CentOS 7.9 安装部署 EchoMimic

55 阅读 0 评论 0 点赞

EchoMimic学习地址：https://github.com/BadToBest/EchoMimic

1、创建虚拟机

这里我创建的是一台CentOS 7.9 的纯净虚拟机，配置如下：

CPU：12核
内存：24GB
系统盘：100G（本地硬盘）
数据盘：100G（本地硬盘）
透传设备：2块 （算力GPU-GeForce RTX 4090 D）

2、基础环境准备

2.1 安装驱动

把 install.sh 驱动脚本传上去执行（创建一个data目录，以后所有东西都放这里吧）：

sh install.sh

在这里插入图片描述
install.sh脚本如下:

#!/bin/sh
# This script installs Ollama on Linux.
# It detects the current operating system architecture and installs the appropriate version of Ollama.

set -eu

status() { echo ">>> $*" >&2; }
error() { echo "ERROR $*"; exit 1; }
warning() { echo "WARNING: $*"; }

TEMP_DIR=$(mktemp -d)
cleanup() { rm -rf $TEMP_DIR; }
trap cleanup EXIT

available() { command -v $1 >/dev/null; }
require() {
    local MISSING=''
    for TOOL in $*; do
        if ! available $TOOL; then
            MISSING="$MISSING $TOOL"
        fi
    done

    echo $MISSING
}

[ "$(uname -s)" = "Linux" ] || error 'This script is intended to run on Linux only.'

ARCH=$(uname -m)
case "$ARCH" in
    x86_64) ARCH="amd64" ;;
    aarch64|arm64) ARCH="arm64" ;;
    *) error "Unsupported architecture: $ARCH" ;;
esac

IS_WSL2=false

KERN=$(uname -r)
case "$KERN" in
    *icrosoft*WSL2 | *icrosoft*wsl2) IS_WSL2=true;;
    *icrosoft) error "Microsoft WSL1 is not currently supported. Please upgrade to WSL2 with 'wsl --set-version <distro> 2'" ;;
    *) ;;
esac

VER_PARAM="${OLLAMA_VERSION:+?version=$OLLAMA_VERSION}"

SUDO=
if [ "$(id -u)" -ne 0 ]; then
    # Running as root, no need for sudo
    if ! available sudo; then
        error "This script requires superuser permissions. Please re-run as root."
    fi

    SUDO="sudo"
fi

NEEDS=$(require curl awk grep sed tee xargs)
if [ -n "$NEEDS" ]; then
    status "ERROR: The following tools are required but missing:"
    for NEED in $NEEDS; do
        echo "  - $NEED"
    done
    exit 1
fi

# Everything from this point onwards is optional.

# WSL2 only supports GPUs via nvidia passthrough
# so check for nvidia-smi to determine if GPU is available
if [ "$IS_WSL2" = true ]; then
    if available nvidia-smi && [ -n "$(nvidia-smi | grep -o "CUDA Version: [0-9]*\.[0-9]*")" ]; then
        status "Nvidia GPU detected."
    fi
    install_success
    exit 0
fi

# Install GPU dependencies on Linux
if ! available lspci && ! available lshw; then
    warning "Unable to detect NVIDIA/AMD GPU. Install lspci or lshw to automatically detect and install GPU dependencies."
    exit 0
fi

check_gpu() {
    # Look for devices based on vendor ID for NVIDIA and AMD
    case $1 in
        lspci)
            case $2 in
                nvidia) available lspci && lspci -d '10de:' | grep -q 'NVIDIA' || return 1 ;;
                amdgpu) available lspci && lspci -d '1002:' | grep -q 'AMD' || return 1 ;;
            esac ;;
        lshw)
            case $2 in
                nvidia) available lshw && $SUDO lshw -c display -numeric -disable network | grep -q 'vendor: .* \[10DE\]' || return 1 ;;
                amdgpu) available lshw && $SUDO lshw -c display -numeric -disable network | grep -q 'vendor: .* \[1002\]' || return 1 ;;
            esac ;;
        nvidia-smi) available nvidia-smi || return 1 ;;
    esac
}

