不使用梯子下载huggingface模型——使用镜像下载

已于 2024-05-27 23:08:23 修改
阅读量1w 收藏 53
点赞数 18
CC 4.0 BY-SA版权
文章标签： linux 运维 服务器 人工智能
于 2024-01-07 03:55:45 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Aorg1/article/details/135435044

转载 https://hf-mirror.com/

如何使用镜像站🌟

本站域名  hf-mirror.com，用于镜像  huggingface.co 域名。作为一个公益项目，致力于帮助国内AI开发者快速、稳定的下载模型、数据集。捐赠支持请看网页左下角，感谢支持！

更多详细用法请看《这篇教程》。

方法一：网页下载

在本站搜索，并在模型主页的Files and Version中下载文件。

方法二：huggingface-cli

huggingface-cli 是 Hugging Face 官方提供的命令行工具，自带完善的下载功能。

1. 安装依赖

pip install -U huggingface_hubCopy

2. 设置环境变量

最低0.47元/天 解锁文章

200万优质内容无限畅学
RuiyChen
关注
huggingface无法下载 翻墙也不行，一行命令解决，国内镜像
南七小僧的学海无涯
06-11 1万+
指定临时环境变量，引导至国内源。
快速方便地下载huggingface的模型库和数据集
zik的博客
07-30 6885
使用方法：将hfd.sh拷贝过去，然后参考下面的参考命令，下载数据集或者模型。欢迎大家关注笔者，你的关注是我持续更博的最大动力。或克隆此存储库，然后授予脚本执行权限。这个代码不能保持目录结构，见下面的改进版。获取huggingface令牌，然后。中，这个命令行工具巧妙地利用。来处理 LFS 文件，并使用。为了方便起见，您可以创建一个别名。原创文章，转载告知，盗版必究。首先，下载 hfd.sh。
linux使用国内镜像源下载huggingface文件
qq_43725659的博客
12-21 4050
Linux下载huggingface模型国内镜像
使用清华大学的 Hugging Face 镜像
最新发布
qq_45688164的博客
06-13 387
然后运行代码时会自动下载模型，重启终端后环境变量会自动消失。下载模型文件到本地目录，然后修改目录为本地模型地址运行。
如何快速下载huggingface模型
热门推荐
weixin_43196262的博客
12-28 4万+
国内开源镜像上面总结了多种从上下载模型的方法，如下图。
huggingface 中模型下载及部署演示
@bangbang的博客
04-27 4126
huggingface 可以理解为对于，提供了模型、数据集、类库（比如transformers|peft|accelerate）、教程等。官方地址:ModelsDatasetsCVNLP多模态音频60多万。
下载 Hugging Face 中的模型文件
程永强
05-26 1967
下载 Hugging Face 中的模型文件
如何快速有效的从huggingface上下载模型及加载
xiaomu_347的博客
06-03 1万+
您可以点击模型卡片中的“快速使用”按钮查看如何使用Library进行模型的下载。您还可以从 repos 下载文件或将它们集成到您的库中，并且可指定下载模型的地址。默认模型会下载到~/.cache/modelscope/hub中，如果需要修改下载目录，可以手动指定环境变量：MODELSCOPE_CACHE，modelscope会将模型和数据集下载到该环境变量指定的目录中。对应的，如果需要在ModelScope平台上有感兴趣的模型并希望能下载至本地，则ModelScope提供了多种下载模型的方式。
HuggingFace模型下载指南
YuZhou的博客
03-06 2235
HuggingFace模型下载指南
Intern大模型训练营（四）：使用Hugging Face下载模型
kjnsdg的博客
11-07 1494
通过CLI上传 Hugging Face同样是跟Git相关联，通常大模型的模型文件都比较大，因此我们需要安装git lfs，对大文件系统支持。在 intern_study_L0_4 上传之前下载好的config.json，然后新建一个README.md，粘贴以下内容。创建项目，注意这里不要在之前的intern_build仓库里面创建，本人在这里踩了坑，没注意父文件夹。运行该文件，可以看到，已经从Hugging Face上下载了相应配置文件。进行创建，在创建页面中，输入项目名为。
如何在huggingface上申请下载使用llama2/3模型
a61022706的博客
05-12 1万+
