| | |
|---|
| | | task=Tasks.auto_speech_recognition, |
|---|
| | | model='damo/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-pytorch', |
|---|
| | | vad_model='damo/speech_fsmn_vad_zh-cn-16k-common-pytorch', |
|---|
| | | #punc_model='damo/punc_ct-transformer_zh-cn-common-vocab272727-pytorch', |
|---|
| | | punc_model='damo/punc_ct-transformer_cn-en-common-vocab471067-large', |
|---|
| | | ) |
|---|
| | | |
|---|
| | | rec_result = inference_pipeline(audio_in='https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ASR/test_audio/vad_example.wav', |
|---|
| | | batch_size_token=5000, batch_size_token_threshold_s=40, max_single_segment_time=6000) |
|---|
| | | rec_result = inference_pipeline(audio_in='./vad_example.wav') |
|---|
| | | print(rec_result) |
|---|
| | | ``` |
|---|
| | | 其中： |
|---|
| | | - `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; |
|---|
| | | - c)推理快结束阶段，遇到VAD切割的长音频片段，总token数小于`batch_size_token`，且超过阈值`batch_size_token_threshold_s`，强制batch为1，仍然出现OOM，可以适当减小`max_single_segment_time`，使得VAD切割音频时长变短。 |
|---|
| | | |
|---|
| | | #### [Paraformer-实时模型](https://www.modelscope.cn/models/damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-online/summary) |
|---|
| | | ##### 实时推理 |
|---|
| | |
|---|
| | | ``` |
|---|
| | | 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 |
|---|
