参考文章：EchoMimicV2部署教程——AI 数字人半身动画超强引擎
和https://github.com/antgroup/echomimic_v2
系统Ubuntu 22.04.5 LTS
CUDA版本：12.4
Pytorch版本：2.5.1+cu124
显卡型号：Tesla P40
显存大小：22.37GB
精度：float16

环境

Ubuntu 22.04.5 LTS
CUDA版本：12.4
python=3.10
Pytorch版本：2.5.1+cu124

操作步骤

1、代码
打开https://github.com/antgroup/echomimic_v2

git clone https://github.com/antgroup/echomimic_v2.git

或者通过浏览器下载zip包

2、安装cuda12.4
选择cuda12.4原因是github上用的12.4

cuda官网12.4下载cuda_12.4.0_550.54.14_linux.run安装

#下载安装cuda12.4
wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run
sudo sh cuda_12.4.0_550.54.14_linux.run

# 插入以下环境变量
vim ~/.bashrc 
#指定 CUDA Toolkit 12.4 ，服务器安装了多版本cuda，需要指定12.4
export PATH=/usr/local/cuda-12.4/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.4/lib64:$LD_LIBRARY_PATH
#ecs保存退出
:wq!

#生效验证
source ~/.bashrc
nvcc -V
#输出结果显示12.4
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2024 NVIDIA Corporation
Built on Tue_Feb_27_16:19:38_PST_2024
Cuda compilation tools, release 12.4, V12.4.99
Build cuda_12.4.r12.4/compiler.33961263_0

#下载代码
git clone https://github.com/antgroup/echomimic_v2.git

#修改一键脚本魔塔社区模型源
cd echomimic_v2
vim linux_setup.sh
#共用3处git clone 需要替换魔塔社区
git clone https://huggingface.co/BadToBest/EchoMimicV2
git clone https://huggingface.co/stabilityai/sd-vae-ft-mse
git clone https://huggingface.co/lambdalabs/sd-image-variations-diffusers
#分别替换为
git clone https://www.modelscope.cn/BadToBest/EchoMimicV2
git clone https://www.modelscope.cn/stabilityai/sd-vae-ft-mse
git clone https://www.modelscope.cn/gqy2468/sd-image-variations-diffusers.git
如图

使用conda创建虚拟环境，一键脚本安装

conda create -n echomimic python=3.10 -y
conda activate echomimic
cd echomimic_v2
#开始安装
sh linux_setup.sh
#运行app.py时可能需要peft依赖，提前安装
pip install peft

#设置web 外网和端口，运行app.py
export GRADIO_SERVER_NAME=0.0.0.0
export GRADIO_SERVER_PORT=8099
python app.py
如图部署成功

浏览器打开url：http://服务器IP:8099，例如：http://192.168.9.45:8099/

生成视频时候会有警告

修改__init__.py 109行添加：weights_only=True

vim echomimic_v2/src/models/whisper/whisper/__init__.py

其他警告忽略，再次运行python app.py，只能单卡，视频生成执行了很久，可能硬件原因，感觉不如硅基的heygem快，如图运行3个小时还没结束。