如何使用阿里云AMD CPU云服务器（g8a）和龙蜥容器镜像，基于通义千问Qwen-Audio-Chat搭建语音AI服务助手_python+qwen-audio-chat实时识别语音

Qwen-Audio是阿里云研发的大规模音频语言模型（Large Audio Language Model）。Qwen-Audio可以以多种音频（包括说话人语音、自然音、音乐、歌声）和文本作为输入，并以文本作为输出。在Qwen-Audio的基础上，利用对齐机制打造出基于大语言模型的语音AI助手Qwen-Audio-Chat，它支持更灵活的交互方式，包括多音频、多轮问答、创作等能力。支持多种语音场景，包括声音理解和推理、音乐欣赏、多音频分析、多轮音频-文本交错对话以及外部语音工具的使用等。

重要

Qwen-Audio-Cha模型依照LICENSE开源，免费商用需填写商业授权申请。您应自觉遵守第三方模型的用户协议、使用规范和相关法律法规，并就使用第三方模型的合法性、合规性自行承担相关责任。

创建ECS实例

1. 前往实例创建页。

2. 按照界面提示完成参数配置，创建一台ECS实例。

   需要注意的参数如下，其他参数的配置，请参见自定义购买实例。

   • 实例：Qwen-Audio-Chat模型的推理过程需要耗费大量的计算资源，运行时占用大量内存，为了保证模型运行的稳定，实例规格至少需要选择ecs.g8a.4xlarge（64 GiB内存）。

   • 镜像：Alibaba Cloud Linux 3.2104 LTS 64位。

   • 公网IP：选中分配公网IPv4地址，带宽计费模式选择按使用流量，带宽峰值设置为100 Mbps。以加快模型下载速度。

     

   • 系统盘：Qwen-Audio-Chat的运行需要下载多个模型文件，会占用大量存储空间，为了保证模型顺利运行，建议系统盘设置为100 GiB。

3. 添加安全组规则。

   在ECS实例安全组的入方向添加安全组规则并放行22、443、7860端口（用于访问WebUI服务）。具体操作，请参见添加安全组规则。

4. 创建完成后，在ECS实例页面，获取公网IP地址。

   说明

   公网IP地址用于进行AI对话时访问WebUI服务。

   

创建Docker运行环境

1. 远程连接该ECS实例。

   具体操作，请参见通过密码或密钥认证登录Linux实例。

2. 安装Docker。

   具体操作，请参见在Alibaba Cloud Linux 3实例中安装Docker。

3. 创建并运行PyTorch AI容器。

   龙蜥社区提供了丰富的基于Anolis OS的容器镜像，包括针对AMD优化过的PyTorch镜像，您可以直接使用该镜像直接创建一个PyTorch运行环境。

   以下命令首先拉取容器镜像，随后使用该镜像创建一个以分离模式运行的、名为pytorch-amd的容器，并将用户的家目录映射到容器中，以保留开发内容。

   sudo docker pull registry.openanolis.cn/openanolis/pytorch-amd:1.13.1-23-zendnn4.1
   sudo docker run -d -it --name pytorch-amd --net host -v $HOME:/root registry.openanolis.cn/openanolis/pytorch-amd:1.13.1-23-zendnn4.1
   

部署Qwen-Audio-Chat

步骤一：安装配置模型所需软件

1. 进入容器环境。

   sudo docker exec -it -w /root pytorch-amd /bin/bash
   

   重要

   后续命令需在容器环境中执行，如意外退出，请使用以上命令重新进入容器环境。如需查看当前环境是否为容器，可以执行cat /proc/1/cgroup | grep docker查询（有回显信息则为容器环境）。

2. 安装部署Qwen-Audio-Chat所需的软件。

   yum install -y git git-lfs wget tmux xz gperftools-libs anolis-epao-release
   

3. 启用Git LFS。

   下载预训练模型需要Git LFS的支持。

   git lfs install
   

步骤二：下载源码与模型

1. 创建一个tmux session。

   tmux
   

   说明

   下载预训练模型耗时较长，且成功率受网络情况影响较大，建议在tmux session中下载，以免ECS断开连接导致下载模型中断。

2. 下载Qwen-Audio-Chat项目源码和预训练模型。

   git clone https://github.com/QwenLM/Qwen-Audio.git
   git clone https://www.modelscope.cn/qwen/Qwen-Audio-Chat.git qwen-audio-chat
   

3. 查看当前目录。

   ls -l 
   

   下载完成后，当前目录显示如下。

   

步骤三：部署运行环境

1. 更换pip下载源。

   在安装依赖包之前，建议您更换pip下载源以加速安装。

   1. 创建pip文件夹。

      mkdir -p ~/.config/pip
      

   2. 配置pip安装镜像源。

      cat > ~/.config/pip/pip.conf <<EOF
      [global]
      index-url=http://mirrors.cloud.aliyuncs.com/pypi/simple/
       
      [install]
      trusted-host=mirrors.cloud.aliyuncs.com
      EOF
      

2. 安装Python运行依赖。

   yum install -y python3-transformers python-einops
   pip install typing_extensions==4.5.0 tiktoken transformers_stream_generator accelerate gradio
   

3. 安装ffmpeg。

   1. 下载ffmpeg安装包。

      说明

      ffmpeg安装包下载较慢，建议您直接下载ffmpeg后，上传到当前用户家目录（例如/home/ecs-user/）下。

      wget https://johnvansickle.com/ffmpeg/releases/ffmpeg-6.1-amd64-static.tar.xz
      

   2. 解压并安装ffmpeg。

      tar -xf ffmpeg-6.1-amd64-static.tar.xz
      cp ffmpeg-6.1-amd64-static/{ffmpeg,ffprobe} /usr/local/bin
      rm -rf ffmpeg-6.1-amd64-static*
      

4. 设置环境变量OMP_NUM_THREADS和GOMP_CPU_AFFINITY。

   ZenDNN运行库需要针对硬件平台显式设置环境变量OMP_NUM_THREADS和GOMP_CPU_AFFINITY。

   cat > /etc/profile.d/env.sh <<EOF
   export OMP_NUM_THREADS=\$(nproc --all)
   export GOMP_CPU_AFFINITY=0-\$(( \$(nproc --all) - 1 ))
   EOF
   source /etc/profile
   

步骤四：进行AI对话

1. 执行如下命令，开启WebUI服务。

   cd ~/Qwen-Audio
   export LD_PRELOAD=/usr/lib64/libtcmalloc.so.4
   python3 web_demo_audio.py -c=${HOME}/qwen-audio-chat/ --cpu-only --server-name=0.0.0.0 --server-port=7860
   

   当出现如下信息时，表示WebUI服务启动成功。

   

2. 在浏览器地址栏输入http://<ECS公网IP地址>:7860，进入Web页面。

3. 单击Upload(上传文件)上传语音文件，然后在Input对话框中，输入对话内容，单击Submit（发送），即可开始语音问答、创作等。

   说明

   以下示例远非Qwen-Audio-Chat能力的极限，您可以通过更换不同的语音文件和提示词（Prompt），来进一步挖掘Qwen-Audio-Chat的能力。