VoiceDialogue 安装指南

本文档提供 VoiceDialogue 智能语音对话系统的详细安装说明。

系统要求

在开始安装之前，请确保您的系统满足以下要求：

操作系统: macOS 14+ (推荐)
Python 版本: 3.9 或更高版本
内存要求: 至少 16GB RAM (推荐 32GB 用于大模型)
存储空间: 至少 20GB 可用空间 (用于模型文件)

安装步骤

1. 克隆项目

git clone https://huggingface.co/MoYoYoTech/VoiceDialogue
cd VoiceDialogue

2. 创建并激活虚拟环境

建议使用虚拟环境来避免依赖冲突：

# 使用 uv (推荐)
pip install uv
uv venv
source .venv/bin/activate

# 或使用 conda
conda create -n voicedialogue python=3.11
conda activate voicedialogue

# 或使用 venv
python -m venv voicedialogue
source voicedialogue/bin/activate

3. 安装项目依赖

# 使用 uv (推荐)
WHISPER_COREML=1 CMAKE_ARGS="-DGGML_METAL=on" uv sync

# 或使用 pip
WHISPER_COREML=1 CMAKE_ARGS="-DGGML_METAL=on" pip install -r requirements.txt

4. 安装音频处理工具

# macOS
brew install ffmpeg

5. 安装额外依赖

# 安装 kokoro-onnx
uv pip install kokoro-onnx
# 或
pip install kokoro-onnx

# 重新安装指定版本的 numpy
uv pip install numpy==1.26.4
# 或
pip install numpy==1.26.4

验证安装

安装完成后，可以通过以下命令验证安装是否成功：

# 查看帮助信息
python main.py --help

# 启动系统（默认使用中文，沈逸角色）
python main.py

如果看到 "服务启动成功" 提示，说明安装成功。

故障排除

1. 模型下载失败

问题: 网络连接超时或模型下载失败。
解决方案: 设置 Hugging Face 镜像。

export HF_ENDPOINT=https://hf-mirror.com
pip install -U huggingface_hub

2. 音频设备问题

问题: 找不到音频设备或权限被拒绝。
macOS 解决方案: 系统设置 → 隐私与安全性 → 麦克风 → 启用你的终端应用 (如 iTerm, Terminal)。

3. 内存不足错误 (OOM)

问题: CUDA out of memory 或 RAM 不足。
解决方案: LLM 是主要的内存消耗者。你可以通过修改 src/VoiceDialogue/services/text/generator.py 来降低资源消耗：
- 更换模型: 将模型路径指向一个更小的模型（如 7B Q4 量化模型）。
- 减少批处理大小: 减小模型参数中的 n_batch 值（如 256）。
- 减少上下文长度: 减小 n_ctx 的值（如 1024）。

4. 依赖包冲突

问题: 包版本冲突或导入错误。
解决方案: 强烈建议在虚拟环境中安装。如果遇到问题，尝试重建虚拟环境。

# 使用 conda
conda deactivate
conda env remove -n voicedialogue

# 使用 uv
rm -rf .venv
uv venv

5. FFmpeg 相关错误

问题: 音频处理失败或编解码错误。
解决方案: 确保正确安装 FFmpeg：

# 检查 FFmpeg 安装
ffmpeg -version

# 重新安装 FFmpeg
# macOS
brew reinstall ffmpeg

6. Python 版本兼容性

问题: Python 版本过低导致的兼容性问题。
解决方案: 确保使用 Python 3.11+ 版本：

python --version
# 如果版本过低，请升级或使用虚拟环境

下一步

安装完成后，您可以：

查看使用指南了解如何使用系统
查看配置选项了解如何自定义配置
查看系统架构了解系统工作原理

如果遇到其他问题，请查看完整故障排除指南或提交 Issue。