ClearerVoice-Studio保姆级教程：从零配置NVIDIA驱动到Web服务上线

ClearerVoice-Studio保姆级教程：从零配置NVIDIA驱动到Web服务上线

1. 引言：为什么你需要这个语音处理神器？

想象一下这个场景：你刚录完一场重要的线上会议，背景里混杂着键盘声、空调声和偶尔的车辆鸣笛。或者，你有一段多人访谈的录音，几个人的声音交织在一起，根本听不清谁在说什么。又或者，你需要从一段视频里单独提取出某位嘉宾的发言，用来制作字幕。

以前遇到这些问题，你可能需要找专业的音频工程师，或者学习复杂的音频编辑软件。但现在，有了ClearerVoice-Studio，这一切都变得简单了。

ClearerVoice-Studio是一个开箱即用的语音处理工具包，它把那些顶尖的AI语音模型（比如FRCRN、MossFormer2）打包好，让你不用懂深度学习，不用从零训练模型，直接就能用。它支持16KHz和48KHz两种采样率输出，无论是电话录音、会议记录还是直播音频，都能找到合适的处理模式。

这篇文章，我会手把手带你走完从零开始的所有步骤：给你的服务器装上NVIDIA显卡驱动，部署ClearerVoice-Studio，最后通过一个漂亮的网页界面来使用它。跟着做，你就能拥有一个属于自己的专业级语音处理工作站。

2. 准备工作：检查你的装备

在开始动手之前，我们先确认一下你的“装备”是否齐全。这就像做饭前要先备好菜一样。

2.1 硬件与系统要求

首先，你需要一台带NVIDIA显卡的Linux服务器。云服务器或者你自己的物理机都可以。这是整个流程能跑起来的基础。

• 操作系统：推荐使用Ubuntu 20.04或22.04。这是最主流、社区支持最好的选择，能避免很多奇怪的依赖问题。
• 显卡：需要一张NVIDIA显卡。显存建议4GB以上，处理长音频或视频时会更顺畅。你可以用命令 lspci | grep -i nvidia 先看看系统有没有识别出显卡。
• 存储空间：至少准备20GB的可用空间。主要用来放模型文件，这些预训练模型动不动就好几个GB。

2.2 软件环境准备

登录你的服务器，我们先把一些基础工具装好。

打开终端，运行下面这几条命令：

# 更新系统软件包列表，确保我们安装的是最新版本的软件
sudo apt update

# 安装一些后续步骤必需的开发工具和库
sudo apt install -y build-essential gcc make perl dkms

build-essential 和 gcc 是编译工具，dkms 是动态内核模块支持，对于安装显卡驱动特别重要。这几步很简单，但必不可少。

3. 核心步骤一：安装NVIDIA显卡驱动

这是整个教程最关键，也可能最容易出问题的一步。驱动没装好，后面的AI模型就跑不起来。别担心，我们一步步来。

3.1 彻底清理旧驱动（如果你之前装过）

如果你这台服务器以前装过NVIDIA驱动，最好先清理干净，避免冲突。

# 使用官方的卸载脚本来清理
sudo /usr/bin/nvidia-uninstall

# 如果上面命令找不到，也可以用apt彻底移除相关包
sudo apt purge -y nvidia* cuda* libnvidia*
sudo apt autoremove -y

清理完成后，重启一下服务器：sudo reboot。

3.2 禁用系统自带的显卡驱动

Ubuntu系统自己带了一个叫 nouveau 的开源NVIDIA驱动，它会和我们要装的官方驱动冲突，所以得先让它“下班”。

# 创建一个配置文件来禁用nouveau
sudo bash -c 'echo -e "blacklist nouveau\\noptions nouveau modeset=0" > /etc/modprobe.d/blacklist-nouveau.conf'

# 更新内核的初始化内存盘
sudo update-initramfs -u

再次重启服务器：sudo reboot。重启后，你可以用 lsmod | grep nouveau 命令检查，如果没有任何输出，说明禁用成功了。

3.3 安装NVIDIA官方驱动

现在可以安装真正的“主角”了。这里我推荐使用APT仓库安装，比手动下载.run文件更省心。

# 1. 添加NVIDIA的官方软件仓库
sudo add-apt-repository ppa:graphics-drivers/ppa -y
sudo apt update

# 2. 查找推荐安装的驱动版本
ubuntu-drivers devices

运行 ubuntu-drivers devices 后，你会看到一个列表，其中有一行会标注 recommended。记住这个版本号，比如 nvidia-driver-550。

