UniASR 闽南语语音识别模型 - 昇腾 NPU 适配版

输入音频 (16kHz wav)
    ↓
WavFrontend (Mel Filterbank + LFR)
    ↓
Encoder1 (SAN-M, 35 blocks, chunk=20/60)
    ↓
CIF Predictor → 声学 Embedding
    ↓
Stride Conv (降采样 ×2)
    ↓
Encoder2 (SAN-M, 20 blocks, chunk=45/70)
    ↓
CIF Predictor2 → Token 数量预测
    ↓
SCAMA Decoder2 (Beam Search, size=5)
    ↓
输出文本

# CPU 基准测试
python inference.py --input example/asr_example.wav --device cpu --benchmark_runs 10

# NPU 推理测试
python inference.py --input example/asr_example.wav --device npu --benchmark_runs 10

# 精度对比测试
python accuracy_benchmark.py --input example/asr_example.wav --runs 10

# 安装依赖
pip install modelscope funasr torch_npu soundfile numpy

# 下载模型
modelscope download --model chenyongxian299/speech_UniASR_asr_2pass-minnan-16k-common-vocab3825 --local_dir .

import soundfile as sf
from funasr import AutoModel

# 加载模型
model = AutoModel(model=".", device="npu:0", disable_update=True)

# 加载音频
audio, sr = sf.read("example/asr_example.wav")

# 推理
result = model.generate(input=audio)
print(result[0]["text"])
# 输出: 欢迎大家来体验达摩院推出的语音识别模型

# CPU 推理
python inference.py --input example/asr_example.wav --device cpu

# NPU 推理
python inference.py --input example/asr_example.wav --device npu

# 切换解码模式
python inference.py --input example/asr_example.wav --device npu --decoding_mode fast
python inference.py --input example/asr_example.wav --device npu --decoding_mode offline

@inproceedings{gao2020universal,
  title={Universal ASR: Unifying Streaming and Non-Streaming ASR Using a Single Encoder-Decoder Model},
  author={Gao, Zhifu and Zhang, Shiliang and Lei, Ming and McLoughlin, Ian},
  booktitle={arXiv preprint arXiv:2010.14099},
  year={2020}
}