vendor/fish-speech/docs/ko/install.md

요구 사양

• GPU 메모리: 24GB (추론 시)
• 시스템: Linux, WSL

시스템 설정

Fish Audio S2는 다양한 설치 방법을 지원합니다. 자신의 개발 환경에 가장 적합한 방법을 선택하세요.

사전 요구사항: 오디오 처리를 위한 시스템 의존성을 설치합니다:

apt install portaudio19-dev libsox-dev ffmpeg

Conda

conda create -n fish-speech python=3.12
conda activate fish-speech

# GPU 버전 설치 (CUDA 버전 선택: cu126, cu128, cu129)
pip install -e .[cu129]

# CPU 버전만 설치
pip install -e .[cpu]

# 기본 설치 (PyTorch 기본 인덱스 사용)
pip install -e .

# pyaudio 설치 중 오류가 발생하면 다음 명령을 사용해 보세요:
# conda install pyaudio
# 그런 다음 pip install -e . 를 다시 실행하세요

UV

UV는 더 빠른 의존성 해결 및 설치를 제공합니다:

# GPU 버전 설치 (CUDA 버전 선택: cu126, cu128, cu129)
uv sync --python 3.12 --extra cu129

# CPU 버전만 설치
uv sync --python 3.12 --extra cpu

Intel Arc XPU 지원

Intel Arc GPU 사용자는 다음을 통해 XPU 지원을 설치하세요:

conda create -n fish-speech python=3.12
conda activate fish-speech

# 필요한 C++ 표준 라이브러리 설치
conda install libstdcxx -c conda-forge

# Intel XPU를 지원하는 PyTorch 설치
pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/xpu

# Fish Speech 설치
pip install -e .

!!! warning compile 옵션은 Windows와 macOS에서 지원되지 않습니다. 컴파일을 활성화하여 실행하려면 Triton을 직접 설치해야 합니다.

Docker 설정

Fish Audio S2 시리즈 모델은 다양한 요구에 부응하기 위해 여러 Docker 배포 옵션을 제공합니다. Docker Hub의 사전 빌드된 이미지를 사용하거나, Docker Compose로 로컬에서 빌드하거나, 수동으로 사용자 정의 이미지를 빌드할 수 있습니다.

WebUI와 API 서버 모두에 대해 GPU(기본값 CUDA 12.6) 및 CPU 버전의 Docker 이미지를 제공합니다. Docker Hub의 사전 빌드된 이미지를 사용하거나, Docker Compose로 로컬에서 빌드하거나, 수동으로 사용자 정의 이미지를 빌드할 수 있습니다. 로컬에서 빌드하려면 아래 지침을 따르세요. 사전 빌드된 이미지를 사용하려면 추론 가이드를 직접 참조하세요.

사전 요구사항

• Docker 및 Docker Compose 설치
• NVIDIA Docker 런타임 설치 (GPU 지원용)
• CUDA 추론을 위한 최소 24GB의 GPU 메모리

Docker Compose 사용

개발 또는 사용자 정의를 위해 Docker Compose를 사용하여 로컬에서 빌드하고 실행할 수 있습니다:

# 먼저 리포지토리를 클론합니다
git clone https://github.com/fishaudio/fish-speech.git
cd fish-speech

# CUDA로 WebUI 시작
docker compose --profile webui up

# 컴파일 최적화로 WebUI 시작
COMPILE=1 docker compose --profile webui up

# API 서버 시작
docker compose --profile server up

# 컴파일 최적화로 API 서버 시작
COMPILE=1 docker compose --profile server up

# CPU 전용 배포
BACKEND=cpu docker compose --profile webui up

Docker Compose 환경 변수

환경 변수를 사용하여 배포를 사용자 정의할 수 있습니다:

# .env 파일 예시
BACKEND=cuda              # 또는 cpu
COMPILE=1                 # 컴파일 최적화 활성화
GRADIO_PORT=7860         # WebUI 포트
API_PORT=8080            # API 서버 포트
UV_VERSION=0.8.15        # UV 패키지 관리자 버전

이 명령은 이미지를 빌드하고 컨테이너를 실행합니다. WebUI는 http://localhost:7860에서, API 서버는 http://localhost:8080에서 접근할 수 있습니다.

수동 Docker 빌드

빌드 프로세스를 사용자 정의하려는 고급 사용자를 위해:

# CUDA를 지원하는 WebUI 이미지 빌드
docker build \
    --platform linux/amd64 \
    -f docker/Dockerfile \
    --build-arg BACKEND=cuda \
    --build-arg CUDA_VER=12.6.0 \
    --build-arg UV_EXTRA=cu126 \
    --target webui \
    -t fish-speech-webui:cuda .

# CUDA를 지원하는 API 서버 이미지 빌드
docker build \
    --platform linux/amd64 \
    -f docker/Dockerfile \
    --build-arg BACKEND=cuda \
    --build-arg CUDA_VER=12.6.0 \
    --build-arg UV_EXTRA=cu126 \
    --target server \
    -t fish-speech-server:cuda .

# CPU 전용 이미지 빌드 (멀티 플랫폼 지원)
docker build \
    --platform linux/amd64,linux/arm64 \
    -f docker/Dockerfile \
    --build-arg BACKEND=cpu \
    --target webui \
    -t fish-speech-webui:cpu .

# 개발용 이미지 빌드
docker build \
    --platform linux/amd64 \
    -f docker/Dockerfile \
    --build-arg BACKEND=cuda \
    --target dev \
    -t fish-speech-dev:cuda .

빌드 인자

• BACKEND: cuda 또는 cpu (기본값: cuda)
• CUDA_VER: CUDA 버전 (기본값: 12.6.0)
• UV_EXTRA: CUDA용 UV 추가 패키지 (기본값: cu126)
• UBUNTU_VER: Ubuntu 버전 (기본값: 24.04)
• PY_VER: Python 버전 (기본값: 3.12)

볼륨 마운트

두 방법 모두 다음 디렉토리를 마운트해야 합니다:

• ./checkpoints:/app/checkpoints - 모델 가중치 디렉토리
• ./references:/app/references - 참조 오디오 파일 디렉토리

환경 변수

• COMPILE=1 - torch.compile을 활성화하여 추론 속도 향상 (약 10배)
• GRADIO_SERVER_NAME=0.0.0.0 - WebUI 서버 호스트
• GRADIO_SERVER_PORT=7860 - WebUI 서버 포트
• API_SERVER_NAME=0.0.0.0 - API 서버 호스트
• API_SERVER_PORT=8080 - API 서버 포트

!!! note Docker 컨테이너는 모델 가중치가 /app/checkpoints에 마운트될 것으로 예상합니다. 컨테이너를 시작하기 전에 필요한 모델 가중치를 다운로드했는지 확인하세요.

!!! warning GPU 지원에는 NVIDIA Docker 런타임이 필요합니다. CPU 전용 배포의 경우 --gpus all 플래그를 제거하고 CPU 이미지를 사용하세요.