项目部署
查看服务器地址和显卡，确保在海外和显卡存在
curl ipinfo.io
nvidia-smi
克隆项目：
git clone https://github.com/Huanshere/VideoLingo.git
cd VideoLingo
配置环境：
conda create -n videolingo python=3.10.0 -y
conda activate videolingo
python install.py
使用conda安装ffmpeg，一定要安装到对应的这个虚拟环境下，不要安装到全局！！
conda install -c conda-forge ffmpeg
ffmpeg -version
安装和后面运行，首次安装自动运行
python install.py
streamlit run st.py
然后打开运行界面：
API配置（暂时使用的302.ai的），参考下面的文档
经验教训
- GPU要支持ffmpeg加速
- 内存空间保证，看清楚下载到什么位置
- ffmpeg不要下载到全局下，导致很多问题，全局下的乌班图22版本不支持硬件加速的ffmpeg，还要自己编译等，浪费了很多时间，其实直接在conda下载即可
- 服务器一定要使用国外的，下载速度保证
- 在没有正常跑起项目的时候不要修改源码
其他调研
开源项目：自己部署，自己配各种模型，比较流行，缺点：NVIDIA A100 GPU 本身不包含 NVENC 编码器，导致无法进行音频转换等，自己配置模型
开源项目，bug不少感觉
语音克隆
项目积累：
