OpenAI Whisper base(英文版,约 74M 参数)是端到端语音识别模型,将 16kHz 语音的 log-mel 特征编码后由 Transformer 解码器自回归生成转写文本。
权重来源说明:官方
qualcomm/Whisper-Base-En仓库已被 Qualcomm 废弃 (占位仓无权重,仅 README 指向 AI Hub),本交付使用同源官方权重openai/whisper-base.en(同一 Whisper base English 模型)完成 NPU 验证。
npu:1~/models/openai/whisper-base.enpython3 inference.py
# 可用 MODEL_PATH / NPU_DEV / SEED 环境变量覆盖默认值import torch_npu 并 torch.npu.set_device(npu:1),使显存统计口径对齐实际推理卡
(否则 torch.npu.max_memory_allocated() 默认统计 0 号卡,会误报 0)。attn_implementation="eager" 规避 NPU 上 SDPA 兼容问题。torch.npu.max_memory_allocated())' you'(合成音调序列的确定性输出)。assets/npu_result.json: 模型/权重来源/设备/峰值显存/耗时/转写摘要。assets/*.png: 适配流程、设备调用、推理结果三张终端截图。