使用音频模型

GPUStack支持同时运行语音转文本和文本转语音模型。语音转文本模型可将多种语言的音频输入转换为书面文本，而文本转语音模型则能将书面文本转化为自然且富有表现力的语音。

在本指南中，我们将引导您完成在GPUStack中部署和使用语音转文本及文本转语音模型的过程。

先决条件

在开始之前，请确保您已具备以下条件：

• 支持AMD64架构的Linux系统或macOS系统。
• 访问Hugging Face以下载模型文件。
• gpustack已安装并正在运行。如果没有，请参考快速入门指南。

运行语音转文本模型

步骤1：部署语音转文字模型

按照以下步骤从Hugging Face部署模型：

1. 在GPUStack UI中导航至Models页面。
2. 点击Deploy Model按钮。
3. 在下拉菜单中，选择 Hugging Face 作为您的模型来源。
4. 使用左上角的搜索栏搜索模型名称 Systran/faster-whisper-medium。
5. 保留所有默认设置，点击Save按钮部署模型。

部署完成后，您可以在Models页面监控模型状态。

步骤2：与语音转文本模型交互

1. 在GPUStack用户界面中导航至Playground > Audio页面。
2. 选择Speech to Text选项卡。
3. 从右上角的下拉菜单中选择已部署的模型。
4. 点击Upload按钮上传音频文件，或点击Microphone按钮录制音频。
5. 点击Generate Text Content按钮生成文本内容。

运行文本转语音模型

步骤1：部署文本转语音模型

按照以下步骤从Hugging Face部署模型：

1. 在GPUStack UI中导航至Models页面。
2. 点击Deploy Model按钮。
3. 在下拉菜单中，选择 Hugging Face 作为您的模型来源。
4. 使用左上角的搜索栏搜索模型名称 FunAudioLLM/CosyVoice-300M。
5. 保留所有默认设置，点击Save按钮部署模型。

部署完成后，您可以在Models页面监控模型状态。

步骤2：与文本转语音模型交互

1. 在GPUStack用户界面中导航至Playground > Audio页面。
2. 选择Text to Speech选项卡。
3. 从右上角的下拉菜单中选择已部署的模型。然后，配置语音和输出音频格式。
4. 输入要生成的文本。
5. 点击Submit按钮生成文本。