<![CDATA[amd 音频生成问题，现在主流的音频整合包都是cuda生态。]]>使用LTX来生成的视频音频肯定是不让人满意的，于是开始考虑最新的 voxcpm 和higgsttsv3， 但是下载后才发现是不支持amd显卡的，如果用纯cpu推理会异常的慢。 难道要另外购买一张nvida的显卡来跑音频吗

71ffaefb-0e2c-4dde-a01a-c8e17ee847d6-image.jpeg

]]>https://lcz.me/topic/808/amd-音频生成问题-现在主流的音频整合包都是cuda生态RSS for NodeSun, 26 Jul 2026 20:02:14 GMTWed, 08 Jul 2026 14:46:44 GMT60<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Fri, 10 Jul 2026 14:39:27 GMT]]>@abaalei 了解了一下，好像是一个ai BGM 生成，不错涨知识了，感谢

]]>https://lcz.me/post/9656https://lcz.me/post/9656Fri, 10 Jul 2026 14:39:27 GMT<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Fri, 10 Jul 2026 14:14:07 GMT]]>@mei-li https://github.com/fspecii/ace-step-ui 好像是这个，你去看看能不能帮到你

]]>https://lcz.me/post/9654https://lcz.me/post/9654Fri, 10 Jul 2026 14:14:07 GMT<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Fri, 10 Jul 2026 13:59:57 GMT]]>@abaalei 你这个是音乐编辑的吗，能不能分享一下，我发现单独要变音，其实剪影效率就很高了

]]>https://lcz.me/post/9651https://lcz.me/post/9651Fri, 10 Jul 2026 13:59:57 GMT<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Thu, 09 Jul 2026 16:55:25 GMT]]>@mei-li
f8da24d6-9d3d-425f-9052-8eb99ca1451b-image.jpeg
音频我是用之前论坛里面的大佬推荐的这个软件，玩起来感觉足够应付我的需求了，暂时也没想着去扩充其他插件了。能把管线跑起来，爬到开启盈利是我第一阶段的目标了
df0063ac-4e50-4fb3-9355-28d8511b6f52-image.jpeg

不过这个软件确实好像是CUDA专用的，当时也是想着玩玩，没想到现在在管线中也能派上用场😵 😵
所以多折腾还是有好处的，折腾浪费的时间、金钱，都会成为你身上的技术力之一

]]>https://lcz.me/post/9571https://lcz.me/post/9571Thu, 09 Jul 2026 16:55:25 GMT<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Thu, 09 Jul 2026 16:29:25 GMT]]>@abaalei 太难了我还在搞音频工具，主要还要别的事情要做，感觉折腾是无底洞。

]]>https://lcz.me/post/9568https://lcz.me/post/9568Thu, 09 Jul 2026 16:29:25 GMT<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Thu, 09 Jul 2026 10:21:44 GMT]]>@terry
毕竟当年在工地坐班，公司的电不用白不用😢 😢

]]>https://lcz.me/post/9556https://lcz.me/post/9556Thu, 09 Jul 2026 10:21:44 GMT<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Thu, 09 Jul 2026 10:21:18 GMT]]>@mei-li
e9fc3a15-7b06-4755-8b5b-7240e33a9f84-image.jpeg
还在折腾，都断更了3 4天了，哈哈，天天都在修bug，修完这个又来别的bug，技术力差就只能多烧点token了
我不是做数字人这方面的

]]>https://lcz.me/post/9555https://lcz.me/post/9555Thu, 09 Jul 2026 10:21:18 GMT<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Thu, 09 Jul 2026 10:11:31 GMT]]>@abaalei 挺能折腾的哥们，你还挖过矿🤝

]]>https://lcz.me/post/9554https://lcz.me/post/9554Thu, 09 Jul 2026 10:11:31 GMT<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Thu, 09 Jul 2026 09:37:25 GMT]]>@abaalei 请教一下，是怎么样利用3080进行QA的，之前我跟其他人讨论过这个东西，就是使用本地的一个识图模型对这个视频进行抓图。你们都实现了这个视频生产的自动化了吗。貌似就是老特这个他的数字人频道自动化的程度会高一点。如果说固定的背景，固定的人物，只是说说的内容不一样，就是语音不一样，然后对口型就可以了，这样的场景的话，其实自动化的程度就会高一点吧。

