本仓对应 pyannote/voice-activity-detection,并使用其配置引用的官方 pyannote/segmentation-3.0 PyanNet checkpoint 完成真实 Ascend910 NPU 推理。该 VAD 模型仓本身提供 pipeline 配置,实际可执行权重来自 pyannote/segmentation-3.0@e66f3d3b9eb0873085418a7b813d3b369bf160bb。
pyannote.audio.Model 加载 checkpoint,跳过训练期配置注入,保留 checkpoint 内置 specifications。float32 [1,1,32000],严格加载 pytorch_model.bin。| 指标 | CPU | NPU (Ascend910 npu:0) |
|---|---|---|
| 模型加载 | 0.1076 s | 0.0216 s |
| 单次推理 | 0.0999 s | 3.4426 s |
| 输出 shape | [1,115,7] | [1,115,7] |
| 输出 dtype | float32 | float32 |
CPU/NPU 对拍结果:余弦相似度 0.9999999866,最大绝对误差 0.001817465,平均绝对误差 0.000478307,precision_pass=true。NPU 设备探测确认 torch.npu.is_available()=true,模型和输入均运行在 npu:0。



模型目录需包含 pytorch_model.bin。在已加载 CANN 环境的 Ascend 容器内执行:
python3 inference.py --model-path /opt/atomgit/models/pyannote-seg --device cpu --out-dir outputs/cpu
python3 inference.py --model-path /opt/atomgit/models/pyannote-seg --device npu --out-dir outputs/npu依赖:torch、numpy、pyannote.audio。pyannote/voice-activity-detection 页面为 gated 模型,访问授权只用于下载其公开配置及依赖的官方 segmentation 权重。