whisper-bemba-stt 在 Ascend NPU 上

本仓库为 AbelZimba/whisper-bemba-stt 提供了一个仅基于 NPU 的最小推理入口点。它会加载固定版本 684798370177f4332db4bc4895ff15d896e17603，并在 Ascend NPU 上执行完整的 Whisper 编码器-解码器前向路径。

上游模型快照不会在此处重新分发。以下公开的 AI GitCode 镜像和固定版本是完整的模型恢复来源。

git clone https://gitcode.com/2301_78565107/whisper-bemba-stt.git repo
git clone --no-checkout https://ai.gitcode.com/hf_mirrors/AbelZimba/whisper-bemba-stt.git model
git -C model checkout 684798370177f4332db4bc4895ff15d896e17603
git -C model lfs pull
python3 -m pip install --target ./repo/pydeps -r ./repo/requirements.txt
cd repo
source /usr/local/Ascend/ascend-toolkit/set_env.sh
export TORCH_DEVICE_BACKEND_AUTOLOAD=0
PYTHONPATH="$PWD/pydeps" python3 inference.py \
  --model-dir ../model --device npu:0 \
  --samples 8 --output result.json

官方托管重跑在 CANN 8.5.1、平台 PyTorch 2.9.0 与 torch_npu 2.9.0 环境下通过。requirements.txt 会重建模型层 Python 依赖，而不会替换该 PyTorch 与 torch_npu 平台组合。无需私有 AUX 或隐藏模块。

该脚本拒绝非 NPU 设备，并记录完整的设备链路、输入/输出形状与数量、有限值与非有限值数量、耗时以及退出状态。不存在 CPU/CUDA 推理桥接或回退机制。

官方托管证据

两个 DS-V4-Flash 工作流视图是相互独立的纯规划对话：一个整体 Ascend NPU 迁移设计，以及一个单独的依赖、算子、全 NPU 验证与排障计划。它们不会执行工具或修改仓库文件。

DS-V4-Flash 整体 Ascend NPU 迁移计划 DS-V4-Flash 依赖、算子、验证与排障计划

首次 NPU 设备调用第二次 NPU 设备调用模型结果摘要模型结果详情