if check_gpu nvidia-smi; then
    status "NVIDIA GPU installed."
    exit 0
fi

if ! check_gpu lspci nvidia && ! check_gpu lshw nvidia && ! check_gpu lspci amdgpu && ! check_gpu lshw amdgpu; then
    install_success
    warning "No NVIDIA/AMD GPU detected. Ollama will run in CPU-only mode."
    exit 0
fi

if check_gpu lspci amdgpu || check_gpu lshw amdgpu; then
    # Look for pre-existing ROCm v6 before downloading the dependencies
    for search in "${HIP_PATH:-''}" "${ROCM_PATH:-''}" "/opt/rocm" "/usr/lib64"; do
        if [ -n "${search}" ] && [ -e "${search}/libhipblas.so.2" -o -e "${search}/lib/libhipblas.so.2" ]; then
            status "Compatible AMD GPU ROCm library detected at ${search}"
            install_success
            exit 0
        fi
    done

    status "Downloading AMD GPU dependencies..."
    $SUDO rm -rf /usr/share/ollama/lib
    $SUDO chmod o+x /usr/share/ollama
    $SUDO install -o ollama -g ollama -m 755 -d /usr/share/ollama/lib/rocm
    curl --fail --show-error --location --progress-bar "https://ollama.com/download/ollama-linux-amd64-rocm.tgz${VER_PARAM}" \
        | $SUDO tar zx --owner ollama --group ollama -C /usr/share/ollama/lib/rocm .
    install_success
    status "AMD GPU ready."
    exit 0
fi

# ref: https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#rhel-7-centos-7
# ref: https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#rhel-8-rocky-8
# ref: https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#rhel-9-rocky-9
# ref: https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#fedora
install_cuda_driver_yum() {
    status 'Installing NVIDIA repository...'
    case $PACKAGE_MANAGER in
        yum)
            $SUDO $PACKAGE_MANAGER -y install yum-utils
            $SUDO $PACKAGE_MANAGER-config-manager --add-repo https://developer.download.nvidia.com/compute/cuda/repos/$1$2/$(uname -m)/cuda-$1$2.repo
            ;;
        dnf)
            $SUDO $PACKAGE_MANAGER config-manager --add-repo https://developer.download.nvidia.com/compute/cuda/repos/$1$2/$(uname -m)/cuda-$1$2.repo
            ;;
    esac

    case $1 in
        rhel)
            status 'Installing EPEL repository...'
            # EPEL is required for third-party dependencies such as dkms and libvdpau
            $SUDO $PACKAGE_MANAGER -y install https://dl.fedoraproject.org/pub/epel/epel-release-latest-$2.noarch.rpm || true
            ;;
    esac

    status 'Installing CUDA driver...'

    if [ "$1" = 'centos' ] || [ "$1$2" = 'rhel7' ]; then
        $SUDO $PACKAGE_MANAGER -y install nvidia-driver-latest-dkms
    fi

    $SUDO $PACKAGE_MANAGER -y install cuda-drivers
}

# ref: https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#ubuntu
# ref: https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#debian
install_cuda_driver_apt() {
    status 'Installing NVIDIA repository...'
    curl -fsSL -o $TEMP_DIR/cuda-keyring.deb https://developer.download.nvidia.com/compute/cuda/repos/$1$2/$(uname -m)/cuda-keyring_1.1-1_all.deb

    case $1 in
        debian)
            status 'Enabling contrib sources...'
            $SUDO sed 's/main/contrib/' < /etc/apt/sources.list | $SUDO tee /etc/apt/sources.list.d/contrib.list > /dev/null
            if [ -f "/etc/apt/sources.list.d/debian.sources" ]; then
                $SUDO sed 's/main/contrib/' < /etc/apt/sources.list.d/debian.sources | $SUDO tee /etc/apt/sources.list.d/contrib.sources > /dev/null
            fi
            ;;
    esac

    status 'Installing CUDA driver...'
    $SUDO dpkg -i $TEMP_DIR/cuda-keyring.deb
    $SUDO apt-get update

    [ -n "$SUDO" ] && SUDO_E="$SUDO -E" || SUDO_E=
    DEBIAN_FRONTEND=noninteractive $SUDO_E apt-get -y install cuda-drivers -q
}

if [ ! -f "/etc/os-release" ]; then
    error "Unknown distribution. Skipping CUDA installation."
fi

