雾聪
2023-11-30 9fa2b2128d3935b2edff2a2a3f1b8fd430a7e272
funasr/utils/speaker_utils.py
@@ -12,7 +12,7 @@
from typing import Any, Dict, List, Union
import numpy as np
import soundfile as sf
import librosa as sf
import torch
import torchaudio
import logging
@@ -35,7 +35,8 @@
            assert seg[0] >= audio[
                i - 1][1], 'modelscope error: Wrong time stamps.'
        audio_dur += seg[1] - seg[0]
    assert audio_dur > 5, 'modelscope error: The effective audio duration is too short.'
    return audio_dur
    # assert audio_dur > 5, 'modelscope error: The effective audio duration is too short.'
def sv_preprocess(inputs: Union[np.ndarray, list]):
@@ -43,7 +44,7 @@
        for i in range(len(inputs)):
            if isinstance(inputs[i], str):
                file_bytes = File.read(inputs[i])
                data, fs = sf.read(io.BytesIO(file_bytes), dtype='float32')
                data, fs = sf.load(io.BytesIO(file_bytes), dtype='float32')
                if len(data.shape) == 2:
                    data = data[:, 0]
                data = torch.from_numpy(data).unsqueeze(0)