2301_76761127/voice-activity-detection-npu
模型介绍
文件和版本
Pull Requests
讨论
分析

pyannote voice-activity-detection · Ascend NPU

主仓 pyannote/voice-activity-detection 固定 revision 8d678d7647d9c991934b2270b21fe390f9a8fea5，官方镜像 https://ai.gitcode.com/hf_mirrors/pyannote/voice-activity-detection。该仓为管线配置仓，实际 分割 AUX 为 pyannote/segmentation@Interspeech2021。本次复验采用 ModelScope 同源镜像 pyannote/segmentation@master，解析文件 revision f7fbfe14cd6f711f43a4da44b7ee19dd6c50d625。AUX 的 pytorch_model.bin 大小为 17,719,103 bytes，SHA-256 为 0b5b3216d60a2d32fc086b47ea8c67589aaeb26b7e07fcbe620d6d0b83e209ea； config.yaml 的 SHA-256 为 fa2a0f893ca5c6f91bfc88b0cdb99b3097f97915178ec66ee3802912e9fd28ff。

独立复现准备

Hosted 平台为 Ascend 910、CANN 8.5.1、Python 3.11.14、PyTorch 2.9.0 以及 torch_npu==2.9.0.post1。保持平台兼容组不变，仅安装单份 requirements 的锁版模型层依赖包。

git clone https://gitcode.com/2301_78565107/voice-activity-detection.git repo
git clone https://gitcode.com/hf_mirrors/pyannote/voice-activity-detection.git model
git -C model checkout 8d678d7647d9c991934b2270b21fe390f9a8fea5
git clone https://www.modelscope.cn/models/pyannote/segmentation.git model/aux/pyannote-segmentation-modelscope-interspeech2021
git -C model/aux/pyannote-segmentation-modelscope-interspeech2021 checkout f7fbfe14cd6f711f43a4da44b7ee19dd6c50d625
git -C model/aux/pyannote-segmentation-modelscope-interspeech2021 lfs pull
cd repo
python3 -m pip install --no-deps --target ../pydeps -r requirements.txt

repo/、model/、pydeps/ 为相互独立的同级目录。主 revision、AUX revision 及 SHA 用于供应链说明， 运行时不再重复校验 identity、revision、SHA、manifest 或固定参数量。

唯一验收入口

source /usr/local/Ascend/cann-8.5.1/set_env.sh
export PYTHONNOUSERSITE=1
export PYTHONPATH="$(pwd)/../pydeps${PYTHONPATH:+:$PYTHONPATH}"
EVIDENCE_HOLD_SECONDS=600 python3 inference.py --model_path ../model \
  --segmentation_path ../model/aux/pyannote-segmentation-modelscope-interspeech2021 \
  --device npu:0 --seed 20260816 --output_json audit/hosted-npu/main-reverify-600.json

入口仅接受真实 NPU，无 CPU/CUDA 回退或桥接。8 个确定性 16kHz 输入，输出 101-bin VAD 网格，共 808 个值；requested/model/input/output 必须为 npu:0，原始 logits 有限、网格仅含 0/1、样本完整且退出码为 0。hold 位于 run() 内并保持同一 PID，模型/输入/探针输出均驻留 NPU。

六张 Hosted 图片由浏览器截图流水线另行加入，本次代码准备不生成或修改图片。

本仓为 2301_76761127 队伍交付件（与备份账号合并提交）。