xujiashuai/timm-speech_eres2net_base_sv_zh-cn_3dspeaker_16k
Model Introduction
Files & versions
Pull Requests
Discussion
Analysis

speech_eres2net_base_sv_zh-cn_3dspeaker_16k - Ascend NPU 适配

1. 模型简介

中文说话人验证模型,基于 ERes2Net (Enhanced Res2Net) 架构,3DSpeaker 数据集训练。

  • 原始模型: iic/speech_eres2net_base_sv_zh-cn_3dspeaker_16k
  • 框架: PyTorch
  • 任务: Speaker Verification (Chinese)

2. 昇腾 NPU 适配结果

指标值
Cosine Similarity0.999999
平均延迟11.04 ms
推理精度float16
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 float16

4. 推理输出证据

模型: iic/speech_eres2net_base_sv_zh-cn_3dspeaker_16k
设备: npu:0
精度: float16
------------------------------------------------------------
  fbank features: shape=torch.Size([1, 370, 80])
  embedding: shape=torch.Size([1, 512])
  Cosine Similarity (embedding): 0.999999
✓ 推理完成
  平均延迟: 11.04 ms

5. CPU vs NPU 精度对比

指标CPU (float32)NPU (float16)误差
Cosine Similarity基准0.999999< 0.001%
输出维度[1,512][1,512]一致

6. Agent Skill

本适配由 batch-adapter 自动完成。