. /etc/os-release

OS_NAME=$ID
OS_VERSION=$VERSION_ID

PACKAGE_MANAGER=
for PACKAGE_MANAGER in dnf yum apt-get; do
    if available $PACKAGE_MANAGER; then
        break
    fi
done

if [ -z "$PACKAGE_MANAGER" ]; then
    error "Unknown package manager. Skipping CUDA installation."
fi

if ! check_gpu nvidia-smi || [ -z "$(nvidia-smi | grep -o "CUDA Version: [0-9]*\.[0-9]*")" ]; then
    case $OS_NAME in
        centos|rhel) install_cuda_driver_yum 'rhel' $(echo $OS_VERSION | cut -d '.' -f 1) ;;
        rocky) install_cuda_driver_yum 'rhel' $(echo $OS_VERSION | cut -c1) ;;
        fedora) [ $OS_VERSION -lt '37' ] && install_cuda_driver_yum $OS_NAME $OS_VERSION || install_cuda_driver_yum $OS_NAME '37';;
        amzn) install_cuda_driver_yum 'fedora' '37' ;;
        debian) install_cuda_driver_apt $OS_NAME $OS_VERSION ;;
        ubuntu) install_cuda_driver_apt $OS_NAME $(echo $OS_VERSION | sed 's/\.//') ;;
        *) exit ;;
    esac
fi

if ! lsmod | grep -q nvidia || ! lsmod | grep -q nvidia_uvm; then
    KERNEL_RELEASE="$(uname -r)"
    case $OS_NAME in
        rocky) $SUDO $PACKAGE_MANAGER -y install kernel-devel kernel-headers ;;
        centos|rhel|amzn) $SUDO $PACKAGE_MANAGER -y install kernel-devel-$KERNEL_RELEASE kernel-headers-$KERNEL_RELEASE ;;
        fedora) $SUDO $PACKAGE_MANAGER -y install kernel-devel-$KERNEL_RELEASE ;;
        debian|ubuntu) $SUDO apt-get -y install linux-headers-$KERNEL_RELEASE ;;
        *) exit ;;
    esac

    NVIDIA_CUDA_VERSION=$($SUDO dkms status | awk -F: '/added/ { print $1 }')
    if [ -n "$NVIDIA_CUDA_VERSION" ]; then
        $SUDO dkms install $NVIDIA_CUDA_VERSION
    fi

    if lsmod | grep -q nouveau; then
        status 'Reboot to complete NVIDIA CUDA driver install.'
        exit 0
    fi

    $SUDO modprobe nvidia
    $SUDO modprobe nvidia_uvm
fi

# make sure the NVIDIA modules are loaded on boot with nvidia-persistenced
if command -v nvidia-persistenced > /dev/null 2>&1; then
    $SUDO touch /etc/modules-load.d/nvidia.conf
    MODULES="nvidia nvidia-uvm"
    for MODULE in $MODULES; do
        if ! grep -qxF "$MODULE" /etc/modules-load.d/nvidia.conf; then
            echo "$MODULE" | sudo tee -a /etc/modules-load.d/nvidia.conf > /dev/null
        fi
    done
fi

status "NVIDIA GPU ready."
yum -y install cuda-toolkit-12-4
install_success

驱动安装完成：
在这里插入图片描述

2.2 下载 Anaconda3-2024.06-1-Linux-x86_64.sh

wget https://repo.anaconda.com/archive/Anaconda3-2024.06-1-Linux-x86_64.sh

在这里插入图片描述

2.3 下载完成后执行

sh Anaconda3-2024.06-1-Linux-x86_64.sh

在这里插入图片描述
安装地址：/usr/local/annocada3，剩下一直回车就行：

安装完成显示：

2.4 退出客户端重新连一下

在这里插入图片描述

2.5 查看python版本及cuda版本

 # 查看python版本
 python3 --version
 
 # 查看cuda版本
 nvidia-smi

在这里插入图片描述

3 EchoMimic的安装与使用

3.1 下载代码

git clone https://github.com/BadToBest/EchoMimic
cd EchoMimic

**在这里插入图片描述**

3.2 Python 环境设置

官网Python 环境要求

测试系统环境：Centos 7.2/Ubuntu 22.04，Cuda >= 11.7
测试的 GPU：A100（80G）/ RTX4090D（24G）/ V100（16G）
测试的 Python 版本：3.8 / 3.10 / 3.11

