From 6afea795f8e1334cc16a39525bf1987ef954d3be Mon Sep 17 00:00:00 2001 From: yueliuli <1628111725@qq.com> Date: Sat, 9 May 2026 11:00:06 +0800 Subject: [PATCH] =?UTF-8?q?=E6=96=B0=E5=A2=9E=EF=BC=9A=E8=A7=86=E9=A2=91?= =?UTF-8?q?=E8=BD=AC=E7=A0=81=E6=8E=A5=E5=8F=A3=E5=8F=8A=E5=8A=9F=E8=83=BD?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit - 将视频转码为h264 --- .gitignore | 1 + INSTALL.md | 196 ----------------------------------------------------- server.py | 82 ++++++++++++++++++++++ 3 files changed, 83 insertions(+), 196 deletions(-) delete mode 100644 INSTALL.md diff --git a/.gitignore b/.gitignore index 9603943..9f93633 100644 --- a/.gitignore +++ b/.gitignore @@ -54,6 +54,7 @@ Thumbs.db # 输入输出 output/ input/ +vid_h264/ # 音频文件（可选，根据需要调整） # *.wav diff --git a/INSTALL.md b/INSTALL.md deleted file mode 100644 index 9f0042e..0000000 --- a/INSTALL.md +++ /dev/null @@ -1,196 +0,0 @@ -# 项目依赖安装指南 - -## 📋 环境要求 - -- **Python**: 3.10+ -- **CUDA**: 11.8+ (可选，用于 GPU 加速) -- **系统**: Windows 10/11, Linux, macOS - -## 🚀 快速安装 - -### 1. 创建虚拟环境 - -```bash -python -m venv funasr_env -``` - -### 2. 激活虚拟环境 - -**Windows:** -```bash -funasr_env\Scripts\activate -``` - -**Linux/macOS:** -```bash -source funasr_env/bin/activate -``` - -### 3. 安装 PyTorch (带 CUDA 支持) - -**CUDA 11.8:** -```bash -pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu118 -``` - -**CPU 版本:** -```bash -pip install torch torchaudio -``` - -### 4. 安装 3D-Speaker - -```bash -# 克隆 3D-Speaker 项目到父目录 -cd .. -git clone https://github.com/alibaba-damo-academy/3D-Speaker.git - -# 安装 3D-Speaker 依赖 -cd 3D-Speaker -pip install -e . -``` - -### 5. 安装其他依赖 - -```bash -# 返回项目目录 -cd ../audio2 - -# 安装 requirements.txt -pip install -r requirements.txt -``` - -## 📦 依赖说明 - -### 核心依赖 - -| 包名 | 用途 | 必需 | -|------|------|------| -| torch | 深度学习框架 | ✅ | -| funasr | 语音识别引擎 | ✅ | -| modelscope | 模型下载与管理 | ✅ | -| speakerlab | 3D-Speaker 说话人分离 | ✅ | -| soundfile | 音频文件读写 | ✅ | -| librosa | 音频分析 | ✅ | - -### 可选依赖 - -| 包名 | 用途 | 何时需要 | -|------|------|----------| -| onnxruntime-gpu | ONNX 推理加速 | 需要更高性能时 | -| Flask | Web API 服务 | 需要部署 Web 服务时 | -| SQLAlchemy | 数据库 ORM | 需要持久化存储时 | - -## 🔧 验证安装 - -运行测试脚本验证安装： - -```bash -# 测试模型加载 -python test_model_load.py - -# 运行主程序 -python main.py -``` - -## ⚠️ 常见问题 - -### 1. CUDA 版本不匹配 - -**错误信息:** -``` -RuntimeError: CUDA error: no kernel image is available for execution -``` - -**解决方案:** -```bash -# 卸载当前 PyTorch -pip uninstall torch torchvision torchaudio - -# 根据 CUDA 版本重新安装 -# CUDA 11.8 -pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 - -# CUDA 12.1 -pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 -``` - -### 2. 3D-Speaker 导入失败 - -**错误信息:** -``` -ModuleNotFoundError: No module named 'speakerlab' -``` - -**解决方案:** -```bash -# 确保 3D-Speaker 在项目父目录 -# 结构应为: -# project/ -# ├── audio2/ -# └── 3D-Speaker/ - -# 重新安装 3D-Speaker -cd 3D-Speaker -pip install -e . -``` - -### 3. 模型下载失败 - -**错误信息:** -``` -ConnectionError: Failed to download model from ModelScope -``` - -**解决方案:** -```bash -# 使用阿里云镜像 -export MODELSCOPE_CACHE="./models" - -# 或手动下载模型后放入缓存目录 -``` - -### 4. 