MooreThreads/MooER 开源项目安装与配置指南

1. 项目基础介绍

MooreThreads/MooER 是一个开源的基于大型语言模型的语音识别和翻译项目。它能够实现自动语音识别（ASR）和自动语音翻译（AST），支持将语音转录为文本以及将语音翻译成其他语言。该项目使用了先进的深度学习技术，旨在提供端到端的语音处理解决方案。

主要编程语言：Python

2. 项目使用的关键技术和框架

• 深度学习模型：项目采用了大型语言模型进行语音识别和翻译任务。
• Moore Threads S4000 GPU：项目支持并优化了在Moore Threads S4000 GPU上的训练和推理。
• MUSA Toolkit：针对Moore Threads S3000/S4000用户，项目使用了MUSA Toolkit rc2.1.0以实现高效的LLM推理。

3. 项目安装和配置的准备工作

在开始安装之前，请确保您的系统满足以下要求：

• 操作系统：Linux
• Python版本：3.8 或更高版本
• 必需软件：git, python, ffmpeg, sox
• 虚拟环境：推荐使用conda创建虚拟环境
• GPU支持：推荐使用支持CUDA的GPU，对于Moore Threads S4000用户，需要安装MUSA Toolkit rc2.1.0

详细安装步骤

步骤 1：克隆项目

首先，使用git克隆项目仓库到本地：

git clone https://github.com/MooreThreads/MooER.git
cd MooER

步骤 2：创建虚拟环境（可选）

推荐使用conda创建一个Python虚拟环境，以避免依赖冲突：

conda create -n mooer python=3.8
conda activate mooer

步骤 3：安装依赖

更新系统包并安装所需的依赖：

apt update
apt install ffmpeg sox
pip install -r requirements.txt

步骤 4：配置GPU环境

对于Moore Threads S4000用户，可以使用Docker镜像来运行环境：

sudo docker run -it \
  --privileged \
  --name=torch_musa_release \
  --env MTHREADS_VISIBLE_DEVICES=all \
  -p 10010:10010 \
  --shm-size 80g \
  --ulimit memlock=-1 \
  mtspeech/mooer:v1.0-rc2.1.0-v1.1.0-qy2 \
  /bin/bash

如果您是NVIDIA用户，可以尝试使用CUDA 11.7的Docker镜像：

sudo docker run -it \
  --privileged \
  --gpus all \
  -p 10010:10010 \
  --shm-size 80g \
  --ulimit memlock=-1 \
  mtspeech/mooer:v1.0-cuda11.7-cudnn8 \
  /bin/bash

以上步骤完成后，您就可以开始使用MooreThreads/MooER项目进行开发了。请注意，根据项目的发展，安装和配置步骤可能会有所更新，请关注项目的官方文档以获取最新信息。