我用Centos时的Python 环境要求

测试系统环境：Ubuntu 22.04，Cuda = 12.4
测试的 GPU：2卡 RTX4090D 系统盘100G /数据盘100G
测试的 Python 版本：3.12.4

在这里插入图片描述

3.3 使用以下方式安装软件包pip

pip install -r requirements.txt

注意：这里如果用上面的命令执行，很慢很慢，而且执行一半有可能报错！！

Python包时超时失败ReadTimeoutError：
HTTPSConnectionPool(host=‘files.pythonhosted.org’, port=443)

如果报了这个错，那就把执行命令加个参数：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

加了参数后，我运行成功了！！！

在这里插入图片描述

3.4 下载 ffmpeg-static

下载并解压ffmpeg-static，下载完成后，上传至Linux目录：/data/EchoMimic/
在这里插入图片描述

3.4.1 解压tar.xz安装包

在CentOS上安装ffmpeg，下载的文件是ffmpeg-4.4-amd64-static.tar.xz，这是两层压缩，外面是xz压缩，里层是tar压缩，所以分两步实现解压。

xz -d ffmpeg-4.4-amd64-static.tar.xz
tar -xvf ffmpeg-4.4-amd64-static.tar.xz

也可以直接解压，这里我是直接解压的！！！

tar -xvJf ffmpeg-4.4-amd64-static.tar.xz

3.4.2 配置环境变量

# export FFMPEG_PATH=/path/to/ffmpeg-4.4-amd64-static
# 我的目录是/data/EchoMimic/ffmpeg-4.4-amd64-static，所以我的命令如下
export FFMPEG_PATH=/data/EchoMimic/ffmpeg-4.4-amd64-static

3.5 下载预训练权重

git clone https://huggingface.co/BadToBest/EchoMimic pretrained_weights

如果下载不下来，那就手动下载到本地，再一点一点传到虚拟机吧！

pretrained_weights的组织

./pretrained_weights/
├── denoising_unet.pth
├── reference_unet.pth
├── motion_module.pth
├── face_locator.pth
├── sd-vae-ft-mse
│   └── ...
├── sd-image-variations-diffusers
│   └── ...
└── audio_processor
    └── whisper_tiny.pt

其中denoising_unet.pth / reference_unet.pth / motion_module.pth / face_locator.pth是EchoMimic的主要检查点。得益于他们的出色工作，该中心的其他模型也可以从其原始中心下载：

3.5.1 音频驱动算法推理

├── ComfyUI/models/  
|     ├──echo_mimic
|         ├── unet
|             ├── diffusion_pytorch_model.bin
|             ├── config.json
|         ├── audio_processor
|             ├── whisper_tiny.pt
|         ├── vae
|             ├── diffusion_pytorch_model.safetensors
|             ├── config.json
|         ├── denoising_unet.pth
|         ├── face_locator.pth
|         ├── motion_module.pth
|         ├── reference_unet.pth

3.5.2 音频驱动算法推理加速

├── ComfyUI/models/  
|     ├──echo_mimic
|         ├── unet
|             ├── diffusion_pytorch_model.bin
|             ├── config.json
|         ├── audio_processor
|             ├── whisper_tiny.pt
|         ├── vae
|             ├── diffusion_pytorch_model.safetensors
|             ├── config.json
|         ├── denoising_unet_acc.pth
|         ├── face_locator.pth
|         ├── motion_module_acc.pth
|         ├── reference_unet.pth

3.5.3 使用姿势驱动算法推理

├── ComfyUI/models/  
|     ├──echo_mimic
|         ├── unet
|             ├── diffusion_pytorch_model.bin
|             ├── config.json
|         ├── audio_processor
|             ├── whisper_tiny.pt
|         ├── vae
|             ├── diffusion_pytorch_model.safetensors
|             ├── config.json
|         ├── denoising_unet_pose.pth
|         ├── face_locator_pose.pth
|         ├── motion_module_pose.pth
|         ├── reference_unet_pose.pth

