多模态交互智能代理 Intelligent Agent with Multi-modal Interaction.
B站演示视频：Jetson AGX Orin 部署大模型语音对话
安装依赖
Mio是多个LLM、VLM和TTS模型的缝合怪，各自的依赖相互冲突，因此需要做一点小小的魔改。本人主要在 Jetson AGX Orin 上开发并部署Mio，因此此处记载的信息可能并不通用。
- PyTorch：仅可使用nvidia官方提供的torch、torchvision、torchaudio三件套。
- Transformers：Mio仅支持Qwen2-VL这一个VLM，而Qwen2-VL要求
transformers>=4.45.0。然而，截至2024年8月31日，transformers==4.45.0.dev0已不能完美支持torch<=2.3.0。因此，需要找到<site-packages>/transformers/pytorch_utils.py的ALL_LAYERNORM_LAYERS变量，删掉列表中的nn.RMSNorm。 - Flash-Attention-2：这个东西在 Jetson AGX Orin 上编译起来非常困难，可以不用。如果一定要编译，需要注意的是：①将
setup.py中所有涉及sm_xx的部分改成sm_87（因为Orin的 Ampere GPU 的 Compute Capability == 8.7）；②并行任务数不能高于MAX_JOBS=6，否则会耗尽记忆体。
sudo apt install ffmpeg libavformat-dev libavcodec-dev libavutil-dev libavdevice-dev libavfilter-dev
conda create -n mio python==3.11 pysocks -y
conda activate mio
cd Mio
CMAKE_ARGS="-DLLAMA_CUDA=on" python -m pip install -r requirements.txt
或者单独编译llama.cpp，然后复用已有的libllama.so安装llama-cpp-python：
cd /home/bd4sur/ai
git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp
mkdir build
cd build
cmake .. -DBUILD_SHARED_LIBS=ON -DGGML_CUDA=ON
cmake --build . --config Release
export LLAMA_CPP_LIB=/home/bd4sur/ai/llama.cpp/build/src/libllama.so
CMAKE_ARGS="-DLLAMA_BUILD=OFF" python -m pip install llama-cpp-python
生成自签名SSL证书
警告：本节涉及网络安全，仅供本人技术备忘之用。读者切勿参考，否则后果自负。
由于现代浏览器的安全策略限制，必须使用HTTPS，才能在浏览器上使用语音交互。因此，在内网服务器上部署时，需要正确配置SSL证书。
1、首先生成私钥。过程中需要输入口令，必须牢记并保密该口令。
openssl genrsa -des3 -out key.pem 1024
2、在信任的环境中，将其解密为明文密钥，这样每次启动服务器或者建立SSL连接时，无需输入口令。
openssl rsa -in key.pem -out key_unencrypted.pem
3、生成CSR（证书签名请求）文件。注意：Common Name 必须与域名保持一致，否则浏览器会提示安全风险。
openssl req -new -key key_unencrypted.pem -out bd4sur.csr
4、生成自签名证书。首先在当前工作目录创建扩展配置文件extconfig.txt（参考），其内容如下，以添加“证书使用者可选名称”字段。如果不添加这一字段，则浏览器会提示安全风险。
basicConstraints = CA:FALSE
subjectAltName = @alt_names
[alt_names]
DNS.1 = ai.bd4sur.intra
然后执行以下命令，生成自签名证书bd4sur.crt，其有效期为365天。
openssl x509 -req -days 365 -in bd4sur.csr -signkey key_unencrypted.pem -out bd4sur.crt -extfile extconfig.txt
5、将私钥文件key_unencrypted.pem和证书文件bd4sur.crt置于以下目录：
~~/ai/funasr/models用于FunASR容器通过挂载的目录访问。
6、将证书设置为客户端的信任证书。对于安卓（小米）手机，通过“设置→密码与安全→系统安全→加密与凭据→从存储设备安装”，选取上面生成的bd4sur.crt，验证身份后，“凭据用途”选择“VPN和应用”即可。
7、在手机上设置域名解析。在内网搭建DNS服务器之前，以下是一个权宜手段：手机安装Virtual-Hosts，设置hosts文件并启动。
创建并进入虚拟环境，安装相关依赖
conda create -n mio python=3.10.15 pysocks -y
conda activate mio
pip install -r requirements.txt
启动FunASR容器
bash start_funasr.sh
NOTE 设置无需sudo执行docker run：
# 添加docker用户组
sudo groupadd docker
# 将添加当前用户到docker用户组
sudo gpasswd -a ${USER} docker
# 重启docker服务
sudo service docker restart
# 给docker.sock增加读写权限
sudo chmod a+rw /var/run/docker.sock
启动LLM服务器
python server.py
访问
在浏览器中输入https://ai.bd4sur.intra:8443，进入对话窗口。
注意事项
- 默认关闭自动TTS功能。可以点击输入框旁边的喇叭图标，开启自动TTS功能。由于ChatTTS对硬件性能要求很高，在Jetson上还不能实现实时TTS，因此需要等待比较长的时间才能听到转换后的语音。
- 视觉问答目前只支持针对一幅图片的连续问答。
- 选用纯语言模型时，不要上传图片，否则可能会出错。
版权所有 © 2024 BD4SUR，保留所有权利。
本系统“按原样”提供，采用MIT协议授权。本系统为作者个人以学习和自用目的所创作的作品。作者不对本系统的质量作任何承诺。作者不保证提供有关本系统的任何形式的解释、维护或支持。作者不为任何人使用此系统所造成的任何正面的或负面的后果负责。
以部分或全部代码形式集成的开源软件