项目地址：

https://github.com/hkchengrex/MMAudio?tab=readme-ov-file

inference：

1、创建conda环境

python3.9的，pip安装torch以及相关的，进入mmaudio里面pip安装

2、下载：（注意：下载时候，用hf的镜像https://hf-mirror.com/，新加坡代理会快点）

根据mmaudio/utils/download_utils.py的地址，下载mmaudio_large_44k_v2、'v1-16、best_netG、v1-44、synchformer_state_dict四个pt文件， 放进mmaudio/eval_utils.py指定的位置；

还有clip和bigvgan(估计是声音的编码器)，也要下载，GitHub里面没写，需要自己跑demo时候，根据报错的提示，下载open_clip_pytorch_model.bin和open_clip_config.json文件；bigvgan_generator.pt和config.json文件；放这些文件的地址，写进pretrained.py的cached_file（修改hf_hub_download函数应该也行的）和autoencoder.py的self.vocoder = self.vocoder = BigVGANv2.from_pretrained('path to/bigvgan_v2_44khz_128band_512x/',use_cuda_kernel=False)里面

跑demo：

这个推理出来的是，是一个纯音频文件，还需要手动音视频合并的

python demo.py --duration=5 --video path to/a.mp4 --prompt "xxxx." --output path to/

ffmpeg -i path to/a.mp4 -i path to/a.flac path to/VA_a.mp4