K2 Transducer Zipformer (Multi-zh-Hans) - 昇腾 NPU 适配

# 基础依赖
pip install modelscope onnx onnxruntime-cann==1.24.4
pip install numpy scipy soundfile librosa

# 验证 NPU 可用
python -c "import onnxruntime; print(onnxruntime.get_available_providers())"
# 应包含: ['CANNExecutionProvider', 'CPUExecutionProvider', ...]

modelscope download --model manyeyes/k2transducer-zipformer-multi-zh-hans-onnx-online-20231212

# NPU 推理（默认，decoder/joiner 在 NPU，encoder 在 CPU）
python inference.py --device npu

# CPU 推理（所有模块在 CPU）
python inference.py --device cpu

# 精度对比（NPU vs CPU 完整测试）
python inference.py --device both --all

# 单文件推理
python inference.py --device npu --audio /path/to/audio.wav

# 自定义模型路径
python inference.py --model-dir /path/to/model --device npu

# 完整评测（精度 + 性能 + 数值精度）
python eval.py --report

# 生成评测报告
python eval.py --report --output eval_results.json --report-output EVALUATION_REPORT.md

├── inference.py          # 主推理脚本（支持 NPU/CPU/混合）
├── eval.py               # 评测脚本（精度/性能/张量对比）
├── README.md             # 本文档
├── EVALUATION_REPORT.md  # 评测报告
├── eval_results.json     # 评测结果（JSON）
├── results.json          # 精度对比结果
├── results_accuracy.json # 精度验证结果
├── results_final.json    # 最终测试结果
├── results_final_verified.json  # 验证后的最终结果
├── results_npu.json      # NPU 测试结果
└── results_stable.json   # 稳定版测试结果

Audio (.wav)
  → Log-Mel Filterbank (80-dim, CPU)
  → Zipformer Encoder (chunk=45, streaming, CPU)
  → Transducer Decoder + Joiner (greedy search, NPU)
  → Chinese Text Output