时可能找不到现成的整合包，或者整合包没有及时更新。这时，你可以尝试自己创建一个整合包，并分享给其他人使用。

由于 AI 项目的模型通常很大，再加上 GPU 支持，即使压缩成 7z 格式，文件大小也可能远远超过 5GB，不管是上传网盘和存储，都比较困难。因此，本人不再制作整合包，如果你感兴趣，可以根据本教程自行制作整合包，并分享给他人。

本教程以 F5-TTS 为例，在 Windows 10 上使用 Python 3.10 创建一个整合包。主要步骤如下：

  1. 下载 Python 3.10 embed 版本 (不是 exe 安装包，而是一个zip压缩包)。
  2. 安装 pip，并为项目设置依赖查找路径。
  3. 下载 F5-TTS 源码。
  4. 安装 F5-TTS 的依赖模块。
  5. 创建一键启动脚本，并将模型目录设置到项目目录下。
  6. 配置代理，下载模型。
  7. 执行一次克隆任务，完成 Whisper等其他模型下载。
  8. 压缩为整合包。
  9. 为其他AI项目制作整合包

开始前的准备： ​

首先，创建一个空文件夹。为避免出错，建议在非系统盘下创建一个英文文件夹，例如 D:\f5win。 本文以D:\f5win为例，然后，在该文件夹内再创建一个空文件夹 runtime，用于存放稍后下载的 Python 3.10 embed 版本文件。

在开始之前，请务必点击文件夹导航栏的 “查看”，然后勾选 “文件扩展名”，否则后续操作容易出错，尤其是不熟悉扩展名的朋友。

显示文件扩展名

1. 下载 Python 3.10 embed 版本 ​

重要提示： 这里下载的是 embed 版本，而不是 exe 安装版。这个版本不依赖于你本机的 Python 环境，即使你本机已经安装了 Python，也仍然需要下载这个版本。

  • 下载地址： https://www.python.org/downloads/release/python-31011/

  • 打开网页后，拉到底部，点击 Windows embeddable package (64-bit) 下载。下载后得到一个 zip 压缩包。

    下载Python embed版本

    务必下载这个版本，不要弄错了！

  • 下载完成后，将 zip 压缩包解压，将里面的所有文件复制到刚才创建的 runtime 文件夹内。如下图所示：

    Python embed文件复制到runtime文件夹内

2. 安装 pip 并修改包查找路径 ​

embed 版本的 Python 不包含 pip 模块，因此需要手动安装。

  • 安装 pip：

    • 打开此地址：https://bootstrap.pypa.io/get-pip.py

    • 右键另存为，将文件保存到 runtime 目录下。保存后，runtime 文件夹内应该有一个名为 get-pip.py 的文件。

      下载get-pip.pyget-pip.py文件runtime目录下的get-pip.py

    • 在 runtime 文件夹的地址栏中输入 cmd 并回车，打开终端窗口（黑色窗口）。

      打开cmd，并确认路径是否在runtime内

    • 在终端窗口中输入命令 .\python get-pip.py 并回车。务必注意 命令行显示的当前文件夹地址是否在 runtime 文件夹内，否则会出错。

      等待安装完成...

      pip安装中

      pip 模块安装成功！

      pip 模块安装成功

  • 修改 python310._pth 文件：

    • 在 runtime 文件夹内找到名为 python310._pth 的文件，右键使用记事本打开。

      python310._pth文件内默认内容

    • 在第二行的点符号 . 的下一行，添加以下三行内容：

      ./Lib/site-packages
../src
../src/f5_tts

    • 保存文件。修改后的文件内容如下，请仔细核对，确保正确：

      修改后的python310._pth文件内容应如下

3. 下载 F5-TTS 源码 ​

  • 打开 F5-TTS 项目的 GitHub 仓库： https://github.com/SWivid/F5-TTS

  • 下载源码的 zip 压缩包。

    下载F5-TTS源码

  • 解压下载的 zip 包，将 F5-TTS-main 文件夹内的 所有文件 复制到 D:\f5win 文件夹内。注意： 是复制里面的文件，而不是整个 F5-TTS-main 文件夹。

    复制F5-TTS-main内文件

    解压后，D:\f5win 文件夹的内容应该如下图所示：

    正确复制后的D:5win目录结构

回到之前的CMD窗口

还是刚才的终端窗口，执行下 cd ../ 命令，确保命令行前的地址已减少了runtime字符，变成如下，接下来的操作都要在 D:/f5win 目录下执行

4. 安装依赖模块 ​

  • 回到 cmd 终端窗口，再次确认当前命令行显示的路径是 D:\f5win (不带 runtime)。

  • 执行以下命令安装依赖(注意空格和点符号)：

    .\runtime\python -m pip install -e .

    安装依赖中

    等待安装完成...

