我下载的是最新版kdenlive25.08.3的appimage版，要折腾就要下载新版本。下面分享一下我折腾的思路。

音频提取字幕，显卡加速主要对针的是n卡，而a卡就要自己稍微折腾一下。其实不懂代码也没有关系，我对代码也一点不懂。借助AI就可以，我就是用豆包搞定的。

1：系统中先要安装好rocm环境以及相对就的pytorch环境

rocm以及pytorch环境配对思路，参考这个帖子https://bbs.deepin.org/post/260772?_gl=18wm4rs_gaMTQxMDA0MDM4MS4xNzYxNzkyMjcy_ga_QHZ7DPPD2D*czE3NjI5MjU0MjIkbzc4JGcxJHQxNzYyOTI2NTY2JGo2MCRsMCRoMA..

2：配置kdenlive的whisper环境

Kdenlive 自带 Python 虚拟环境，需在该环境中安装依赖：

先激活虚拟环境

source /home/deepin/.local/share/kdenlive/venv/bin/activate   #deepin换成你的用户名

pip3 install openai-whisper srt  #安装依赖

deactivate #退出虚拟环境

安装官方 SAM2（适配 AMD ROCm）

官方 SAM2 不支持 pip install sam2 直接安装，需通过源码克隆 + 依赖安装，步骤如下：

cd ~ # 先回到用户目录（避免权限问题）

git clone https://github.com/facebookresearch/sam2.git && cd sam2  # 克隆SAM2官方仓库

安装依赖（适配 AMD ROCm）
官方依赖默认适配 PyTorch CPU/GPU，你的环境已装 ROCm 版 PyTorch，直接安装其余依赖即可：

# 安装核心依赖（国内源加速，避免超时）
pip install -e . -i https://mirrors.aliyun.com/pypi/simple/
# 额外安装AMD ROCm适配所需的依赖（确保GPU调用正常）下面的rocm6.4是我系统中安装的rocm环境是rocm6.4.4
pip install torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm6.4 -i https://mirrors.aliyun.com/pypi/simple/

下载官方模型（sam2.1-hiera-base-plus）

官方模型需手动下载到指定目录，Kdenlive 才能识别，步骤如下：

创建模型存储目录

# 在SAM2仓库目录下创建checkpoints文件夹（官方默认路径）
mkdir -p checkpoints
# 也可创建Kdenlive能识别的全局目录（推荐，避免后续找不到模型）
mkdir -p ~/.cache/sam2/checkpoints

下载目标模型（二选一，推荐第二种全局路径）

方式 1：下载到 SAM2 仓库的 checkpoints 目录

cd checkpoints
# 下载 sam2.1_hiera_base_plus.pt 模型（官方直链，Deepin可直接访问）
wget https://dl.fbaipublicfiles.com/segment_anything_2/092824/sam2.1_hiera_base_plus.pt
# 回到SAM2仓库根目录
cd ..

下载到全局缓存目录（Kdenlive 优先识别）

# 直接下载到全局目录，无需后续配置路径
wget https://dl.fbaipublicfiles.com/segment_anything_2/092824/sam2.1_hiera_base_plus.pt -P ~/.cache/sam2/checkpoints/

验证模型下载成功

# 查看模型文件是否存在（全局路径示例）
ls ~/.cache/sam2/checkpoints/sam2.1_hiera_base_plus.pt

若输出文件路径，说明下载成功。

第四步：配置 Kdenlive 识别 SAM2 模型（关键）

Kdenlive 需要知道模型路径才能调用，需手动设置环境变量，步骤如下：

临时配置（当前终端生效）

# 告诉Kdenlive SAM2模型的路径（全局路径示例）
export SAM2_CHECKPOINT_PATH=~/.cache/sam2/checkpoints/sam2.1_hiera_base_plus.pt
# 告诉SAM2使用AMD GPU（ROCm）
export PYTHONPATH=~/sam2:$PYTHONPATH  # 替换为你的SAM2仓库实际路径

永久配置（每次启动 Kdenlive 自动生效）

为了避免每次启动都要输命令，把环境变量添加到 Kdenlive 的虚拟环境激活脚本中：

# 编辑虚拟环境激活脚本
nano /home/deepin/.local/share/kdenlive/venv/bin/activate

在文件末尾添加以下内容（粘贴后按 Ctrl+O 保存，Ctrl+X 退出）：

# SAM2 + AMD ROCm 配置
export SAM2_CHECKPOINT_PATH=~/.cache/sam2/checkpoints/sam2.1_hiera_base_plus.pt
export PYTHONPATH=~/sam2:$PYTHONPATH  # 替换为你的SAM2仓库实际路径（比如~/segment-anything-2）
export HSA_OVERRIDE_GFX_VERSION=10.3.0  # 复用之前的ROCm适配变量

验证安装成功

# 激活虚拟环境（若已激活可跳过）
source /home/deepin/.local/share/kdenlive/venv/bin/activate
# 运行Python测试是否能导入SAM2且识别GPU
python -c "
import torch
from sam2.build_sam import build_sam2
# 检查AMD GPU是否可用
print('AMD GPU可用：', torch.cuda.is_available())
print('GPU名称：', torch.cuda.get_device_name(0) if torch.cuda.is_available() else '未识别')
# 尝试加载模型（若不报错则成功）
sam2 = build_sam2(model_config='sam2.1_hiera_base_plus', checkpoint_path=os.environ.get('SAM2_CHECKPOINT_PATH'))
print('模型加载成功！')
"

若输出 AMD GPU可用：True 和 模型加载成功！，说明配置完成。

注：😄 上面命令中/home/deepin（用户名**）**

3：接下来就是要修改kdenlive中的whispertotext.py这个文件，这有修改这个whispertotext.py文件才能使用amdgpu加速

先来说一下怎么找这个文件，如果你在kdenlive官方下载的appimage的版本。

先要对appimage版本进行解压（不会的你直接问一下豆包或别的AI）

~/kdenlive/usr/share/kdenlive/scripts/whisper/whispertotext.py

最好用Visual Studio Code，没安装的应用商店安装一下

打开后，把里面的代码发给豆包，叫他帮你修改好。

代码粘贴到豆包的文本框后，用按住shift+空格键，然后把你的显卡型号以及系统中配置的rocm环境情况告诉他，他就会帮你修改，你替换一下原代码，然后保存。

当然豆包还告诉你检测是否成功的方法。

上面只是思路分享，因为每个人的电脑配置不一样。遇到的问题也会有差别。