2、环境搭建：Python环境、虚拟环境、依赖库安装（如numpy、opencv、pyttsx3、speech_recognition等）

在开始AI数字人开发之前，搭建一个干净、稳定、可复现的开发环境是决定项目成败的基石。许多初学者在编写第一行代码前，往往因为Python版本冲突、依赖库安装失败或系统路径混乱而浪费大量时间。本章将系统讲解从Python解释器安装到虚拟环境隔离，再到核心依赖库安装的完整流程，并针对Windows、macOS和Linux三大主流操作系统给出差异化的操作指引。我们将以“最小化系统污染”和“最大化可复现性”为原则，构建一套适合AI数字人项目的工程化环境。

2.1 Python解释器安装与版本选择

核心原理：Python解释器是运行所有代码的基础。AI数字人项目涉及计算机视觉、语音识别、自然语言处理等多个领域，这些领域的第三方库对Python版本有严格的兼容性要求。例如，最新版的TensorFlow和PyTorch可能要求Python≥3.9，而某些旧版语音库可能不支持3.12以上的版本。因此，选择一个“稳定且兼容性广”的Python版本至关重要。

版本选择策略：根据当前AI生态的成熟度，推荐使用Python 3.10.x或3.11.x。这两个版本在性能、语法特性和第三方库支持方面达到了较好的平衡。具体选择依据如下：

• 3.10：兼容性最广，几乎所有主流AI库都提供预编译的wheel包，适合追求稳定性的开发者。
• 3.11：性能提升约10-60%，但个别老旧库（如某些音频处理库）可能尚未适配，适合新项目。
• 3.12+：不建议用于本课程，因为opencv-python和pyttsx3的部分依赖可能尚未完全支持。

macOS/Linux注意事项：macOS自带Python 2.7（已废弃），切勿使用。推荐使用Homebrew安装：brew install python@3.11。Linux用户可使用 sudo apt install python3.11（Ubuntu）或 sudo dnf install python3.11（Fedora）。安装后建议设置别名：alias python=python3.11。

2.2 虚拟环境：venv与conda实战

核心原理：虚拟环境为每个项目创建独立的Python解释器副本和包管理空间。这意味着项目A可以使用numpy 1.24，而项目B可以使用numpy 1.26，互不干扰。对于AI数字人开发，虚拟环境还能避免全局环境中opencv和pyttsx3版本冲突导致的“玄学”问题。

venv（Python内置）操作流程：

# 1. 创建项目目录并进入
mkdir ai_digital_human
cd ai_digital_human

# 2. 创建虚拟环境（在项目根目录下）
python -m venv venv

# 3. 激活虚拟环境
# Windows:
venv\Scripts\activate
# macOS/Linux:
source venv/bin/activate

# 4. 验证激活（命令行前应出现(venv)前缀）
which python  # macOS/Linux
where python  # Windows

conda（Anaconda/Miniconda）方案：如果项目涉及CUDA（GPU加速）或需要管理不同Python版本，conda是更优选择。conda不仅能创建虚拟环境，还能管理Python版本本身。

# 创建Python 3.11环境
conda create -n ai_human python=3.11

# 激活环境
conda activate ai_human

# 设置镜像源加速（国内用户）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

对比维度	venv	conda
安装体积	轻量（仅Python解释器副本）	较重（包含conda自身及依赖）
Python版本管理	依赖系统已安装的Python	可独立安装任意Python版本
包管理	仅pip	pip + conda（支持非Python依赖）
适用场景	纯Python项目、轻量级开发	涉及CUDA、C++扩展、多版本Python切换

2.3 核心依赖库安装与验证

核心原理：AI数字人项目依赖库可分为四类：数值计算（numpy）、图像处理（opencv-python）、语音合成（pyttsx3）、语音识别（speech_recognition）。这些库之间存在隐式依赖关系，例如opencv-python依赖numpy，speech_recognition依赖PyAudio（用于麦克风输入）。因此，安装顺序和版本匹配至关重要。

推荐安装命令（在激活的虚拟环境中执行）：

# 升级pip
python -m pip install --upgrade pip

# 安装核心库（使用清华镜像加速）
pip install numpy==1.24.3 opencv-python==4.8.1.78 pyttsx3==2.90 speech_recognition==3.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装语音识别所需的音频输入库（Windows/macOS）
pip install PyAudio==0.2.13 -i https://pypi.tuna.tsinghua.edu.cn/simple

# Linux用户可能需要额外安装：
# sudo apt install portaudio19-dev python3-pyaudio

版本锁定策略：为什么指定版本号？因为AI库的API变动频繁。例如，opencv-python 4.8.1.78是经过验证的稳定版本，而4.9+可能改变了某些函数签名。建议将版本号写入 requirements.txt 文件，确保团队协作时环境一致。

# requirements.txt 内容示例
numpy==1.24.3
opencv-python==4.8.1.78
pyttsx3==2.90
speech_recognition==3.10.0
PyAudio==0.2.13

安装验证脚本：创建 test_env.py 文件，运行以下代码验证所有库是否正常工作：

import numpy as np
import cv2
import pyttsx3
import speech_recognition as sr

print("numpy版本:", np.__version__)
print("opencv版本:", cv2.__version__)

# 测试语音合成
engine = pyttsx3.init()
engine.say("环境搭建成功")
engine.runAndWait()

# 测试语音识别（需麦克风）
r = sr.Recognizer()
with sr.Microphone() as source:
    print("请说一句话...")
    audio = r.listen(source, timeout=3)
print("语音识别库工作正常")

2.4 实战案例：从零搭建一个可运行的语音交互基础环境

案例背景：某AI创业团队需要快速验证一个“语音唤醒+语音回复”的数字人原型。团队有3名成员，分别使用Windows 11、macOS Ventura和Ubuntu 22.04系统。目标是在2小时内搭建统一开发环境，并跑通“语音输入→文字识别→语音输出”的最小闭环。

初始现象与目标：团队成员各自安装了Python，但版本不统一（3.8/3.10/3.11），且全局环境中已存在不同版本的numpy和opencv，导致代码在A电脑运行正常、在B电脑报错。目标：建立一套跨平台、可复现的环境配置方案。

关键操作步骤：

1. 统一Python版本：要求全员安装Python 3.11.4（64位），并验证 python --version 输出一致。
2. 创建项目级虚拟环境：在项目根目录执行 python -m venv venv，并激活。
3. 编写requirements.txt：将上述核心库及版本号写入文件。
4. 批量安装：执行 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple。
5. 编写环境验证脚本：将2.3节的测试代码保存为 test_env.py，全员运行。
6. 结果对比：Windows和macOS成员一次性通过；Ubuntu成员遇到PyAudio编译错误，通过 sudo apt install portaudio19-dev 解决。

结果与复盘：最终全员在1.5小时内完成环境搭建，测试脚本全部通过。关键经验：

• 版本锁定是跨团队协作的“定海神针”，必须写入requirements.txt并提交Git。
• Linux系统需要额外安装系统级依赖（如portaudio），应在项目README中注明。
• 使用国内镜像源将安装时间缩短了约70%。