Changes between Initial Version and Version 1 of Фаза1

Timestamp:

09/04/25 18:01:24 (35 hours ago)

Author:

223165

Comment:

--

Фаза1

@@ +1 @@
+== Подготовка и конфигурација на модел (Proof-of-concept фаза) ==
+
+Во оваа фаза на проектот сакав да демонстрирам практична употреба на моделот AudioLDM2.
+Кога почнав со оваа фаза очекував да е доста "straight-forward", но набрзо се соочив со доста проблеми околу зависности и инсталација на соодветни верзии на библиотеките кои беа потребни за да го иницијализирам самиот модел. Па се навратив на читање на документациите на моделот малку подетално, и направив соодветна `requirements.txt` датотека кои ги содржеше сите работни и компатибилни верзии на библиотеките.
+
+== Подготовка на работна околина == 
+
+1. Програмски јазик:
+
+   - Користев Python 3.10.11, бидејќи е стабилна верзија и компатибилна со библиотеките потребни за AudioLDM2.
+
+2. IDE:
+
+   - Користев PyCharm за развој, заради подобро управување со виртуелни окружувања и дебагирање.
+   - Направив ново `.venv` во проектната папка
+
+3. GPU поддршка:
+
+
+   - Со команда `nvidia-smi` проверив дека имам CUDA 12.7, што е доволно ново за да работи со најнови верзии на Torch.
+
+== Инсталација на потребни библиотеки ==
+
+Инсталирав ги сите неопходни пакети, водејќи сметка за компатибилни верзии. Најважни беа:
+
+- `torch` и `torchaudio` – за GPU извршување на моделот.
+
+- `diffusers` – библиотеката од `HuggingFace` која ја содржи имплементацијата на AudioLDM2.
+
+- `transformers` – за обработка на текстуални промптови.
+
+- `accelerate` и `safetensors` – оптимизација на извршување и управување со тежини на моделот.
+
+- `soundfile`, `scipy` – за работа со аудио фајлови.
+
+По првичната инсталација на audioldm2 имав повеќе грешки со зависности (кај `huggingface_hub`, `transformers` и `diffusers`). Со експериментирање најдов стабилна комбинација и успеав да го покренам моделот.
+
+== Конфигурација на модел ==
+
+
+