# 3. 安装推荐的驱动版本（请将550替换成你看到的版本号）
sudo apt install -y nvidia-driver-550

# 4. 安装一些额外的工具包，方便后续管理
sudo apt install -y nvidia-utils-550 nvidia-settings

安装完成后，再次重启服务器：sudo reboot。

3.4 验证驱动安装成功

重启后，我们通过几个命令来庆祝一下胜利。

# 查看显卡信息，如果安装成功，会显示你的显卡型号和驱动版本
nvidia-smi

# 或者用这个命令查看更详细的驱动信息
nvidia-settings –version

如果 nvidia-smi 命令能正常输出一个表格，里面有你的GPU型号、驱动版本、显存使用情况，那么恭喜你，最难的关卡已经通过了！

4. 核心步骤二：部署ClearerVoice-Studio服务

驱动搞定，接下来就是部署我们的主角——ClearerVoice-Studio了。它会创建一个Web服务，让我们通过浏览器就能操作。

4.1 获取项目代码

首先，我们把项目的代码从GitHub上“搬”到我们的服务器里。

# 切换到用户根目录
cd ~

# 使用git克隆项目代码库
git clone https://github.com/RVC-Boss/ClearerVoice-Studio.git

# 进入项目文件夹
cd ClearerVoice-Studio

4.2 创建并激活Python虚拟环境

为了避免和系统里其他的Python项目打架，我们为ClearerVoice-Studio单独创建一个“小房间”（虚拟环境）。

# 使用conda创建一个新的Python环境，名字叫ClearerVoice-Studio，Python版本指定为3.8
conda create -n ClearerVoice-Studio python=3.8 -y

# 激活这个环境。激活后，你的命令行前面会出现 (ClearerVoice-Studio) 的提示
conda activate ClearerVoice-Studio

4.3 安装项目依赖包

“小房间”建好了，现在要把需要的家具（Python库）搬进去。项目提供了一个 requirements.txt 文件，里面列出了所有需要的库。

# 使用pip安装所有必需的Python包
pip install -r requirements.txt

这个过程可能会花点时间，因为要安装PyTorch等一些比较大的科学计算库。耐心等待即可。

4.4 配置Supervisor守护进程

我们不想每次用完都要手动启动服务。Supervisor 是一个进程管理工具，能让我们的Web服务在后台一直运行，即使服务器重启了也能自动拉起来。

# 安装supervisor
sudo apt install -y supervisor

安装好后，我们需要为ClearerVoice-Studio写一个配置文件，告诉Supervisor怎么管理它。

# 创建一个新的配置文件
sudo nano /etc/supervisor/conf.d/clearervoice.conf

把下面的配置内容复制进去。注意：你需要把 [你的用户名] 替换成你登录服务器用的实际用户名，比如 root 或者 ubuntu。

[program:clearervoice-streamlit]
# 启动命令。这里指定了Streamlit应用的入口文件，并在8501端口运行，同时关闭了浏览器自动打开和跨域请求警告。
command=/home/[你的用户名]/miniconda3/envs/ClearerVoice-Studio/bin/streamlit run clearvoice/streamlit_app.py –server.port 8501 –server.headless true –server.enableCORS false
# 项目代码的路径
directory=/home/[你的用户名]/ClearerVoice-Studio
# 用哪个用户来运行这个程序
user=[你的用户名]
# 自动重启
autorestart=true
# 进程停止后等待多少秒重启
startsecs=10
# 停止信号
stopsignal=INT
# 标准输出日志路径
stdout_logfile=/var/log/supervisor/clearervoice-stdout.log
# 错误日志路径
stderr_logfile=/var/log/supervisor/clearervoice-stderr.log
# 环境变量，这里设置了Python的缓冲，让日志能实时输出
environment=PYTHONUNBUFFERED=1

保存并退出编辑器（在nano里是按 Ctrl+X，然后按 Y，再按 Enter）。

4.5 启动并验证服务

配置文件写好，就可以让Supervisor加载它并启动我们的服务了。

# 重新加载Supervisor的配置，让它认识我们的新应用
sudo supervisorctl reread
sudo supervisorctl update

# 启动clearervoice-streamlit这个服务
sudo supervisorctl start clearervoice-streamlit

# 查看服务状态，看到 running 就说明成功了！
sudo supervisorctl status clearervoice-streamlit

如果状态显示 RUNNING，那么你的ClearerVoice-Studio Web服务就已经在后台稳稳地跑起来了。

5. 核心步骤三：开始使用清音工作室

服务启动后，打开你的浏览器，在地址栏输入：http://你的服务器IP地址:8501。

比如你的服务器IP是 192.168.1.100，那就访问 http://192.168.1.100:8501。你会看到一个简洁美观的界面，这就是“清音工作室”的操作面板。

