Update Dockerfile

Dockerfile

@@ -1,50 +1,75 @@
-# 使用官方的、轻量的Python基础镜像
-FROM python:3.9-slim
+# 使用官方 PyTorch 镜像作为基础
+FROM pytorch/pytorch:2.3.1-cuda11.8-cudnn8-runtime
 
-# 在容器内创建一个工作目录
-WORKDIR /code
+# 切换到 root 用户以安装系统依赖
+USER root
 
-# 安装 wget 用于下载模型
-RUN apt-get update && apt-get install -y --no-install-recommends wget && rm -rf /var/lib/apt/lists/*
+# 设置环境变量
+ENV PYTHONUNBUFFERED=1 \
+    PIP_DISABLE_PIP_VERSION_CHECK=1 \
+    PIP_PREFER_BINARY=1 \
+    NUMBA_CACHE_DIR=/tmp/numba_cache
 
-# 设置环境变量，告诉NLTK将数据存储在/code/nltk_data目录下
-ENV NLTK_DATA /code/nltk_data
+# 设置工作目录
+WORKDIR /app
 
-# 复制依赖文件到工作目录
-COPY ./requirements.txt /code/requirements.txt
+# 安装系统依赖
+# --- 在这里添加了 wget ---
+RUN apt-get update && \
+    apt-get install -y --no-install-recommends \
+      wget ffmpeg libsox-dev git \
+      build-essential cmake ninja-build pkg-config && \
+    rm -rf /var/lib/apt/lists/* && \
+    mkdir -p /tmp/numba_cache && chmod -R 777 /tmp/numba_cache
 
-# 安装依赖。--no-cache-dir 参数可以减小镜像体积
-RUN pip install --no-cache-dir --upgrade -r /code/requirements.txt
+# [双重保障-步骤1] 预先创建 /nltk_data 目录并赋予 777 权限
+RUN mkdir -p /nltk_data && chmod 777 /nltk_data
 
-# --- START OF NEW SECTION: 在构建镜像时下载模型 ---
+# 克隆 GPT-SoVITS 仓库
+RUN git clone --depth 1 https://github.com/RVC-Boss/GPT-SoVITS.git /app
+
+# 安装 Python 依赖
+RUN pip install --upgrade pip && \
+    pip install --no-cache-dir -r /app/requirements.txt && \
+    pip install --no-cache-dir --force-reinstall numpy==1.23.5 librosa==0.9.2 numba==0.56.4 && \
+    pip install --no-cache-dir fastapi uvicorn soundfile huggingface_hub ffmpeg-python
+
+# [双重保障-步骤2 / 关键修复]
+# 在构建镜像时，预先下载好 NLTK 所需的所有数据包，包括新发现的 "averaged_perceptron_tagger_eng"
+RUN python -c "import nltk; nltk.download('punkt', quiet=True, download_dir='/nltk_data'); nltk.download('averaged_perceptron_tagger', quiet=True, download_dir='/nltk_data'); nltk.download('averaged_perceptron_tagger_eng', quiet=True, download_dir='/nltk_data')"
+
+# 预下载依赖模型
+COPY download_support_models.py /app/download_support_models.py
+RUN python /app/download_support_models.py || true
+
+# --- START OF ADDED SECTION ---
+# --- 从 Hugging Face Spaces 下载您自己的模型权重 ---
 
 # 1. 定义权重文件的 URL
-# 使用 ARG 可以在构建时从外部传入，这里我们直接硬编码
 ARG GPT_URL="https://huggingface.co/spaces/snsbhg/1111/resolve/main/weights/shantianliang_proplus_e32.ckpt"
 ARG SOVITS_URL="https://huggingface.co/spaces/snsbhg/1111/resolve/main/weights/shantianliang_proplus_e8_s192.pth"
 
-# 2. 创建目标目录 (与Worker服务中的路径完全一致)
+# 2. 创建目标目录 (您原来的Dockerfile中已经有COPY指令隐式创建了父目录，这里确保一下)
 RUN mkdir -p /app/pretrained_models/shantianliang
 
 # 3. 下载文件到指定目录
-# 使用 wget -O 指定输出文件名和路径
-# wget -nv 表示非详细模式，只显示错误
 RUN echo "--- Downloading model weights ---" && \
     wget -nv "$GPT_URL" -O /app/pretrained_models/shantianliang/shantianliang_proplus_e32.ckpt && \
     wget -nv "$SOVITS_URL" -O /app/pretrained_models/shantianliang/shantianliang_proplus_e8_s192.pth && \
     echo "--- Model weights downloaded successfully ---"
-
-# --- END OF NEW SECTION ---
+# --- END OF ADDED SECTION ---
 
 
-# 将应用代码复制到工作目录
-COPY ./app.py /code/app.py
+# 复制您自己的权重文件和参考音频
+# --- 将原来的 COPY weights 指令注释掉或删除 ---
+# COPY weights/ /app/pretrained_models/shantianliang/
+COPY reference_audio/ /app/reference_audio/
 
-# 在构建镜像时，预先下载好 NLTK 数据包
-RUN python -c "import nltk; nltk.download('punkt', quiet=True)"
+# 更改 /app 目录所有权，赋予运行时用户写入权限
+RUN chown -R 1000:1000 /app
 
-# 暴露端口。Hugging Face Spaces 默认使用 7860 端口
+# 暴露 API 端口
 EXPOSE 7860
 
-# 容器启动时要执行的命令
-CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "7860"]
+# 容器启动命令
+CMD ["python", "api_v2.py", "-a", "0.0.0.0", "-p", "7860", "-c", "GPT_SoVITS/configs/tts_infer.yaml"]