给数字人生成加上界面，基于ER-NeRF/RAD-NeRF/AD-NeRF，Gradio框架构建WEBUI，使用HLS流媒体，实现边推理边播放——之一：在WEBUI中实时输出服务器控制台日志

前言

• 目前数字人实现技术众多，我这里采用基于ER-NeRF，在这里可以看到其介绍：ICCV 2023 | ER-NeRF: 用于合成高保真Talking Portrait的高效区域感知神经辐射场-https://zhuanlan.zhihu.com/p/644520609
• ER-NeRF的项目地址：Https://GitHub.com/Fictionarry/ER-NeRF
• ER-NeRF,RAD-NeRF,他们都继承自AD-NeRF，都有一个基于dearpygui的GUI界面
• 但是很遗憾，这个GUI很难跑起来，而且本地一般没有大GPU的机器，我们需要一个在云GPU服务器上能跑的WEBui
• ER-NeRF训练很简单，所需素材也很少，训练的步骤不需要GUI
• 推理时，需要一个推理界面，方便一般用户使用的同时，使用UI界面能实现一边推理一边播放视频，优化用户体验
• 基于此，在调研一圈之后，计划使用Gradio来构建webui，改造推理代码，推理生成的帧图像直接存储为ts格式视频，web前端使用hls协议来加载m3u8文件，流式的播放推理出的结果

最终效果

• 运行图
  
• 推理图
  

实现步骤

Gradio

很常规的操作，一个左右分栏布局：

with gr.Blocks() as page:    with gr.Row():        with gr.Column():            model = gr.Dropdown(                choices=models, value=models[0], label="选择模型", elem_id="modelSelectDom"            )            audType = gr.Dropdown(                choices=['deepspeech', 'hubert', 'esperanto'], value='deepspeech', label="模型音频处理方式"            )            with gr.Tab('录音'):                audio1 = gr.Audio(source="microphone", label='如果不能正常录音请直接上传音频文件!')            with gr.Tab('上传录音'):                audio2 = gr.File(label='上传录音文件', file_types=['audio'])            btn = gr.Button("提交", variant="primary", elem_id="submitBtn")        with gr.Column():            msg = gr.Label(label='运行状态', elem_id="logShowDiv", value='')            gr.Label(label='推理视频', elem_id="resultVideoDiv", value='')    btn.click(        action,        inputs=[            model, audType, audio1, audio2        ],        outputs=[msg],    )

可以看到，output配置了一个msg的label组件，就是用来显示服务器现在运行的日志信息的。
那么本项目第一个问题就是：如何实时的显示服务器运行日志呢？
看代码：

def log_out(new_log):    print(new_log)    return new_log    def action(model, audType, audio1, audio2):    # 存储音频文件    yield log_out('存储音频文件...')    wavFilePath = os.path.join(modelBasePath, model, str(time.time()).replace('.', '') + '.wav')    if audio1:        rate, data = audio1        write(wavFilePath, rate, data.astype(np.int32))    elif audio2:        suffix = audio2.name.split('.')[-1]        shutil.copy2(audio2.name, wavFilePath.replace('.wav', '.' + suffix))    if not os.path.exists(wavFilePath):        yield log_out('存储音频文件失败！')    else:        yield log_out('存储音频文件完成.')    # 执行音频预处理    yield log_out('音频预处理开始...')    if audType == 'deepspeech':        cmd = f'python data_utils/deepspeech_features/extract_ds_features.py --input {wavFilePath}'    elif audType == 'hubert':        cmd = f'Python data_utils/hubert.py --wav {wavFilePath}'    else:        cmd = f'python data_utils/wav2vec.py --wav {wavFilePath} --save_feats'    yield log_out(f'命令：{cmd}')    process = subprocess.Popen(cmd, shell=True, stdout=subprocess.PIPE, stderr=subprocess.PIPE)    while True:        output = process.stdout.readline()        if output == b'' and process.poll() is not None:            break        if output:            yield log_out(output.strip().decode('utf-8'))            time.sleep(0.5)    process.wait()    yield log_out(f'音频预处理完成.')    # 确认音频预处理是否完成    npyPath = '.'.join(wavFilePath.split('.')[:-1]) + '.npy'    stop = False    if not os.path.exists(npyPath):        yield log_out(f'未找到音频预处理后的npy文件，程序将要退出！')        stop = True    if stop:        return    # 构建推理命令    yield log_out(f'准备执行推理...')    cmd = f'python main.py {os.path.join(modelBasePath, model)} --workspace trial_{model}_torso -O --torso --test --test_train --aud {npyPath} --smooth_path --fps 25'    yield log_out(f'推理命令：{cmd}')    process = subprocess.Popen(cmd, shell=True, stdout=subprocess.PIPE, stderr=subprocess.PIPE)    while True:        output = process.stdout.readline()        if output == b'' and process.poll() is not None:            break        if output:            yield log_out(output.strip().decode('utf-8'))            time.sleep(0.5)    process.wait()

可以看到，直接使用yield关键字，就可以让服务器的输出多次响应。
但是这样操作最终看到的界面效果就是日志随着一次yield一次变化，历史的累计日志信息都被直接覆盖了。
为了让输出能够累计历史日志信息一起显示，我们需要将日志记录下来，这个也很简单，增加一个history_log即可：

history_log=''def log_out(new_log):global history_loghistory_log += new_log+'
'   print(new_log)   return history_log    .......

现在看到，日志确实累计输出了，显示效果却不够好看，而且每次输出一次日志就会页面组件就会重绘，日志过多也影响服务器内存。

有没有办法做成shell命令窗那种类似效果呢，日志输出时，滚动条在底部，永远保持当前输出的日志能够可视？
一番艰苦的探寻，终于找到了解决办法。
核心思路是：yield持续输出，页面中用一个input元素接收，然后重写input的setvalue的方法，在方法中提取到本次输出的日志值，然后将值添加到一个div尾部，使用js让div的滚动条保持在底部。
核心代码：

_script = '''   async()=>{      .......       //监控日志输出及显示               let output = document.querySelector("#logDivText .border-none");               if(!output){                   return false;               }               let show = document.querySelector('#logShowDiv .container')               show.style.height='200px'               show.style.overflowY='scroll'               show.innerhtml=""               Object.defineProperty(output, "value", {                   set:  function (log) {                       if(log && log!=''){                           show.innerHTML = show.innerHTML+'
'+log   show.scrollTop=show.scrollHeight                           }                       } return this.textContent = log;                   }               });               ......   }'''#在page页面加载的时候，将自定义的js加载进去page.load(_js=_script)

这样就实现了监控服务器日志输出的效果了，效果如下：

代码已放在gitee，有不解的可私信。
下一篇讲解如何将内存中的序列图通过pipeline写成hls协议的ts文件保存。

来源地址：https://blog.csdn.net/AJian759447583/article/details/133990434