J
gcw_9PElOpHK/voice-activity-detection-NPU
Model Introduction
Files & versions
Pull Requests
Discussion
Analysis

pyannote/voice-activity-detection · 昇腾 NPU 语音活动检测

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。

使用

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

实测指标(Ascend910_9362 · CANN 8.5.1 · torch 2.9.0 + torch_npu 2.9.0.post1)

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 / bf16finite=True,检出帧数 1350/1767

详细文档见 readme.md,验证报告见 VALIDATION.md。