Tai Studio 工作站使用指南

面向工作站使用者。所有日常操作通过服务器上的 tai 命令完成（已装在 /usr/local/bin/tai，SSH 登录后直接用）。

〇、推荐配置（用镜像开实例时参考）

以下数字来自实测部署（数据见 docs/VPS-DEPLOYMENT-REPORT.md）。

显卡（最重要）

• 推荐：RTX 4090（24GB 显存）——实测全链路流畅：冷引擎首次生成约 1–2 分钟/首，热引擎 1–5 倍速实时出歌；转换 55 秒人声约 2 分钟。
• 最低：显存 ≥ 12GB 的 RTX 40 系（4070 Ti / 4080 均可）——实测显存峰值仅约 5GB（生成引擎 2.6GB + 声音转换 2.4GB），12GB 有充足余量。
• 注意：镜像里的引擎按 RTX 40 系（sm_89 架构）编译。换 30 系 / 50 系 / A 系等其他架构显卡，需要重新编译引擎（镜像里保留了编译缓存，约半小时可完成，参考 deploy/nodocker/build-all.sh）。

内存

• 推荐：48GB 及以上。
• 最低：32GB（镜像已内置 memguard 内存守卫，32GB 下实测稳定；更低不建议——模型缓存 + 推理进程实际吃到 20GB+，32GB 无缓冲时曾观测到平台侧杀进程）。

硬盘（系统盘）

• 推荐：60GB 及以上。
• 说明：镜像本体约 25GB（模型 20GB + 程序与编译缓存 5GB）；每首作品约 10MB，转换一首歌的中间分轨约 300MB（用完自动保留在缓存、可随时清理）。

CPU

• 推荐：16 核；最低 8 核（引擎推理固定用 7 个 CPU 线程，实测 14 核下生成与转换互不卡顿）。

一句话结论：照着这次实测的机型选就没错——RTX 4090 / 14–16 核 / 32–48GB 内存 / 60GB 盘。

一、怎么启动工作台

工作站跑在 GPU 实例上。实例每次开机或重启后，服务不会自动启动，需要手动拉一次。

第一步，SSH 登录实例（端口和地址以平台控制台显示为准）：

ssh -p <端口> root@<实例地址>

第二步，启动：

tai start

命令会自动识别有卡/无卡模式（无卡时提示"生成与转换不可用"），等待服务就绪并显示状态总览。

第三步，浏览器打开平台提供的工作站网址（形如 https://8080-<实例名>.pod.compshare.cn/），用管理员账号登录。 管理员账号： 用户名：admin 密码：（需通过命令tai password重置）

其余常用命令

• tai status — 状态总览（服务 / 健康 / GPU 模式）
• tai stop — 停止工作站
• tai restart — 重启工作站
• tai health — 健康检查（JSON）
• tai logs … — 跟踪日志，可选 gateway / music / seedvc / engine / supervisor / memguard
• tai info — 路径与端口速查
• tai help — 全部命令说明

常见问题

• 网页打不开、连接被拒 —— 多半是实例重启后没跑 tai start，执行一次即可。
• tai status 显示"无卡模式" —— 本次开机未挂 GPU：登录、曲库管理可用，生成和转换不可用；需要创作时改用有卡模式开机。
• 页面能打开但要等很久 —— 首次生成/转换需要加载模型（约 1 分钟），属于正常现象。
• 登录一直提示密码错误 —— 密码不对；或连续错 5 次被锁 15 分钟，稍后再试。忘记密码时可在服务器上执行 tai password 重置。
• 引擎反复重启的日志 —— 引擎自身起不来时，看门狗每 10 分钟重试一次（不会无限空转）；用 tai logs engine 查看原因。

二、怎么重置密码

tai password              # 交互式：输入两遍新密码（至少 8 位）
tai password '新密码'      # 直接设置（含空格的密码要加引号）

需要注意：

• 改密后所有已登录会话立即失效（包括你正开着的浏览器），用新密码重新登录即可。
• 新密码会同时记入服务器的 /root/.yue-admin-pass（仅 root 可读），忘记时可在服务器上查看。

三、用了什么模型，基于什么定制

模型清单（全部已打进镜像，共约 20GB）

• YuE2-3B（Q8_0 量化，3.8GB） — 歌曲生成主模型：风格 + 歌词 → 带演唱的完整歌曲（词曲编曲一体）。
• YuE2 音频 VAE（F32，530MB） — 把生成潜码解码为 48kHz 音频。
• NAR LoRA companion（140MB） — 配套解码器，提升人声真实度。
• SheetSage2（Q8_0，105MB） — 乐谱转写：听录音写出 ABC 乐谱，是「翻唱」功能的耳朵。
• HT-Demucs（audio.cpp 运行时） — 六轨源分离（人声/鼓/贝斯/其他/吉他/钢琴），「我的声音」提取干声用它。
• Seed-VC 模型组 + whisper-small + BigVGAN — 零样本声音转换：10–30 秒参考录音即可把歌声换成你的音色。

基于什么

• 生成引擎：yue2.cpp（ggml/CUDA 推理，本镜像按 RTX 40 系 sm_89 编译）。
• 工作台上游：YuE2-Studio（Apache-2.0 开源项目）的 Web 版。
• 声音转换：Seed-VC（GPL-3.0，以独立进程隔离调用）。

在它们之上做的深度定制（Tai Studio 改造，全部有源码在 /opt/yue2-workstation）

1. Web 化：自研 Rust 网关——登录墙（Argon2id 密码 + 会话 + 防爆破锁定 + CSRF）、代理全部上游接口、媒体下载鉴权；把单机桌面软件变成浏览器访问的单用户工作站。
2. Seed-VC 服务化：封装为无头 FastAPI 服务（不用 Gradio），支持任务队列、取消、空闲自动卸载显存。
3. 「我的声音」整页功能：前端面板 + 网关编排（档案管理、GPU 排他、六轨求和伴奏、转换→混音→入库全链路）。
4. 引擎补丁三处：看门狗不误杀活引擎、启动失败退避（不无限重启）、分轨不污染曲库。
5. memguard 内存守卫：32GB 内存平台的稳定性根治（自动释放可再生缓存，避开硬限触发平台杀进程）。
6. tai CLI、中文默认界面、五语言支持、Tai Studio 品牌化。

附：底层命令对照（tai 不可用时）

# 启动 / 停止
bash /opt/yue2-workstation/deploy/nodocker/start.sh
supervisorctl -c /opt/yue2/supervisord.conf shutdown

# 重置密码（必须带环境变量，否则会写到错误路径、改密不生效）
export GATEWAY_DATA_ROOT=/opt/yue2/data
printf "新密码" | /opt/yue2/bin/yue-gateway admin set-password --username admin --stdin