speech_rdino_ecapa_tdnn_sv_zh-cn_cnceleb_16k - 昇腾 NPU 适配

1. 模型简介

RDINO ECAPA-TDNN 说话人验证模型，通道数为 1024，线性神经元数量为 512，基于 CN-Celeb 数据集训练。

原始模型: iic/speech_rdino_ecapa_tdnn_sv_zh-cn_cnceleb_16k
框架: PyTorch
任务: 说话人验证（CN-Celeb，RDINO）

2. 昇腾 NPU 适配结果

指标	值
余弦相似度	1.000000
平均延迟	7.88 毫秒
推理精度	float32
设备	Ascend 910B4

3. 快速使用

export ASCEND_HOME_PATH=/usr/local/Ascend/cann
export LD_LIBRARY_PATH=/usr/local/Ascend/cann/lib64:$LD_LIBRARY_PATH
python inference.py --device npu:0 --dtype float32

4. 推理输出证据

模型: iic/speech_rdino_ecapa_tdnn_sv_zh-cn_cnceleb_16k
设备: npu:0
精度: float32
------------------------------------------------------------
  input: shape=torch.Size([1, 300, 80])
  output: shape=torch.Size([1, 512])

  Cosine Similarity: 1.000000

✓ 推理完成
  平均延迟: 7.88 ms

5. CPU 与 NPU 精度对比

指标	CPU (float32)	NPU (float32)	误差
余弦相似度	基准	1.000000	0%
输出维度	[1,512]	[1,512]	一致

6. 代理技能

本适配由 batch-adapter 自动完成。

speech_rdino_ecapa_tdnn_sv_zh-cn_cnceleb_16k - 昇腾 NPU 适配

1. 模型简介

RDINO ECAPA-TDNN 说话人验证模型，通道数为 1024，线性神经元数量为 512，基于 CN-Celeb 数据集训练。

原始模型: iic/speech_rdino_ecapa_tdnn_sv_zh-cn_cnceleb_16k
框架: PyTorch
任务: 说话人验证（CN-Celeb，RDINO）

2. 昇腾 NPU 适配结果

指标	值
余弦相似度	1.000000
平均延迟	7.88 毫秒
推理精度	float32
设备	Ascend 910B4

3. 快速使用

export ASCEND_HOME_PATH=/usr/local/Ascend/cann
export LD_LIBRARY_PATH=/usr/local/Ascend/cann/lib64:$LD_LIBRARY_PATH
python inference.py --device npu:0 --dtype float32

4. 推理输出证据

模型: iic/speech_rdino_ecapa_tdnn_sv_zh-cn_cnceleb_16k
设备: npu:0
精度: float32
------------------------------------------------------------
  input: shape=torch.Size([1, 300, 80])
  output: shape=torch.Size([1, 512])

  Cosine Similarity: 1.000000

✓ 推理完成
  平均延迟: 7.88 ms

5. CPU 与 NPU 精度对比

指标	CPU (float32)	NPU (float32)	误差
余弦相似度	基准	1.000000	0%
输出维度	[1,512]	[1,512]	一致

6. 代理技能

本适配由 batch-adapter 自动完成。