Hugging Face是一個機器學習（ML）和數據科學平臺和社區，幫助用戶構建、部署和訓練機器學習模型。它提供基礎設施，用于在實時應用中演示、運行和部署人工智能（AI）。用戶還可以瀏覽其他用戶上傳的模型和數據集。Hugging Face通常被稱為機器學習界的GitHub，因為它讓開發人員公開分享和測試他們所訓練的模型。

本次分享如何快速部署本地訓練的 Bert-VITS2 語音模型到 Hugging Face。

本地配置HuggingFace

首先注冊HuggingFace平臺：

https://huggingface.co/join

隨后在用戶的設置界面新建token，也就是令牌：

這里令牌有兩種權限類型，一種是寫權限，另外一種是讀權限。

隨后本地安裝Huggingface客戶端：

pip install huggingface_hub

隨后運行命令登錄Huggingface賬號：

huggingface-cli login

此時需要用到剛剛創建的token，復制寫token，粘貼到命令行中：

E:\work>huggingface-cli login  
  
    _|    _|  _|    _|    _|_|_|    _|_|_|  _|_|_|  _|      _|    _|_|_|      _|_|_|_|    _|_|      _|_|_|  _|_|_|_|  
    _|    _|  _|    _|  _|        _|          _|    _|_|    _|  _|            _|        _|    _|  _|        _|  
    _|_|_|_|  _|    _|  _|  _|_|  _|  _|_|    _|    _|  _|  _|  _|  _|_|      _|_|_|    _|_|_|_|  _|        _|_|_|  
    _|    _|  _|    _|  _|    _|  _|    _|    _|    _|    _|_|  _|    _|      _|        _|    _|  _|        _|  
    _|    _|    _|_|      _|_|_|    _|_|_|  _|_|_|  _|      _|    _|_|_|      _|        _|    _|    _|_|_|  _|_|_|_|  
  
    A token is already saved on your machine. Run `huggingface-cli whoami` to get more information or `huggingface-cli logout` if you want to log out.  
    Setting a new token will erase the existing one.  
    To login, `huggingface_hub` requires a token generated from https://huggingface.co/settings/tokens .  
Token can be pasted using 'Right-Click'.  
Token:  
Add token as git credential? (Y/n) y  
Token is valid (permission: write).  
Cannot authenticate through git-credential as no helper is defined on your machine.  
You might have to re-authenticate when pushing to the Hugging Face Hub.  
Run the following command in your terminal in case you want to set the 'store' credential helper as default.  
  
git config --global credential.helper store  
  
Read https://git-scm.com/book/en/v2/Git-Tools-Credential-Storage for more details.  
Token has not been saved to git credential helper.  
Your token has been saved to C:\Users\zcxey\.cache\huggingface\token  
Login successful

顯示Login successful即代表登錄成功。

隨后，可以使用命令來創建模型的repo項目：

huggingface-cli repo create wizard3

這里創建巫師3系列角色模型。

程序返回：

E:\work>huggingface-cli repo create wizard3  
git version 2.31.0.windows.1  
git-lfs/2.13.2 (GitHub; windows amd64; go 1.14.13; git fc664697)  
  
You are about to create v3ucn/wizard3  
Proceed? [Y/n] y  
  
Your repo now lives at:  
  https://huggingface.co/v3ucn/wizard3  
  
You can clone it locally with the command below, and commit/push as usual.  
  
  git clone https://huggingface.co/v3ucn/wizard3

說明已經創建好模型項目了。

當然，過程中可能會報443的錯誤，如果您身在國內，這是十分合理的現象。

此時，可以通過給git配置代理來解決：

配置socks5  
  
git config --global http.proxy socks5 127.0.0.1:7890  
git config --global https.proxy socks5 127.0.0.1:7890  
  
配置http  
  
git config --global http.proxy 127.0.0.1:7890  
git config --global https.proxy 127.0.0.1:7890

其中7890為您在國內學術上網用的端口號，啥叫學術上網？很抱歉這里無法多做解釋。

同時也可以通過命令取消git學術上網：

git config --global --unset http.proxy  
git config --global --unset https.proxy

接著本地克隆項目：

git clone https://huggingface.co/v3ucn/wizard3

隨后將模型本體和配置文件config.json放入wizard3目錄。

提交后，推送即可：

E:\work>cd wizard3  
  
E:\work\wizard3>git add -A  
  
E:\work\wizard3>git commit -m "commit from liuyue "  
[main cd327b9] commit from liuyue  
 2 files changed, 114 insertions(+)  
 create mode 100644 G_200.pth  
 create mode 100644 config.json  
  
E:\work\wizard3>git push  
Uploading LFS objects:   0% (0/1), 925 MB | 2.4 MB/s

此時，git就會把模型推送到Huggingface云端。

推送完畢后，訪問線上地址，即可查看模型：

https://huggingface.co/v3ucn/wizard3/tree/main

結語

Hugging Face的優勢包括可訪問性、集成性、快速原型設計和部署、社區和成本效益，是不可多得的機器學習交流平臺。

總結

以上是生活随笔為你收集整理的如何快速部署本地训练的 Bert-VITS2 语音模型到 Hugging Face的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。