超简单 FishSpeech（语音合成）、 Whisper（语音识别）本地部署

FishSpeech1.5可以说是目前最受欢迎的语音模型了。由于项目需要，在本地进行搭建，并记录下搭建过程，方便后人。

1. 基本硬件环境

• CPU：N年前的 Intel(R) Core(TM) i5-3470 CPU @ 3.20GHz， 32G内存
• GPU：N年前的 NVIDIA GeForce GTX 1080 Ti，11G显存

2. 基本软件环境

• 操作系统：Ubuntu20.04 LTS，是为了跟老旧的硬件相匹配，专门降级到20.04的，更高版本存在各种软件兼容性问题，等有钱了全部换新！！！
• CUDA：cuda_12.0.0_525.60.13_linux.run，虽然能支持到12.2甚至12.4，保险起见还是选择了12.0
• Cudnn：libcudnn8_8.8.0.121-1+cuda12.0_amd64.deb，对应CUDA版本
• NCCL：libnccl2_2.19.3-1+cuda12.0_amd64.deb对应CUDA版本，多显卡需要
• miniconda：Miniconda3-py312_24.9.2-0-Linux-x86_64.sh

3. 克隆fishspeech代码并安装本地依赖包

git clone https://gitclone.com/github.com/fishaudio/fish-speech.git

sudo apt-get install ffmpeg libsm6 libxext6 portaudio19-dev -y

4. 创建虚拟环境

conda create -n fishspeech python==3.10 -y
conda activate fishspeech

5. conda安装基础包

conda install -c pytorch -c nvidia -c conda-for