amd 音频生成问题，现在主流的音频整合包都是cuda生态。

[mei li]

@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。

[abaalei]

双持是最吼的

[mei li]

@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。

[abaalei]

@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

[mei li]

@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。

[terry]

@abaalei 挺能折腾的哥们，你还挖过矿

[abaalei]

@mei-li

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

[abaalei]

@terry
毕竟当年在工地坐班，公司的电不用白不用

[mei li]

@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。

[abaalei]

@mei-li

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

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

[mei li]

@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

[abaalei]

@mei-li https://github.com/fspecii/ace-step-ui 好像是这个，你去看看能不能帮到你

[mei li]

@abaalei 了解了一下，好像是一个ai BGM 生成，不错涨知识了，感谢