test

语帆

2024-02-21 a0ffe57b05679d91e56227ce1109a5d725d93192

 funasr/auto/auto_model.py

@@ -24,7 +24,7 @@
    from funasr.models.campplus.cluster_backend import ClusterBackend
except:
    print("If you want to use the speaker diarization, please `pip install hdbscan`")

import pdb

def prepare_data_iterator(data_in, input_len=None, data_type=None, key=None):
    """
@@ -210,12 +210,14 @@
        kwargs.update(cfg)
        model = self.model if model is None else model
        model.eval()
        pdb.set_trace()

        batch_size = kwargs.get("batch_size", 1)
        # if kwargs.get("device", "cpu") == "cpu":
        #     batch_size = 1
        
        key_list, data_list = prepare_data_iterator(input, input_len=input_len, data_type=kwargs.get("data_type", None), key=key)
        pdb.set_trace()
        
        speed_stats = {}
        asr_result_list = []
@@ -224,20 +226,25 @@
        pbar = tqdm(colour="blue", total=num_samples, dynamic_ncols=True) if not disable_pbar else None
        time_speech_total = 0.0
        time_escape_total = 0.0
        pdb.set_trace()
        for beg_idx in range(0, num_samples, batch_size):
            pdb.set_trace()
            end_idx = min(num_samples, beg_idx + batch_size)
            data_batch = data_list[beg_idx:end_idx]
            key_batch = key_list[beg_idx:end_idx]
            batch = {"data_in": data_batch, "key": key_batch}
            pdb.set_trace()
            if (end_idx - beg_idx) == 1 and kwargs.get("data_type", None) == "fbank": # fbank
                batch["data_in"] = data_batch[0]
                batch["data_lengths"] = input_len
        
            time1 = time.perf_counter()
            with torch.no_grad():
                pdb.set_trace()
                results, meta_data = model.inference(**batch, **kwargs)
            time2 = time.perf_counter()
            
            pdb.set_trace()
            asr_result_list.extend(results)

            # batch_data_time = time_per_frame_s * data_batch_i["speech_lengths"].sum().item()