AMD 显卡跑语音模型的那些坑：ROCm 兼容性实录

陈陈老师2025/10/08149 阅读

先说背景：公司预算紧张，服务器没上 N 卡，给我配了一块 AMD RX 7900 XTX。要跑语音相关的活儿：语音转文字（ASR）、语音合成（TTS）、还有同事心心念念的语音克隆。原以为 ROCm 这两年成熟了，结果真上手才发现，语音模型这个领域，AMD 的支持度比大语言模型差得远。这篇把我踩的坑都记下来。

第一个坑：ROCm 到底装哪个版本，官网文档先把你绕晕。

AMD 的 ROCm 安装文档一打开就是一堆"支持矩阵"。关键信息是：你的显卡型号决定你只能装哪个大版本。RX 7900 XTX 是 RDNA3 架构，ROCm 5.7 才开始正式支持，6.x 系列支持最好。

我一开始照着通用教程装了 ROCm 5.4，rocm-smi 能显示显卡，但一跑 PyTorch 就报 hipErrorNoBinaryForGpu。查了半天才明白：5.4 压根不认识 RDNA3，白装。

正确的装法是看这张表再动手：

Bash

# Ubuntu 22.04 + RX 7900 XTX 实测可用的版本
# 装 ROCm 6.2 之后，rocm-smi 和 torch 都能识别
amdgpu-install --usecase=rocm --no-dkms

装完一定要跑 rocminfo 确认能看到 GPU，不然后面全是无用功。

第二个坑：PyTorch 的 ROCm 版本和系统 ROCm 版本对不上。

这个坑最阴。系统装了 ROCm 6.2，然后 pip install torch 装的是 CPU 版——因为默认源里根本没有 ROCm 版 torch！必须用 AMD 的专用源：

Bash

pip install torch --index-url https://download.pytorch.org/whl/rocm6.2

装完验证：

Python

import torch
print(torch.version.hip)  # 有输出就对了
print(torch.cuda.is_available())  # ROCm 下这个也返回 True，别被名字骗了

注意 torch.cuda.is_available() 在 ROCm 版 PyTorch 里返回 True，因为它内部把 HIP 映射成了 CUDA 的接口。我第一次看到这行输出以为自己装错成 CUDA 版了，其实没有。

第三个坑：Whisper 能跑，但 faster-whisper 直接不认 AMD 卡。

OpenAI 官方 whisper 用的是 PyTorch，在 ROCm 下能跑，就是慢。真正让我崩溃的是 faster-whisper：它依赖 CTranslate2，而 CTranslate2 官方只支持 CUDA，没有 ROCm 后端。你 pip install faster-whisper 装出来默认走 CPU，跟 AMD 卡一点关系没有。

解决方案两条：

放弃 faster-whisper，用官方 whisper + ROCm，慢但能跑（7900 XTX 上 small 模型大概 3-4 倍实时）。
找社区编译的 CTranslate2 ROCm 版，但版本经常滞后，依赖一堆，我试了两次都翻车。

第四个坑：FunASR 的依赖链在 ROCm 下各种报错。

阿里 FunASR 是中文语音识别的好手，但它依赖的 torchaudio 需要跟 torch 版本严格匹配。ROCm 的 torch 版本更新本来就慢，torchaudio 的 ROCm 版更是稀缺。

我装的时候是：

Bash

pip install torch torchaudio --index-url https://download.pytorch.org/whl/rocm6.2

结果 torchaudio 装上了，import 直接段错误。后来发现是版本没锁对，必须 torch 和 torchaudio 用同一个 ROCm 版本的 wheel。

第五个坑：TTS 和语音克隆，基本是 CPU 硬扛。

用 Coqui TTS 或者 GPT-SoVITS 跑语音合成，你会发现很多底层库（比如 pynini、webrtcvad）根本没有 ROCm 支持，只能跑 CPU。合成一段 10 秒的语音，CPU 要跑十几秒，GPU 完全在围观。

结论：语音克隆这块，AMD 卡目前基本没有舒服的解法，要么接受 CPU 慢速，要么老实上 N 卡。

第六个坑：显存够大但推理没吃满，因为算子不支持。

7900 XTX 有 24G 显存，看着很美。但很多 PyTorch 算子（特别是音频处理里的 FFT 相关、以及一些 attention 变体）在 ROCm 下没有优化实现，会 fallback 到 CPU 或者干脆报错。你会在日志里看到一堆 not implemented for HIP 之类的警告。

最后给个实在的建议：

如果你手头只有 AMD 卡又必须做语音：

系统装 Ubuntu 22.04，别用 24.04（ROCm 支持更晚）
ROCm 装 6.2+，PyTorch 必须走 AMD 专用源
ASR 用官方 whisper 硬跑，别碰 faster-whisper
TTS/克隆做好 CPU 慢速的心理准备
预算允许的话，语音方向真的别省 N 卡的钱——这个领域的生态，AMD 还差得远

这篇写出来是想让后来人少走弯路。AMD 卡跑 LLM 已经能用，但语音模型这条路，目前还是"能跑但不舒服"的状态。

还没有评论，来抢沙发～

评论0