g
gcw_StsIRaj1/w2v-xls-r-uk-npu
Model Introduction
Files & versions
Pull Requests
Discussion
Analysis

Yehor/w2v-xls-r-uk 昇腾 NPU 适配

  • 官方模型池:Phase 4 / Row 22
  • 参赛微信名称:风云游子
  • 参赛 AtomGit ID:@gcw_StsIRaj1
  • 模型来源:https://huggingface.co/Yehor/w2v-xls-r-uk
  • 官方可达镜像:https://ai.gitcode.com/hf_mirrors/Yehor/w2v-xls-r-uk
  • 上游许可证:Apache-2.0
  • 推理引擎:official Transformers Wav2Vec2ForCTC + torch_npu
  • 验证硬件:Ascend910 / CANN / torch_npu / npu:0

作品结论

本作品在大赛官方远端 Ascend Model Agent 的 Ascend910 上加载真实 checkpoint,并完成乌克兰语语音识别 CTC 前向。CPU fallback 被禁止;模型、输入与输出设备信息、权重加载审计、输出统计和耗时均固化在 evidence/result.json。

固定官方 e3ced4def0d70be3aab0f2db598a59961fe9ab3b 修订与 1,261,971,432 字节 safetensors;对确定性 16kHz 波形执行完整 Wav2Vec2 XLS-R 编码器与 CTC 头前向,严格加载差异为 0,参数、输入和 logits 全程位于 npu:0。

适配边界

  1. 保留上游模型结构、参数与任务语义,只增加 NPU 设备迁移和证据采集。
  2. 使用确定性合成输入执行最小可复现实验,避免外部数据集影响复核。
  3. 加载失败、张量落回 CPU、输出非有限或形状不符时立即失败。
  4. 本作品验证官方权重的昇腾 NPU 完整前向,不把烟测统计解释为业务精度。

应用价值与决策边界

  • 目标场景:乌克兰语语音转写模型迁移、离线 ASR 验证与昇腾部署前复核
  • 输入语义:1 秒确定性 16kHz 单声道波形
  • 输出语义:完整时间步 CTC 词表 logits
  • 证据边界:仅证明固定官方 checkpoint 在 Ascend NPU 上完成完整前向;不声称合成波形具有真实业务 WER 或生产质量

运行步骤

python3 -m pip install -r requirements.txt
python3 inference.py --model-id Yehor/w2v-xls-r-uk --model-dir /tmp/atomgit/prep_phase4/yehor_w2v_xls_r_uk/row22-yehor-w2v-xls-r-uk --weight-path model.safetensors --expected-revision e3ced4def0d70be3aab0f2db598a59961fe9ab3b --expected-weight-bytes 1261971432 --expected-weight-sha256 e8d3ea3825853c6016539d474878fc281cf0bbb2fa9209f34f403b91e2eb0fe9 --out outputs/result.json
npu-smi info
cat outputs/result.json

实测证据

  • 模型状态设备:npu:0
  • 输出形状:[1,49,40]
  • 参数量:315,479,720
  • 状态项:424
  • 推理耗时:226.067 ms
  • 权重加载:0 缺失、0 意外、0 形状不匹配
  • checkpoint SHA-256:e8d3ea3825853c6016539d474878fc281cf0bbb2fa9209f34f403b91e2eb0fe9

Agent适配截图

Agent 适配流程 NPU 设备调用 模型适配结果