facebook/wav2vec2-base-960h 在昇腾 NPU 上的应用 - 语音识别（Automatic Speech Recognition）

1. 简介

本项目将 facebook/wav2vec2-base-960h 语音识别（Automatic Speech Recognition）模型适配到华为昇腾 NPU（Ascend910B4-1）上运行。

• 原始模型：facebook/wav2vec2-base-960h
• 模型类型：语音识别（Automatic Speech Recognition）
• 适配方式：通过 ModelScope 的 snapshot_download 下载权重，使用 HuggingFace pipeline 进行推理
• 运行设备：单卡 Ascend NPU

2. 验证环境

• NPU: Ascend910B4-1
• torch: 2.7.1+cpu
• torch_npu: 2.7.1.post4
• transformers: from transformers import version

安装依赖：

pip install -r requirements.txt

3. 推理运行

python inference.py

推理输出：

Input: assets/test_audio.wav (7.36s)
Output: the quick brown fux jumps over the lazy dog this is te test of automatic speech recognition
Status: SUCCESS

4. 精度验证

python eval_accuracy.py

CPU 与 NPU 转录一致性验证：

CPU 与 NPU 转录一致性验证通过。

5. 性能参考

python benchmark.py