xujiashuai/timm-speech_campplus_sv_en_voxceleb_16k
Model Introduction
Files & versions
Pull Requests
Discussion
Analysis

speech_campplus_sv_en_voxceleb_16k on Ascend NPU

1. 简介

本文档记录 iic/speech_campplus_sv_en_voxceleb_16k 在昇腾 NPU 上的适配验证结果。

  • 模型来源: iic/speech_campplus_sv_en_voxceleb_16k
  • 参数量: 7,176,224 (~7.2M)
  • 适配状态: SUCCESS
  • 适配时间: 2026-05-17

2. 验证环境

组件版本
torch2.9.0
torch-npu2.9.0.post1
CANN8.5.1
  • NPU: Ascend 910B4
  • 系统: Linux aarch64

3. 推理脚本

python inference.py --model-id iic/speech_campplus_sv_en_voxceleb_16k --device npu:0

4. Smoke 验证

功能验证结果:

指标结果
输出形状[1, 512]
是否有 NaN否
推理状态正常

推理输出示例:

  • Embedding 前5个 (CPU): [-0.1000, -2.7693, -2.0195, 1.6398, 1.4441]
  • Embedding 前5个 (NPU): [-0.0953, -2.7719, -2.0227, 1.6477, 1.4392]

5. 性能参考

指标数值
平均延迟22.09 ms
测试轮数10

6. 精度评测

NPU vs CPU 精度对比

指标数值
Cosine Similarity0.999997
Max Abs Error0.015836
精度误差0.0003%
是否满足要求是(< 1%)

7. 评测材料

材料文件说明
推理脚本inference.py独立可运行的 NPU 推理代码

8. 注意事项

  • CAM++ 为 speaker-verification 任务模型,输入 FBank 特征 (80-dim),输出 512-dim speaker embedding
  • 模型使用 CAM (Channel Attention Module) + Dense TDNN 架构
  • 输入: 80-dim FBank 特征 (模拟 3s 音频, 300 帧)
  • 使用 float32 精度在 NPU 上验证

贡献者: xujiashuai 参赛赛道: 模型适配赛道 提交时间: 2026-05-17