所有依赖安装完成

  • 如果你希望整合包支持 NVIDIA 显卡 (可选)： 继续执行以下命令安装 CUDA 版本的 PyTorch 和 torchaudio(注意空格和点符号，命令不可换行)：
    .\runtime\python -m pip install torch==2.4.0+cu124 torchaudio==2.4.0+cu124 --extra-index-url https://download.pytorch.org/whl/cu124

5. 创建一键启动脚本 ​

默认情况下，模型会保存到 C 盘的用户目录下。为了方便整合，我们需要将模型下载到整合包内。

  • 在 D:\f5win 文件夹下右键--新建--文本文档，创建一个 run.txt 文件，用记事本打开，输入以下代码：

bat
    @echo off

    chcp 65001 > nul

    set "HF_HOME=%~dp0models"
    set "MODELSCOPE_CACHE=%~dp0models"

    echo HF_HOME: %HF_HOME%
    echo MODELSCOPE_CACHE: %MODELSCOPE_CACHE%

    "%~dp0runtime\python" -m f5_tts.infer.infer_gradio  --inbrowser

    pause

上面脚本意思是：将模型保存到当前目录的models文件夹内，然后启动web界面，并自动在浏览器中打开

  • 保存文件后，将 run.txt 重命名为 run.bat。此时会弹出警告，选择“是”。如果没有弹出警告，说明你修改错误，请检查是否已显示文件扩展名。

    重命名为run.bat的警告弹窗

6. 配置科学上网环境 ​

由于国内网络环境的限制，无法直接访问 F5-TTS 模型所在的 Hugging Face (huggingface.co)。因此，你需要配置科学上网环境，并设置为系统代理。

例如，假如工具是 v2ray，中可以这样设置：

v2ray中设置为系统代理

配置好后，双击刚才创建的 run.bat 文件。

  • 如果双击后直接用记事本打开了文件，说明你修改扩展名失败，请回到本文顶部开始准备那里，按说明选中文件扩展名

  • 如果双击后打开了黑色窗口，则会开始下载模型到 D:\f5win\models 文件夹内。

    下载模型中

  • 如果出现类似下图的报错，说明你没有配置好科学上网环境，或者没有正确设置为系统代理，导致无法连接到 Hugging Face 下载模型。

    下载模型错误：无法连接到huggingface.co

    有时会出现下载到一半失败了，最大原因是你梯子节点不稳，请更换更稳定的梯子或节点

  • 模型下载完成后，会自动打开浏览器窗口。 模型下载完毕，自动打开浏览器

7. 执行一次克隆任务，下载 Whisper 模型 ​

在进行语音克隆时，如果没有提供参考音频对应的文本，F5-TTS 会自动从 Hugging Face 下载 Whisper 模型。为了打包完整，我们需要提前下载它。

  • 在自动打开的 Web 窗口中，选择一个 5-10 秒的干净参考音频，输入你想合成的文字（例如“你好啊朋友”），然后点击“合成”。

    Web界面

  • 这将开始下载 Whisper 模型。

    下载Whisper模型中

  • 当合成成功且没有出错时，就可以开始将项目打包为整合包了。

8. 压缩为整合包 ​

  • 在压缩之前，你可以将 run.bat 重命名为 点我启动.bat，方便新手用户理解。
  • 将整个 D:\f5win 文件夹压缩为 zip 文件，或者压缩为体积更小的 7z 文件。
  • 将压缩包分享给其他人，他们解压后双击 run.bat (或 点我启动.bat) 即可使用。

9. 如何为其他 AI 项目制作整合包 ​

GitHub 上大部分基于 Python 的开源项目都可以使用类似的方法制作整合包。主要区别在于以下三点：

  1. Python 版本： Python 3.10 是最通用的版本，适用于大多数项目。如果项目有特殊要求（比如 3.11 或 3.12），可以在此页面 https://www.python.org/downloads/windows/ 寻找对应版本的 Windows embeddable package (64-bit)。务必注意，不可下载 exe 安装包。

  2. python310._pth 文件的内容：

    • ./Lib/site-packages 仍然是必须添加的。
    • 其他的路径根据项目的实际情况添加。
    • 如果项目里有一个名为 cfg 的代码目录，则添加一行 ../cfg。
    • 如果项目有一个 src 目录，src 下还有其他文件夹，则继续添加 ../src/目录名。

  3. run.bat 脚本的启动命令：

    • 只需要修改这一行命令：
      "%~dp0runtime\python" -m f5_tts.infer.infer_gradio  --inbrowser
    • "%~dp0runtime\python" 部分保持不变，后面的部分改为对应项目启动的命令（不包含 python）。
    • 如果有疑问，可以将 run.bat 的内容和对应项目的启动命令交给 AI，让它仿照 run.bat 给出新的启动脚本。记得告诉 AI，使用 run.bat 里的 Python 解释器。