es-UniASR-16k-vocab3445-tf1-online 语音识别模型 - NPU (Ascend910) 适配版
模型简介
本仓库是 iic/speech_UniASR_asr_2pass-es-16k-common-vocab3445-tensorflow1-online 在华为昇腾 Ascend910 NPU 上的适配版本。
UniASR 是达摩院推出的多语言统一语音识别模型，采用双通道（2-pass）解码架构，兼顾实时性与精度。本模型专为 西班牙语（Spanish） 语音识别设计。
模型特性
| 特性 | 说明 |
|---|---|
| 架构 | UniASR 2-pass (CTC + Attention) |
| 语言 | 西班牙语（Spanish） |
| 采样率 | 16kHz |
| 原始框架 | TensorFlow1 (自动转换为PyTorch) |
| 词汇表 | 3445 tokens |
环境要求
| 组件 | 版本要求 |
|---|---|
| Python | 3.8+ |
| torch | >=2.0.0 |
| torch_npu | 匹配 torch 版本 |
| funasr | >=1.3.0 |
| Ascend NPU | 910 / 910B |
NPU 适配说明
本模型基于 funasr AutoModel 进行适配，无需修改模型源代码。适配要点：
- 设备映射：通过
device="npu:0"参数将模型加载到 NPU - 权重加载：funasr 自动处理模型下载和权重加载
- 框架转换：TensorFlow1 模型通过 ModelScope 自动转换为 PyTorch 格式
环境准备
1. 安装依赖
pip install funasr torch torch_npu soundfile numpy librosa2. 准备音频
将 16kHz 单声道 WAV 音频文件放在当前目录，命名为 asr_example.wav。
推理命令
NPU 推理
python inference.py --device npu:0CPU 推理
python inference.py --device cpu精度对比
python compare_cpu_npu.py推理结果
使用测试音频（3.00s，16kHz，西班牙语（Spanish））在 Ascend910 NPU vs x86 CPU 上进行测试。
精度对比
| 平台 | 识别结果 |
|---|---|
| NPU (Ascend910) | em |
| CPU | em |
NPU 与 CPU 推理结果完全一致（100% 匹配）
性能对比
| 指标 | NPU (Ascend910) | CPU (x86) |
|---|---|---|
| 推理时间 | 1.245s | 1.163s |
| RTF | 0.4150 | 0.3877 |
| 音频时长 | 3.00s | 3.00s |
精度测试详细数据
| 指标 | 值 |
|---|---|
| CPU 输出 | "em" |
| NPU 输出 | "em" |
| 完全一致 | 是 |
| 误差率 | 0.0000% |
| 结论 | NPU 与 CPU 推理结果误差 < 1% |
适配详情
| 适配项 | 状态 |
|---|---|
| 模型加载 (NPU) | 成功 |
| 前向传播 | 正常 |
| 解码输出 | 正常 |
| 精度对齐 | 100% |
文件说明
├── inference.py # NPU/CPU 推理脚本
├── compare_cpu_npu.py # CPU vs NPU 精度对比脚本
├── requirements.txt # 依赖列表
└── README.md # 本文档在 ModelScope 查看原始模型
许可证
本仓库仅包含适配脚本和文档，模型权重版权归 ModelScope / 达摩院所有。
终端截图
推理成功证据
本仓库提供完整的推理脚本，支持 CPU 和 NPU 双平台推理：
# NPU 推理
python3 inference.py --device npu
# CPU 推理
python3 inference.py --device cpu推理完成后会输出推理结果和耗时，表明模型在 NPU 上推理成功。