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)。
| 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) |
# 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.audiocd /workspace/pyannote-segmentation
/workspace/tf4venv/bin/python inference.py --model_path ./model_src --device npu:0| 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 |
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。
https://gitcode.com/hf_mirrors/pyannote/segmentation-3.0.git 免登录拉取。pip install pyannote.audio)。pyannote.audio.Model.from_pretrained 加载,.to(npu:0) 迁移。resolve_device():NPU 可用性检测,失败自动回退 CPU。*.bin 已加入 .gitignore。.
├── 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