游雁
2024-01-09 d8b586e02cd14f7eed6b330bd4f110cb1e7f24ad
funasr/bin/inference.py
@@ -20,6 +20,7 @@
from funasr.utils.load_utils import load_audio_text_image_video, extract_fbank
from funasr.utils.vad_utils import slice_padding_audio_samples
from funasr.utils.timestamp_tools import time_stamp_sentence
from funasr.download.file import download_from_url
def prepare_data_iterator(data_in, input_len=None, data_type=None, key=None):
   """
@@ -35,7 +36,8 @@
   filelist = [".scp", ".txt", ".json", ".jsonl"]
   
   chars = string.ascii_letters + string.digits
   if isinstance(data_in, str) and data_in.startswith('http'): # url
      data_in = download_from_url(data_in)
   if isinstance(data_in, str) and os.path.exists(data_in): # wav_path; filelist: wav.scp, file.jsonl;text.txt;
      _, file_extension = os.path.splitext(data_in)
      file_extension = file_extension.lower()
@@ -59,7 +61,7 @@
         data_list = [data_in]
         key_list = [key]
   elif isinstance(data_in, (list, tuple)):
      if data_type is not None and isinstance(data_type, (list, tuple)):
      if data_type is not None and isinstance(data_type, (list, tuple)): # mutiple inputs
         data_list_tmp = []
         for data_in_i, data_type_i in zip(data_in, data_type):
            key_list, data_list_i = prepare_data_iterator(data_in=data_in_i, data_type=data_type_i)
@@ -68,7 +70,7 @@
         for item in zip(*data_list_tmp):
            data_list.append(item)
      else:
         # [audio sample point, fbank]
         # [audio sample point, fbank, text]
         data_list = data_in
         key_list = ["rand_key_" + ''.join(random.choice(chars) for _ in range(13)) for _ in range(len(data_in))]
   else: # raw text; audio sample point, fbank; bytes
@@ -198,13 +200,12 @@
      kwargs = self.kwargs if kwargs is None else kwargs
      kwargs.update(cfg)
      model = self.model if model is None else model
      data_type = kwargs.get("data_type", "sound")
      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=data_type, key=key)
      key_list, data_list = prepare_data_iterator(input, input_len=input_len, data_type=kwargs.get("data_type", None), key=key)
      
      speed_stats = {}
      asr_result_list = []
@@ -268,8 +269,8 @@
      batch_size = int(kwargs.get("batch_size_s", 300))*1000
      batch_size_threshold_ms = int(kwargs.get("batch_size_threshold_s", 60))*1000
      kwargs["batch_size"] = batch_size
      data_type = kwargs.get("data_type", "sound")
      key_list, data_list = prepare_data_iterator(input, input_len=input_len, data_type=data_type)
      key_list, data_list = prepare_data_iterator(input, input_len=input_len, data_type=kwargs.get("data_type", None))
      results_ret_list = []
      time_speech_total_all_samples = 0.0