抡锤者

@Stoma-Stoma 618后显卡涨价正常的事情

@mark deepseek 都涨价了，但是chatgtp 倒是加了重置额度功能，攒一攒倒是能用一下

你的笔记配置和我的一样，其实oclink 的线就200不到，再搞一个支架几块钱，完全用不了买成品（这帮人加个壳子就500？），但是视频服务器嘛，当然给ai 控制不停量产的，我果断选择配服务器。

@terry 小白工具应该是跨平台的，他知识comflyui的一个节点，而且她是n卡用的不是sage加速，用的n卡加速节点应该支持很好

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

@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

我也是发现这样的问题，其实这些模型和工作流固定的很，gfc 是一点调节不了

VoxCPM2 AMD 整合包启动说明

环境(已经整合)：
GPU 调用架构：PyTorch 2.10.0+rocm7.13.0a20260505 HIP/ROCm 7.13.26176
python环境： 3.13
其他环境不赘述

支持显卡：
7900xtx ---已经测试支持，理论支持 RDAN3 架构显卡
其他amd 系列 ---https://d2awnip2yjpvqn.cloudfront.net/v2/gfx120x-all 需要在这个下载对应的rocm的whl安装包 可能也要更换到对应的python环境，我后续有时间可能会做兼容。

功能：
语音可控
语音抽卡
录音变声

启动：

1. 双击 start_amd_pack.bat
2. 浏览器打开 http://127.0.0.1:8808
3. 输入文本后点击生成

检测显卡：
双击 check_rocm.bat

检测环境：
双击 check_selfcontained.bat

默认模型：
VoxCPM2\2.0

设备切换：
在check_selfcontained.bat 文件内中 “ "%PYTHON_EXECUTABLE%" -s app.py --model-id "%MODEL_ID%" --port 8808 --host 127.0.0.1 --device auto ”这一行的--device 的参数，支持参数如下：
parser.add_argument(
"--device",
type=str,
default="auto",
help="Runtime device: auto, cpu, mps, cuda, or cuda:N (default: auto)",
)
如果双显卡，具体编号查看check_rocm.bat 的编号。

---------------------------------------分割符------------------------------
下载链接：
我用夸克网盘给你分享了「VoxCPM2....dows.7z」，点击链接或复制整段内容，打开「夸克APP」即可获取。
/~58e23ZUXLS~:/
链接：https://pan.quark.cn/s/9eab1f24272c

@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 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。

@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。

@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。

@williamlouis 我知道那个我跑了好长时间好像是sage 加速器的强度，但是只要增加gfc 就会黑斑，所以只能接受，使用更加高效的首尾帧和msr了，现在发展太快了，什么文生图，图生视频已经有点基础了，现在lora都可自己练了，用来保持人脸一致性。

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

，我就是在windows 下用他的整合包，主要他的特色是小白工具箱，sage加速节点和 分块节点，但是实际测试他的参数没法调教，比如cfg一调节大就回黑斑，所以还是要自己懂这方面才行。机智罗之前好像说过为啥不做ubuntu 来着。

现在除了卖水的，都没有赚到钱，估计都着急了，现在抖音很多漫剧直播，教人做视频的其实都在推即梦的会员

第一你要看他有没有爆显存，他不一定报错停止了才爆显存存了，有时候会主动溢出到cpu和内存，开类似任务管理器看看显存占用和cpu，内存占用那些，如果接近满而且是在 采样阶段并且很长时间没有变化就是溢出了，不用考虑直接停止任务。所以你要看log 和性能检测数据，主要以下几个点：
模型导入阶段：
这个时候我们的模型基本上行gguf 6-8Gb ， pcie3 大概2000mb/s 如果用的固态其实就几秒种，这个时候卡无非 接口不行，磁盘读取速度不行。
采样阶段：
就是根据提示词，设置等等去采集数据，如果卡就是显卡算力不行或者没有调度，Trion技术是amd专用加速，你可以观察这个阶段gpu使用率。
vae阶段：
这个时候就是合成导出，会特别费ddr内存， wan2.2 544p 5秒，LTX 2.3 720p 15秒 这个阶段会直接24g 显存和ddr内存64G占满 如果这个阶段卡你看看是不是 内存太低了，可以尝试设置虚拟内存起码80g 看看。

第二，刘悦的工作流我在ubuntu下已经试过了也是 ROcm7.2+ python3.13 ，当时冷启动用LTX2.3 gguf Q4模型冷启动相当快5s大概94秒 不过生成的是垃圾后面就和你的一样慢。然后在论坛看到有人用机智罗工作流，果断切windows 尝试了，他是用的windows ROCm 不是原生的ROcm，看来他视频他也说先尝试，然后我实际用的结果你可以看我发的帖子。他主要几个技术： 模块加载分块节点（把模型加载到）和sage 加速节点，（应该还有模型卸载技术，就是下一阶段不用了可以把上一阶段模型从显存卸载，要具体看工作流有没有带这样节点）我觉得wan2.2 480 一分钟一秒能接受。

第三，最后说一下，造成慢其实多个因素，不单单上面，还有可能是提示词写的太复杂，或者模型对这个提示词识别问题，我甚至遇到同样wan2.2 动作迁移，时间不变分辨率增加还快3分钟的，可能是概率还没有深究，主要还是爆显存问题比较突出。暂时写简单一点，后面有时间图文并茂发帖分享。

我用的cd3 ，两张显卡，一张是7900xtx蓝宝石，一张 七彩虹730k ，730k当亮机卡本来按照原理可以插到 pcie2.0，但是一样插上开机一会儿就死机，即使不当显示出输出也是一样，什么在安全模式下卸载驱动啥都试过了，没啥用，最后妥协，插到pcie3.0上没问题了，就是主板拉跨别纠结，换主板就完了。

她的视频要加强档 起步200