huggingface-cli download --resume-download 模型名称 --local-dir 存放模型的位置 --local-dir-use-symlinks False --resume-download --token token序列号xxxxxxx。登录huggingface，在模型详情页面上，找到这个表单，填写内容，提交申请。需要使用梯子，country填写梯子的位置吧(比如美国）等待一小时左右，会有邮件通知。
【大模型部署实践-1】从huggingface下载开源模型
qq_40302568的博客
12-15 1552
消费级显卡上部署LLM
转载-git下载huggingface数据集挂梯子问题
arthur0919的博客
06-03 820
你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：撤销：Ctrl/Command + Z 重做：Ctrl/Command + Y 加粗：Ctrl/Command + B 斜体：Ctrl/Command + I 标题：Ctrl/Command + S
优雅的从ＨuggingFace下载模型
orangerfun的博客
02-03 2888
以下都以下载bloom模型为例这种方式下载会显示下载的进度及网速，因此一般推荐使用这种方式下载。如果直接使用方式来下载，不会显示任何下载信息。
下载huggingface中数据集/模型(保存到本地指定路径)
MK422的博客
03-30 2万+
1.若需要将数据集/模型放在指定路径，需要指定"cache-dir"参数，而不是“local-dir”2.直接从huggingface中下载对应的模型和数据集，需要外网。因此可以使用国内镜像“HF-Mirror - Huggingface 镜像站。
Hugging Face 模型下载方法一览。
YI_SHU_JIA的博客
10-24 3万+
hugging face 你不可或缺的工具
轻松学会HuggingFace模型下载与保存
DaVenci的博客
05-23 2万+
还不会通过transforms库保存模型？out！
【hugggingface+下载】批量加速下载HuggingFace上的模型
进一寸有一寸的欢喜
03-06 4716
【hugggingface】批量加速下载HuggingFace上的模型
Hugging Face 模型下载
CeciliaLeng的博客
12-26 561
【转载】Hugging Face——大规模预训练模型下载_GeekZW的博客-优快云博客_huggingface 下载模型
推荐一个语音克隆模型并给出本地部署和详细的使用教程
02-21
<think>好的，用户让我推荐一个语音克隆模型，并提供本地部署和详细的使用教程。我需要先确定用户的具体需求是什么。语音克隆通常指的是根据一段语音样本生成类似声音的合成语音，可能用于配音、虚拟助手等场景。用户提到本地部署，说明他们可能希望在自己的机器上运行，而不是依赖云服务，这可能出于隐私或成本的考虑。 首先，我得考虑哪些开源模型适合语音克隆。Tortoise-TTS是一个比较流行的选择，它效果不错但可能需要较高的计算资源。So-VITS-SVC也是最近比较热门的，适用于歌声转换，但也能做语音克隆。还有Coqui TTS，它比较轻量，适合本地部署。需要比较这几个的优缺点，然后推荐最合适的。 接下来，用户需要详细的部署和使用教程。这意味着步骤要清晰，从安装依赖到实际使用都要涵盖。可能还需要考虑不同操作系统的兼容性，比如Windows、Linux或者MacOS。不过大多数深度学习项目对Linux支持更好，但用户可能用的是Windows，所以得注意说明。 然后，用户的技术水平如何？如果他们不熟悉Python或深度学习框架，教程需要更详细，包括如何安装Python、Git、CUDA等依赖项。还要提到可能的常见错误，比如依赖版本冲突、缺少库文件等，并提供解决办法。 另外，版权和伦理问题也很重要。语音克隆可能涉及法律风险，特别是未经允许克隆他人声音。我需要提醒用户注意这些，避免滥用。 现在，我需要组织信息，推荐一个模型，比如Tortoise-TTS，因为它的效果比较好，社区支持也活跃。然后分步骤说明如何克隆仓库、安装依赖、下载预训练模型，最后给出使用示例。同时，提醒需要高性能GPU，否则合成速度会很慢。可能还要提到如果用户没有GPU，可以尝试其他轻量级模型，比如Coqui TTS。 最后，确保语言简洁明了，步骤清晰，用户能够按照教程一步步操作。可能还需要补充参考资料和链接，方便用户进一步查阅。检查是否有遗漏的步骤，比如环境变量设置、权限问题等，确保教程的全面性。</think>以下是一个本地部署的语音克隆模型推荐及详细教程，基于当前开源社区中效果较好的 **So-VITS-SVC 4.1**（适用于语音/歌声克隆）和 **Tortoise-TTS**（纯语音克隆），教程覆盖基础流程和注意事项： --- ### 一、推荐模型：**So-VITS-SVC 4.1** **特点**： - 支持少量语音数据（5分钟~1小时）快速训练音色模型。 - 提供高音质克隆和实时推理能力。 - 开源且社区活跃，适合中文场景。 --- ### 二、本地部署教程（以 Windows 为例） #### 1. 环境准备 - **操作系统**：Windows 10/11, Linux（推荐Ubuntu） - **硬件要求**： - GPU：NVIDIA显卡（显存≥6GB，支持CUDA 11.7+） - CPU：建议多核处理器 - 内存：≥16GB - **依赖工具**： - Python 3.8+ - Git - CUDA 和 cuDNN（与PyTorch版本匹配） - FFmpeg（用于音频处理） #### 2. 安装步骤 **① 克隆代码仓库** ```bash git clone https://github.com/svc-develop-team/so-vits-svc.git cd so-vits-svc ``` **② 安装依赖** ```bash pip install -r requirements.txt # 安装GPU版本PyTorch（根据CUDA版本选择） pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu117 ``` **③ 下载预训练模型** - 下载官方提供的预训练模型（如 `G_0.pth` 和 `D_0.pth`），放置到 `logs/44k` 目录。 - 下载 `hubert_base.pt` 声码器模型，放置到 `pretrain` 目录。 （模型链接通常在项目Wiki或HuggingFace页面提供） #### 3. 训练自己的音色模型 **① 准备数据** - 录制或收集目标音色的语音（建议静音环境，单说话人，采样率44.1kHz，格式为wav）。 - 将音频文件放入 `dataset_raw/{speaker_name}` 目录。 **② 数据预处理** ```bash python resample.py # 重采样至44.1kHz python preprocess_flist_config.py # 生成配置文件 python preprocess_hubert_f0.py # 提取音高和特征 ``` **③ 启动训练** ```bash python train.py -c configs/config.json -m 44k ``` - 训练时间：6GB显存约需2~4小时（5分钟数据）。 #### 4. 语音克隆推理 ```bash python inference_main.py -m "logs/44k/G_xxx.pth" -c "configs/config.json" -n "input.wav" -t 0 # 调整t参数控制音高 ``` - 输入音频 `input.wav` 会被转换为目标音色，输出到 `results` 目录。 --- ### 三、备选方案：Tortoise-TTS **特点**： - 无需训练，直接通过参考音频克隆音色。 - 支持多语言，但生成速度较慢。 **部署步骤**： 1. 安装库： ```bash pip install tortoise-tts ``` 2. 代码示例： ```python from tortoise.api import TextToSpeech tts = TextToSpeech() voice_samples = [tts.load_voice("reference_audio.wav")] # 加载参考音频 generated_audio = tts.tts_with_preset("要合成的文本", voice_samples=voice_samples, preset="fast") generated_audio.save("output.wav") ``` --- ### 四、注意事项 1. **版权与伦理**： - 禁止未经授权克隆他人声音，遵守当地法律法规。 2. **硬件不足**： - 若无GPU，可使用Google Colab的免费GPU资源（需梯子）。 3. **音质优化**： - 增加训练数据时长（建议1小时以上）可提升克隆效果。 - 使用降噪工具预处理原始音频（如Audacity）。 --- ### 五、参考资料 - So-VITS-SVC GitHub：https://github.com/svc-develop-team/so-vits-svc - Tortoise-TTS GitHub：https://github.com/neonbjb/tortoise-tts - 中文社区教程：B站搜索“So-VITS-SVC 4.1教程” 如果需要更简化的方案（如一键安装包），可关注开源社区发布的整合包（如“Svita”工具箱）。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值