| | |
|---|
| | | - `batch_size_token` 表示采用动态batch，batch中总token数为 `batch_size_token`，1 token = 60 ms. |
|---|
| | | - `batch_size_token_threshold_s`: 表示音频时长超过 `batch_size_token_threshold_s`阈值是，batch数设置为1, 单位为s. |
|---|
| | | - `max_single_segment_time`: 表示VAD最大切割音频时长, 单位是ms. |
|---|
| | | |
|---|
| | | 建议：当您输入为长音频，遇到OOM问题时，因为显存占用与音频时长呈平方关系增加，分为3种情况： |
|---|
| | | - a)推理起始阶段，显存主要取决于`batch_size_token`，适当减小该值，可以减少显存占用； |
|---|
| | | - b)推理中间阶段，遇到VAD切割的长音频片段，总token数小于`batch_size_token`，仍然出现OOM，可以适当减小`batch_size_token_threshold_s`，超过阈值，强制batch为1; |
|---|
| | |
|---|
| | | ``` |
|---|
| | | 演示代码完整版本，请参考[demo](https://github.com/alibaba-damo-academy/FunASR/discussions/241) |
|---|
| | | |
|---|
| | | #### [Paraformer-contextual Model](https://www.modelscope.cn/models/damo/speech_paraformer-large-contextual_asr_nat-zh-cn-16k-common-vocab8404/summary) |
|---|
| | | #### [Paraformer-contextual 热词模型](https://www.modelscope.cn/models/damo/speech_paraformer-large-contextual_asr_nat-zh-cn-16k-common-vocab8404/summary) |
|---|
| | | ```python |
|---|
| | | from modelscope.pipelines import pipeline |
|---|
| | | from modelscope.utils.constant import Tasks |
|---|
