镜像名称

织梦矩阵混剪 GPU 一体化镜像（Miniconda3 版）

镜像简介

本镜像用于快速部署“织梦矩阵混剪”的 GPU 云端运行环境，适合手机端/网页端连接 GPU 实例完成混剪、配音、字幕识别、数字人驱动和视频渲染等任务。

• 功能： 提供织梦混剪后端服务、GPU 数字人服务、LatentSync 推理 Worker、在线 TTS、ASR 识别、视频编辑与渲染能力。
• 特点： 基于 Miniconda3 环境构建，已预装核心代码、模型目录、Conda 环境、FFmpeg、Supervisor 等运行组件；实例启动后可一键拉起服务，手机端可通过公网 8799 端口连接使用。

环境与依赖

本镜像构建和运行所需的基础环境。

• 基础环境： Linux + Miniconda3
• GPU： 建议 NVIDIA RTX 3090 24GB 或同等/更高显存 GPU
• 显卡驱动： 已在 NVIDIA Driver 595.80 环境验证
• CUDA版本： 由平台 GPU 驱动及 Conda 环境内 CUDA Runtime 提供，实际以 nvidia-smi 和各 Conda 环境为准
• Python环境：
  • zhimo：织梦混剪应用后端，运行 uvicorn app.main:app
  • dh：GPU 数字人统一服务，运行 run_server.py
  • tts：TTS/ASR 子进程环境
  • latentsync：LatentSync 常驻推理 Worker
• 主要依赖： FastAPI、Uvicorn、Flask、PyTorch、LatentSync、CosyVoice、FunASR、Whisper、FFmpeg、Supervisor
• 默认端口：
  • 8799：织梦混剪业务后端，手机端/网页端主要连接端口
  • 8383：GPU 统一能力接口，默认用于内部调试或网关调用
  • 50100：LatentSync Worker 内部端口
  • 50000：TTS 内部端口
  • 50001：ASR 内部端口

配置方法

1. 创建 GPU 实例时选择本镜像，推荐使用 24GB 显存及以上的 NVIDIA GPU。
2. 实例启动后进入服务器，确认核心服务已由 Supervisor 托管：

   supervisorctl status heygem latentsync_worker zhimo_app
   

3. 如服务未运行，可执行：

   supervisorctl reread
   supervisorctl update
   supervisorctl start latentsync_worker
   supervisorctl start heygem
   supervisorctl start zhimo_app
   

4. 手机端直连使用时，请在云平台安全组/端口规则中放行 TCP 8799。
5. 浏览器或手机端访问：

   http://实例公网IP:8799
   

6. 8383 为 GPU 能力服务端口，通常不需要向普通用户开放；如需联调数字人/TTS/ASR，可按需放行或仅在服务器本机访问。

环境验证代码

在服务器内执行以下命令验证服务是否正常：

nvidia-smi
supervisorctl status heygem latentsync_worker zhimo_app

curl -s http://127.0.0.1:50100/health
curl -s http://127.0.0.1:8383/api/heygem/health
curl -s http://127.0.0.1:8383/api/tts/health
curl -s http://127.0.0.1:8383/api/asr/health
curl -s http://127.0.0.1:8799/api/health
curl -s http://127.0.0.1:8799/api/bootstrap

公网连通性验证：

curl -s http://实例公网IP:8799/api/health

正常情况下应返回类似：

{"ok":true,"message":"","data":{"status":"ok"}}

相关链接

• 应用入口：http://实例公网IP:8799
• 手机端主要健康检查：http://实例公网IP:8799/api/health
• GPU 能力健康检查：http://127.0.0.1:8383/api/heygem/health
• 云端卡密/网关服务：https://api.zhimoai.top

常见问题

Q1：手机端提示“服务未就绪”或 /api/health 不通怎么办？
A1： 先确认 zhimo_app 正在运行，再确认云平台已放行 TCP 8799。服务本机通但公网不通时，通常是安全组或端口映射未开放。

Q2：8383 端口需要公网开放吗？
A2： 一般不需要。手机端主要连接 8799，8383 是 GPU 内部能力服务，建议只在调试或网关转发场景使用。

Q3：首次启动为什么显存会占用较高？
A3： LatentSync、TTS、ASR 等模型会常驻加载，以减少后续任务等待时间。RTX 3090 环境下启动后占用约 10GB 以上显存属于正常现象。

Q4：镜像为什么仍有几十 GB？
A4： 核心代码、Conda 环境、LatentSync、TTS/ASR 模型和运行依赖本身占用较大。Miniconda3 版已比通用 PyTorch 大底镜像更精简，实际验证系统占用约 44GB。

Q5：手机端远程出片接口返回“当前卡密不支持在线版”怎么办？
A5： 这是卡密权限限制，不是 GPU 镜像部署失败。请使用支持对应功能的卡密，或走本地版客户端/GPU 直连模式。