MP本地部署常见问题

1 原因

由于后台系统部署在AP上,使得插件无法被调试。

所以插件开发人员一般需要在自己的电脑上部署一个后台系统,以便调试插件。

2 部署

步骤1:直接拷贝服务器上的系统到本地使用IIS部署。
步骤2:授权项目文件夹。(解决的问题:1.无法读取上传的文件;2.无法更新表单)
步骤3:修改配置文件。(解决的问题:对MP的修改可以第一时间反应在系统页面上,无需重新生成)

2.1 授权文件夹

本人建议是将整个项目文件夹授权,因为这样不会遗漏任何目录。
(题外话:之前的项目就因为忘了授权QS文件夹,导致无法重新生成表单,之后直接从服务器中复制已经重新生成的表单,导致表单新增的下拉框无法使用。)
授权方法:右击文件夹--》属性--》安全--》编辑--》添加--》填写“Everyone”(可写eve)--》检查名称--》确认--》赋予该对象所有权限。


2.2 修改配置文件

web.config
修改一些变量,使其为0,以减少缓存时间。




本地部署 SenseVoice 和 CosyVoice 项目,涉及模型下载、环境配置和启动脚本的执行。以下是详细的部署步骤: ### 1. 环境准备 - **Python 环境**:推荐使用 Python 3.8 或更高版本。可以通过 Anaconda 创建虚拟环境以避免依赖冲突。 - **CUDA 支持**:如果使用 GPU 进行推理,确保系统已安装合适的 CUDA 驱动和 PyTorch 版本。 - **依赖库安装**:根据项目需求,安装必要的 Python 库,例如 `funasr`、`torch`、`numpy` 等。 ### 2. 下载项目代码 - **SenseVoice**:可以通过 GitHub 克隆 SenseVoice 的开源仓库: ```bash git clone https://github.com/FunAudioLLM/SenseVoice.git ``` - **CosyVoice**:同样,克隆 CosyVoice 的开源仓库: ```bash git clone https://github.com/FunAudioLLM/CosyVoice.git ``` ### 3. 模型下载 - **SenseVoice 模型**:SenseVoice 提供了预训练的小型模型 `SenseVoiceSmall`,可以通过以下命令下载: ```bash pip install modelscope from modelscope.pipelines import pipeline from modelscope.utils.constant import Tasks ``` ### 4. 配置环境 - **依赖安装**:进入项目目录,安装所需的依赖库: ```bash pip install -r requirements.txt ``` - **环境变量设置**:如果遇到依赖库版本不兼容的问题,例如 `cannot import name 'Annotated' from 'pydantic.typing'`,可能是 Python 版本问题。确保使用正确的 Python 版本,或者尝试更新 `pydantic` 库。 ### 5. 启动服务 - **SenseVoice 启动脚本**:创建一个启动脚本 `start_sensevoice.bat`,内容如下: ```bat @echo off cd ./sensevoice python app.py ``` - **CosyVoice 启动脚本**:创建一个启动脚本 `start_cosyvoice.bat`,内容如下: ```bat @echo off cd ./cosyvoice python app.py ``` ### 6. 运行服务 - **启动 SenseVoice 和 CosyVoice**:通过以下命令同时启动两个服务: ```bat start cmd /k call ./cosyvoice/start_cosyvoice.bat start cmd /k call ./sensevoice/start_sensevoice.bat ``` ### 7. 测试服务 - **API 调用**:使用 `curl` 或 Postman 等工具测试 API 接口,确保服务正常运行。 - **示例代码**:可以使用以下代码测试 SenseVoice 的语音识别功能: ```python from funasr import AutoModel model_dir = "iic/SenseVoiceSmall" input_file = "张远 - 可以不是你.mp3" model = AutoModel(model=model_dir, vad_model="fsmn-vad", vad_kwargs={"max_single_segment_time": 30000}, trust_remote_code=True, device="cuda:0") res = model.generate( input=input_file, cache={}, language="zh", # "zn", "en", "yue", "ja", "ko", "nospeech" use_itn=False, ) print(res) ``` ### 8. 常见问题解决 - **下载慢的问题**:如果在下载模型时遇到速度慢的问题,可以尝试在本地下载好模型文件,然后上传到服务器。 - **环境不兼容问题**:如果使用 Conda 环境,确保在本地配置好环境后上传到服务器,避免因环境差异导致的问题。 通过以上步骤,可以在本地成功部署 SenseVoice 和 CosyVoice 项目,并进行语音识别和生成任务。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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