3.5.4 使用姿势驱动算法推理 ACC

├── ComfyUI/models/  
|     ├──echo_mimic
|         ├── unet
|             ├── diffusion_pytorch_model.bin
|             ├── config.json
|         ├── audio_processor
|             ├── whisper_tiny.pt
|         ├── vae
|             ├── diffusion_pytorch_model.safetensors
|             ├── config.json
|         ├── denoising_unet_pose_acc.pth
|         ├── face_locator_pose.pth
|         ├── motion_module_pose_acc.pth
|         ├── reference_unet_pose.pth

3.6 音频驱动算法推理

运行python推理脚本，一共是有下面两个：

  python -u infer_audio2vid.py
  python -u infer_audio2vid_pose.py

3.6.1 音频驱动算法推理您自己的案例

编辑推理配置文件./configs/prompts/animation.yaml，并添加您自己的案例：

test_cases:
  "path/to/your/image":
    - "path/to/your/audio"

运行python推理脚本：

python -u infer_audio2vid.py

3.6.2 参考图像和驱动视频之间的运动对齐

（首先从 huggingface 下载带有“_pose.pth”后缀的检查点）

在 demo_motion_sync.py 中编辑 driver_video 和 ref_image 到你的路径，然后运行

python -u demo_motion_sync.py

3.6.3 音频和姿势驱动的算法推理

编辑 ./configs/prompts/animation_pose.yaml，然后运行

python -u infer_audio2vid_pose.py

3.6.4 姿势驱动算法推理

在 infer_audio2vid_pose.py 的第 135 行设置 draw_mouse=True。编辑 ./configs/prompts/animation_pose.yaml，然后运行

python -u infer_audio2vid_pose.py

注意：
针对上面四种，我都没有相应的修改，我就是下载好权重之后，直接运行了python -u infer_audio2vid.py，然后直接执行3.7的命令。

3.7 运行 Gradio UI

python -u webgui.py --server_port=3000

3.8 访问Web

在这里插入图片描述

注意：
在页面上上传图像和音频后，点击生成后报错了，如下截图：

在这里插入图片描述

解决办法：
将webgui.py文件的第167行左右的process_video函数下的

face_img = crop_and_pad(face_img, crop_rect)
face_mask = crop_and_pad(face_mask, crop_rect)

改为

face_img,crop_rect = crop_and_pad(face_img, crop_rect)
face_mask,crop_rect = crop_and_pad(face_mask, crop_rect)

改好后，在执行3.7的命令，图像和音频融合成功！！！

本站资源均来自互联网，仅供研究学习，禁止违法使用和商用，产生法律纠纷本站概不负责！如果侵犯了您的权益请与我们联系！

转载请注明出处：免费源码网-免费的源码资源网站 » CentOS 7.9 安装部署 EchoMimic

点赞(0) 打赏

本文分类：文章资讯
本文标签：CentOS 7.9 安装部署 EchoMimic
浏览次数：55 次浏览
本文链接：https://freeymw.com/article/23737.html

评论列表共有 0 条评论

暂无评论

CentOS 7.9 安装部署 EchoMimic

CentOS 7.9 安装部署 EchoMimic

1、创建虚拟机

2、基础环境准备

2.1 安装驱动

2.2 下载 Anaconda3-2024.06-1-Linux-x86_64.sh

2.3 下载完成后执行

2.4 退出客户端重新连一下

2.5 查看python版本及cuda版本

3 EchoMimic的安装与使用

3.1 下载代码

3.2 Python 环境设置

3.3 使用以下方式安装软件包pip

3.4 下载 ffmpeg-static

3.4.1 解压tar.xz安装包

3.4.2 配置环境变量

3.5 下载预训练权重

3.5.1 音频驱动算法推理

3.5.2 音频驱动算法推理加速

3.5.3 使用姿势驱动算法推理

3.5.4 使用姿势驱动算法推理 ACC

3.6 音频驱动算法推理

3.6.1 音频驱动算法推理您自己的案例

3.6.2 参考图像和驱动视频之间的运动对齐

3.6.3 音频和姿势驱动的算法推理

3.6.4 姿势驱动算法推理

3.7 运行 Gradio UI

3.8 访问Web

评论列表 共有 0 条评论

发表评论 取消回复

评论列表共有 0 条评论

发表评论取消回复