内存不足 - -**错误信息:** -``` -RuntimeError: CUDA out of memory -``` - -**解决方案:** -- 减少并发数：修改 `main.py` 中的 `max_workers=1` -- 使用 CPU 模式：`device='cpu'` -- 关闭其他占用 GPU 的程序 - -## 📝 依赖版本锁定 - -如需精确控制版本，使用： - -```bash -# 生成当前环境的依赖快照 -pip freeze > requirements.lock.txt - -# 使用锁定的版本安装 -pip install -r requirements.lock.txt -``` - -## 🎯 最小化安装 - -如果只需要基础功能： - -```bash -# 最小依赖集 -pip install torch funasr modelscope soundfile scipy numpy tqdm pyyaml -``` - -## 📊 磁盘空间需求 - -| 组件 | 空间需求 | -|------|----------| -| 基础依赖 | ~2 GB | -| PyTorch (CUDA) | ~3 GB | -| FunASR 模型 | ~2 GB | -| 3D-Speaker 模型 | ~1 GB | -| **总计** | **~8 GB** | - -建议预留 **10 GB** 以上可用空间。 diff --git a/server.py b/server.py index 5bf3cc3..b03ceea 100644 --- a/server.py +++ b/server.py @@ -4,6 +4,7 @@ Web API Server for ASR and Speaker Diarization """ import os +import subprocess import sys import gc import json @@ -16,6 +17,8 @@ from werkzeug.utils import secure_filename import uuid from datetime import datetime, timezone +from lib.convert import convert_to_h264 + def make_response(status="success", data=None, errors=None, message=None, extra=None): """ @@ -213,6 +216,78 @@ def result(): errors=[str(e)] )), 500 +@app.route('/api/convert', methods=['GET']) +def convert(): + """视频文件转码""" + try: + # 从请求参数获取路径 + path = request.args.get('path', '') + + if not path: + return jsonify(make_response( + status="error", + message="请提供文件路径", + errors=["缺少必要参数：path"] + )), 400 + + # 转码视频文件 + output_path = convert_to_h264(path) + + return jsonify(make_response( + status="success", + message="视频文件转码完成", + data={"path": output_path} + )), 200 + except Exception as e: + import traceback + traceback.print_exc() + return jsonify(make_response( + status="error", + message=str(e), + errors=[str(e)] + )), 500 + +@app.route('/api/getVidUrl', methods=['GET']) +def getVidUrl(): + """获取视频文件URL""" + try: + # 从请求参数获取路径 + path = request.args.get('path', '') + + if not path: + return jsonify(make_response( + status="error", + message="请提供文件路径", + errors=["缺少必要参数：path"] + )), 400 + + + # 检查视频文件是否存在 + if not Path(f"vid_h264/{Path(path).stem}_h264.mp4").exists(): + return jsonify(make_response( + status="error", + message="视频文件不存在", + errors=["视频文件不存在"] + )), 404 + + # 生成视频文件URL + url = f"http://localhost:8086/{Path(path).stem}_h264.mp4" + print(url) + + return jsonify(make_response( + status="success", + message="获取成功", + data={"url": url} + )), 200 + except Exception as e: + import traceback + traceback.print_exc() + return jsonify(make_response( + status="error", + message=str(e), + errors=[str(e)] + )), 500 + if __name__ == '__main__': print("=" * 60) print(" ASR & Speaker Diarization API Server") @@ -220,10 +295,17 @@ if __name__ == '__main__': print("\nAPI 接口:") print(" GET /api/recognize - 文件推理") print(" GET /api/result - 获取文件推理结果") + print(" GET /api/convert - 转码视频文件") + print(" GET /api/getVidUrl - 获取视频文件URL") print("\n" + "=" * 60) print("启动服务：http://localhost:5000") print("使用 Waitress WSGI 服务器（无超时限制）") print("=" * 60) + # 启动 Caddy 服务（后台运行） + caddy_dir = os.path.join(os.path.dirname(__file__), "vid_h264") + caddy_exe = os.path.join(os.path.dirname(__file__), "lib", "caddy_windows_amd64.exe") + subprocess.Popen([caddy_exe, "file-server", "--listen", ":8086", "--browse"], cwd=caddy_dir, shell=True) + from waitress import serve serve(app, host='0.0.0.0', port=5000, threads=4, connection_limit=100)