昇腾 NPU 适配部署的 语音活动检测(VAD) 模型。底层为 PyanNet powerset 说话人分割
(SincNet → 4 层双向 LSTM → 线性 → 分类头,~1.47M 参数),配合
onset/offset/min_duration_on/min_duration_off 阈值实现 VAD。
推理引擎:torch_npu(Ascend910),零代码补丁。
python3 inference.py --device npu:0 # NPU 冒烟 + 语义演示
python3 inference.py --device npu:0 --validate # 完整验证 (VAD F1 + CPU/NPU 余弦)
python3 inference.py --device npu:0 --dtype float16 # 低精度推理| 指标 | 实测 |
|---|---|
| 参数量 | 1.47M |
| 输出 | (1, 589, 7) / 10s,finite=True |
| VAD vs RTTM(30s 双说话人会议) | F1=0.990 / accuracy=0.985 |
| CPU(fp32) vs NPU 余弦 | 0.999999 |
| fp16 / bf16 | finite=True,检出帧数 1350/1767 |
详细文档见 readme.md,验证报告见 VALIDATION.md。