eardoi/pyannote-segmentation-3.0-npu
Model Introduction
Files & versions
Pull Requests
Discussion
Analysis

pyannote segmentation-3.0(昇腾 NPU 适配)

pyannote segmentation-3.0 是说话人分割模型(PyanNet 架构), 检测音频中的说话人活动(speaker activity detection)。

本项目完成其在**华为昇腾 NPU(Ascend 910B)**上的推理适配与验证。 权重通过 GitCode HF 镜像下载(无需 HF 登录,绕开 gated 限制)。

模型规格

项目说明
模型架构PyanNet(pyannote.audio)
输入16kHz 单声道音频 (1, 1, samples)
输出说话人活动概率 (batch, frames, speakers)
权重格式pytorch_model.bin(5.9MB)

权重下载(GitCode 镜像,免 HF 登录)

# gated 模型从 GitCode HF 镜像拉取(原 HF 链接 403)
GIT_LFS_SKIP_SMUDGE=1 git clone https://gitcode.com/hf_mirrors/pyannote/segmentation-3.0.git model_src
cd model_src && git lfs pull
/workspace/tf4venv/bin/pip install pyannote.audio

推理

cd /workspace/pyannote-segmentation
/workspace/tf4venv/bin/python inference.py --model_path ./model_src --device npu:0

参数

参数说明默认值
--model_path权重目录./model_src
--device推理设备(npu:0 / cpu)npu:0
--output结果保存文件(可选,npy)stdout

验证结果(Ascend 910B, npu:0)

输入:1 秒随机音频(16kHz)

[info] model loaded: PyanNet
============================================================
[info] 输出形状: (1, 115, 7) (batch, frames, speakers)
[info] 活动概率范围: min=0.000 max=0.999
============================================================

pyannote segmentation 在 NPU 上完成说话人活动检测(输出 (1,115,7)), NPU 推理链路完整跑通。

适配说明

  • GitCode 镜像下载:模型 gated(HF 403),改用 https://gitcode.com/hf_mirrors/pyannote/segmentation-3.0.git 免登录拉取。
  • 依赖 pyannote.audio(pip install pyannote.audio)。
  • 推理用 pyannote.audio.Model.from_pretrained 加载,.to(npu:0) 迁移。
  • 设备解析 resolve_device():NPU 可用性检测,失败自动回退 CPU。
  • 模型权重不推送到仓库:*.bin 已加入 .gitignore。

目录结构

.
├── README.md          # 模型卡片(本文件)
├── inference.py       # NPU 推理脚本
└── assets/            # 适配过程截图素材

引用

  • 模型:https://huggingface.co/pyannote/segmentation-3.0
  • GitCode 镜像:https://gitcode.com/hf_mirrors/pyannote/segmentation-3.0