游雁
2023-02-06 a8fa75b81f2d5b12cd4dc7eb2bb7d989078bc840
funasr/bin/vad_inference.py
@@ -116,90 +116,6 @@
        return segments
#def inference(
#        batch_size: int,
#        ngpu: int,
#        log_level: Union[int, str],
#        data_path_and_name_and_type,
#        vad_infer_config: Optional[str],
#        vad_model_file: Optional[str],
#        vad_cmvn_file: Optional[str] = None,
#        raw_inputs: Union[np.ndarray, torch.Tensor] = None,
#        key_file: Optional[str] = None,
#        allow_variable_data_keys: bool = False,
#        output_dir: Optional[str] = None,
#        dtype: str = "float32",
#        seed: int = 0,
#        num_workers: int = 1,
#        fs: Union[dict, int] = 16000,
#        **kwargs,
#):
#    assert check_argument_types()
#    if batch_size > 1:
#        raise NotImplementedError("batch decoding is not implemented")
#    if ngpu > 1:
#        raise NotImplementedError("only single GPU decoding is supported")
#
#    logging.basicConfig(
#        level=log_level,
#        format="%(asctime)s (%(module)s:%(lineno)d) %(levelname)s: %(message)s",
#    )
#
#    if ngpu >= 1 and torch.cuda.is_available():
#        device = "cuda"
#    else:
#        device = "cpu"
#
#    # 1. Set random-seed
#    set_all_random_seed(seed)
#
#    # 2. Build speech2vadsegment
#    speech2vadsegment_kwargs = dict(
#        vad_infer_config=vad_infer_config,
#        vad_model_file=vad_model_file,
#        vad_cmvn_file=vad_cmvn_file,
#        device=device,
#        dtype=dtype,
#    )
#    logging.info("speech2vadsegment_kwargs: {}".format(speech2vadsegment_kwargs))
#    speech2vadsegment = Speech2VadSegment(**speech2vadsegment_kwargs)
#    # 3. Build data-iterator
#    loader = VADTask.build_streaming_iterator(
#        data_path_and_name_and_type,
#        dtype=dtype,
#        batch_size=batch_size,
#        key_file=key_file,
#        num_workers=num_workers,
#        preprocess_fn=VADTask.build_preprocess_fn(speech2vadsegment.vad_infer_args, False),
#        collate_fn=VADTask.build_collate_fn(speech2vadsegment.vad_infer_args, False),
#        allow_variable_data_keys=allow_variable_data_keys,
#        inference=True,
#    )
#
#    finish_count = 0
#    file_count = 1
#    # 7 .Start for-loop
#    # FIXME(kamo): The output format should be discussed about
#    if output_dir is not None:
#        writer = DatadirWriter(output_dir)
#    else:
#        writer = None
#
#    vad_results = []
#    for keys, batch in loader:
#        assert isinstance(batch, dict), type(batch)
#        assert all(isinstance(s, str) for s in keys), keys
#        _bs = len(next(iter(batch.values())))
#        assert len(keys) == _bs, f"{len(keys)} != {_bs}"
#        # batch = {k: v[0] for k, v in batch.items() if not k.endswith("_lengths")}
#
#        # do vad segment
#        results = speech2vadsegment(**batch)
#        for i, _ in enumerate(keys):
#            item = {'key': keys[i], 'value': results[i]}
#            vad_results.append(item)
#
#    return vad_results
def inference(