本帖最后由 Eureka 于 2025-9-29 00:01 编辑
马上国庆节了，写了个小玩具给大伙耍耍。
众所周知，阿里开源的Cosyvoice文本转语音大模型的效果非常的不错，
我也把玩了很久
但苦于没有高性能的显卡（租的卡总有一种紧迫感，用得不舒坦 ），所以写了个纯CPU运行的版本。
相较于官方原版：
CPU推理时 原版 精简后
内存占用 4G+ 4G+
硬盘占用 20G+ 8.93G
速度相同 50s/it 50s/it
对于原版，做了以下处理：
1. 剔除不必要的Python环境依赖和模型文件，硬盘占用减少10G
2. 基于python:3.10-slim镜像（裸镜像仅43M大小），并且使用Docker打包，系统更轻量的同时，不会遇到安装报错、版本不兼容、网络错误等等等等问题，小白也能轻松部署。
3. 重写了WebUI，（原版UI仅供测试使用，并且解决了第一次生成时，无法获取音频的问题），步骤指导更清晰！
硬件要求：
- 物理内存推荐 8G，不够的话再加swap缓存也能跑，但是慢。
- 硬盘剩余空间大于 10G
- 流量消耗大约 10G
- CPU在推理时，会满载95%+（注意vps商家有无限制）
好了，说了那么多，下面就是详细步骤了：
第一步：将下面内容保存为docker-compose.yml
• services:
• cov:
• image: eureka6688/cosyvoice:latest # arm架构请将＂latest＂替换成＂arm＂
• container_name: cov
• ports:
• - "50000:50000"
• command: ["python", "web.py", "--port", "50000"]
• stdin_open: true
• tty: true
• restart: unless-stopped
马上国庆节了，写了个小玩具给大伙耍耍。
众所周知，阿里开源的Cosyvoice文本转语音大模型的效果非常的不错，
我也把玩了很久
但苦于没有高性能的显卡（租的卡总有一种紧迫感，用得不舒坦 ），所以写了个纯CPU运行的版本。
相较于官方原版：
CPU推理时 原版 精简后
内存占用 4G+ 4G+
硬盘占用 20G+ 8.93G
速度相同 50s/it 50s/it
对于原版，做了以下处理：
1. 剔除不必要的Python环境依赖和模型文件，硬盘占用减少10G
2. 基于python:3.10-slim镜像（裸镜像仅43M大小），并且使用Docker打包，系统更轻量的同时，不会遇到安装报错、版本不兼容、网络错误等等等等问题，小白也能轻松部署。
3. 重写了WebUI，（原版UI仅供测试使用，并且解决了第一次生成时，无法获取音频的问题），步骤指导更清晰！
硬件要求：
- 物理内存推荐 8G，不够的话再加swap缓存也能跑，但是慢。
- 硬盘剩余空间大于 10G
- 流量消耗大约 10G
- CPU在推理时，会满载95%+（注意vps商家有无限制）
好了，说了那么多，下面就是详细步骤了：
第一步：将下面内容保存为docker-compose.yml
• services:
• cov:
• image: eureka6688/cosyvoice:latest # arm架构请将＂latest＂替换成＂arm＂
• container_name: cov
• ports:
• - "50000:50000"
• command: ["python", "web.py", "--port", "50000"]
• stdin_open: true
• tty: true
• restart: unless-stopped