Ubuntu Docker环境下Python脚本依赖冲突解决：Coqui与NeMo兼容问题

针对你遇到的Coqui XTTS（需transformers==4.35.2）和NeMo（需transformers>=4.41.0）的依赖冲突，除了微服务架构，还有以下几个简单可行的方案：

方案一：用子进程+独立虚拟环境隔离依赖 #

这是最稳妥的方式，把两个依赖冲突的模块分别放在独立的虚拟环境中，主脚本通过异步子进程调用各自环境下的处理脚本：

1. 创建两个隔离的虚拟环境
   在Docker镜像中执行以下命令：

# 创建Coqui专属环境
python -m venv /opt/coqui_env
/opt/coqui_env/bin/pip install TTS==0.22.0 transformers==4.35.2

# 创建NeMo专属环境
python -m venv /opt/nemo_env
/opt/nemo_env/bin/pip install nemo_toolkit[asr] transformers>=4.41.0

2. 拆分功能脚本

• 编写coqui_tts.py：负责处理文本转语音逻辑，从标准输入读取文本，将音频数据输出到标准输出

  import sys
  import soundfile as sf
  from TTS.api import TTS
  
  tts = TTS("tts_models/multilingual/multi-dataset/xtts_v2", gpu=True)
  text = sys.stdin.read().strip()
  audio = tts.tts(text)
  sf.write(sys.stdout.buffer, audio, samplerate=24000, format='WAV')
  

• 编写nemo_asr.py：负责处理语音转文本逻辑，从标准输入读取音频数据，输出识别结果

  import sys
  import soundfile as sf
  from nemo.collections.asr.models import ASRModel
  
  model = ASRModel.from_pretrained("nvidia/stt_en_fastconformer_hybrid_large")
  audio_data, samplerate = sf.read(sys.stdin.buffer)
  text = model.transcribe([audio_data])[0]
  print(text)
  

3. 主WebSocket脚本异步调用子进程
   在你的asyncio循环中，用asyncio.create_subprocess_exec异步调用两个环境的脚本，通过标准输入输出传递数据：

import asyncio
import websockets
import subprocess

async def handle_websocket(websocket):
    async for message in websocket:
        # 调用NeMo做语音转文本
        nemo_proc = await asyncio.create_subprocess_exec(
            "/opt/nemo_env/bin/python", "/opt/scripts/nemo_asr.py",
            stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE
        )
        stdout, _ = await nemo_proc.communicate(input=message)
        asr_text = stdout.decode().strip()

        # 调用Coqui做文本转语音
        coqui_proc = await asyncio.create_subprocess_exec(
            "/opt/coqui_env/bin/python", "/opt/scripts/coqui_tts.py",
            stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE
        )
        tts_audio, _ = await coqui_proc.communicate(input=asr_text.encode())

        await websocket.send(tts_audio)

async def main():
    async with websockets.serve(handle_websocket, "0.0.0.0", 8765):
        await asyncio.Future()  # 保持服务运行

if __name__ == "__main__":
    asyncio.run(main())

方案二：寻找兼容的中间版本 #

尝试查找同时满足两个库要求的transformers版本，或者调整库的版本：

• 检查Coqui XTTS的新版本：比如TTS 0.23.0及以上是否支持transformers>=4.41.0，若支持则直接升级Coqui，统一用高版本transformers
• 检查NeMo的旧版本：比如nemo_toolkit 1.20.0对transformers的要求是>=4.33.0，这个版本可以兼容4.35.2，若你的ASR功能不需要NeMo的最新特性，可以降级NeMo到该版本，统一用transformers==4.35.2

这种方式不需要额外的进程隔离，配置更简单，但需要验证版本兼容性，避免功能缺失。

方案三：动态加载不同版本库（不推荐） #

通过importlib手动指定库的路径来加载不同版本的transformers，但这种方式容易引发全局状态冲突，比如其他依赖库可能会共享transformers的全局变量，导致不可预料的错误，仅作为最后的备选方案。

内容的提问来源于stack exchange，提问作者Nathanael