]]>https://lcz.me/post/9549https://lcz.me/post/9549Thu, 09 Jul 2026 09:37:25 GMT<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Thu, 09 Jul 2026 09:31:47 GMT]]>@mei-li
不豪拉，3080ti是我当年12000买的，挖了一年多矿，都回本有余了
现在卖又卖不了多少钱，也就3000块，不如拿来打打辅助，毕竟自己知根知底，比买一张3080/20g要好。
大部分都是双7900xtx满-然后闲置-3080ti满，目前还没用上三卡同时满载的场景
因为在我的原始规划中，3080ti就是打辅助的
不过日后可能会引入79xt生视频-3080ti同步进行插帧/升频 的操作，而非现在的流水管线
在我现在的工作流中引入了双79生图-3080ti审图-QA失败的打回给79重新生的管线
在这个阶段能近似跑满3卡（前提是要有这么多图要改）
不过对于目前我的管线来说，qa只是质检，防止NSFW，以及某些六指狂魔之类的工作。
然后就是跑跑
voxcpm进行tts生成 ACE-step进行BGM生成 插帧升频等辅助操作而已。主力还是2张79xtx

]]>https://lcz.me/post/9547https://lcz.me/post/9547Thu, 09 Jul 2026 09:31:47 GMT<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Thu, 09 Jul 2026 09:12:58 GMT]]>@abaalei 还是你豪啊，三张显卡。 不过你能都用满吗，有那些应用场景啊。

]]>https://lcz.me/post/9546https://lcz.me/post/9546Thu, 09 Jul 2026 09:12:58 GMT<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Thu, 09 Jul 2026 08:17:55 GMT]]>dfce3720-2122-43fc-b60d-b55f0993833e-image.jpeg
双持是最吼的

]]>https://lcz.me/post/9545https://lcz.me/post/9545Thu, 09 Jul 2026 08:17:55 GMT<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Thu, 09 Jul 2026 07:47:28 GMT]]>@terry 确实，不过昨晚找了b站上有人做的半成品包， 我拿来移植了移植了ROCM 7.0 打包了 python3.13的环境 已经成功跑了基础测试通过了，支持语音克隆，语音抽卡，能满足基本需求了，晚一点另开一个帖子发出来，也会同步发在B站上。

]]>https://lcz.me/post/9544https://lcz.me/post/9544Thu, 09 Jul 2026 07:47:28 GMT<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Thu, 09 Jul 2026 07:19:06 GMT]]>@mei li 关于AMD显卡跑音频生成，我补充一下：

VoxCPM是支持AMD的（我就是用AMD + Linux跑的），它底层用的是PyTorch，只要ROCm环境配好就能跑。higgsttsv3也是PyTorch生态，理论上AMD也支持。

关键是操作系统：

  • Linux + ROCm：voxcpm和大部分TTS都能跑，速度跟N卡差距不大
  • Windows + RX 7xxx系列：AMD这边能跑但兼容性差很多（HIP SDK、DirectML都欠优化）
  • 纯CPU推理：确实慢，不推荐

所以你不需要另外买N卡。如果现在用的是Windows，装个双系统Ubuntu（或WSL2带ROCm），在Linux下跑音频生成就行。我这边7900 XTX + ROCm 6.2跑voxcpm体验是OK的。

另外音频生成对显存要求不高（8-12G足够），关键是大模型+音频同时跑才需要24G+。你如果主要做音频，现有的A卡完全够用。

]]>https://lcz.me/post/9541https://lcz.me/post/9541Thu, 09 Jul 2026 07:19:06 GMT<![CDATA[Reply to amd 音频生成问题，现在主流的音频整合包都是cuda生态。 on Wed, 08 Jul 2026 23:03:27 GMT]]>linux下，xtx跑到速度很快。没试过wsl2，应该也是可以的。windows下用N卡也很慢。你要玩AI，整合包只能作为入门工具看效果，最终你还是要上Linux，否则无法生产。

]]>https://lcz.me/post/9506https://lcz.me/post/9506Wed, 08 Jul 2026 23:03:27 GMT