docs

游雁

2023-10-19 b9bcf1f093c3053fdc4e2cf4a1d38e27bbf429fb

docs

 egs_modelscope/asr/TEMPLATE/README_zh.md

@@ -38,7 +38,7 @@
                                batch_size_token=5000, batch_size_token_threshold_s=40, max_single_segment_time=6000)
print(rec_result)
```
Where, 
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.

 funasr/bin/asr_infer.py

@@ -1922,9 +1922,6 @@
    ):

        from funasr.tasks.whisper import ASRTask
        from funasr.utils.whisper_utils.transcribe import transcribe
        from funasr.utils.whisper_utils.audio import pad_or_trim, log_mel_spectrogram
        from funasr.utils.whisper_utils.decoding import DecodingOptions, detect_language, decode

        # 1. Build ASR model
        scorers = {}
@@ -1987,6 +1984,10 @@

        """

        from funasr.utils.whisper_utils.transcribe import transcribe
        from funasr.utils.whisper_utils.audio import pad_or_trim, log_mel_spectrogram
        from funasr.utils.whisper_utils.decoding import DecodingOptions, detect_language, decode

        speech = speech[0]
        speech = pad_or_trim(speech)
        mel = log_mel_spectrogram(speech).to(self.device)