5.1 三大核心功能怎么用？

界面主要分为三个标签页，对应三大功能：

1. 语音增强：给你的音频“降噪” 这个功能最适合处理有背景噪音的录音，比如会议、采访、室外录制的内容。

• 选模型：界面里提供了几个模型，比如 MossFormer2_SE_48K（效果最好，适合专业需求）和 FRCRN_SE_16K（速度快，适合日常通话）。第一次用选默认的就行。
• 传文件：点击上传，选择你的WAV格式音频文件。
• 点处理：点击那个大大的“🚀 开始处理”按钮。
• 等结果：处理完成后，页面可以直接播放处理后的音频，也可以下载到本地。你会发现，背景里的键盘声、风声小了很多，人声变得清晰又干净。

2. 语音分离：把“鸡尾酒会”里的人声分开 如果你有一段多人同时说话的录音，这个功能能帮你把不同人的声音分离成独立的音轨。

• 切换到“语音分离”标签页。
• 上传WAV音频或者AVI视频文件。
• 点击开始分离。
• 处理完成后，它会生成多个WAV文件，比如 output_说话人1.wav， output_说话人2.wav，每个文件对应一个说话人的声音。

3. 目标说话人提取：从视频里“抓”出特定的人声 这个功能更厉害，它结合了画面和声音。你可以从一段多人访谈视频里，单独提取出主持人的声音，或者某位嘉宾的声音。

• 切换到“目标说话人提取”标签页。
• 上传MP4或AVI格式的视频文件。视频里的人脸需要比较清晰。
• 点击开始提取。
• 系统会分析视频，找到主要的说话人，并把他的声音单独提取成一个WAV文件。这对于制作个人专访集锦或者特定人物的字幕非常有用。

5.2 第一次使用的贴心提示

• 耐心等待模型下载：第一次使用某个功能时，系统需要从网上下载对应的AI模型文件（存在 ~/ClearerVoice-Studio/checkpoints 目录下）。模型比较大，可能需要几分钟。下载一次，以后再用就快了。
• 文件别太大：建议处理的单个文件不要超过500MB。太大的文件处理时间会很长，甚至可能超时。
• 处理需要时间：AI处理不是瞬间完成的。通常1分钟的音频，需要10-30秒的处理时间，取决于你的显卡性能。处理时请耐心等待进度条走完。

6. 管理与维护：让你的服务稳定运行

服务跑起来了，我们还需要知道怎么管理它。

6.1 常用的服务管理命令

所有的管理都通过 supervisorctl 这个命令来完成，非常直观。

# 随时查看服务的状态
sudo supervisorctl status clearervoice-streamlit

# 如果修改了代码或配置，需要重启服务
sudo supervisorctl restart clearervoice-streamlit

# 临时停止服务（比如进行维护）
sudo supervisorctl stop clearervoice-streamlit

# 停止后，再启动服务
sudo supervisorctl start clearervoice-streamlit

6.2 如何查看日志？

如果服务出了问题，或者你想看看处理过程的详细信息，日志是最好的帮手。

# 查看实时运行日志（按 Ctrl+C 退出）
sudo tail -f /var/log/supervisor/clearervoice-stdout.log

# 查看错误日志
sudo tail -f /var/log/supervisor/clearervoice-stderr.log

6.3 遇到问题怎么办？

• 网页打不开（端口占用）：如果8501端口被别的程序占了，可以这样解决：# 找到并关闭占用8501端口的进程
  sudo lsof -ti:8501 | xargs -r sudo kill -9
  # 然后重启我们的服务
  sudo supervisorctl restart clearervoice-streamlit
• 找不到输出文件：处理后的文件默认保存在 ~/ClearerVoice-Studio/temp 目录下，按日期和功能分了子文件夹，去那里找找看。
• 视频格式不支持：如果上传的视频格式不对，可以用 ffmpeg 这个万能工具转换一下：ffmpeg -i 你的视频.mkv -c:v libx264 -c:a aac 输出视频.mp4

7. 总结

到这里，你已经完成了一个从硬件驱动配置到AI Web应用上线的完整旅程。我们回顾一下核心步骤：

ClearerVoice-Studio把最先进的语音AI模型变成了你触手可及的工具。无论是清理嘈杂的录音，还是从混乱的对话中分离人声，抑或是精准提取视频中的特定语音，现在你都可以轻松自助完成。希望这个保姆级教程能帮你扫清所有障碍，顺利开启你的音频处理之旅。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。