timm-speech_rdino_ecapa_tdnn_sv_zh-cn_3dspeaker_16k 在昇腾 NPU 上的部署

1. 简介

• 模型来源: iic/speech_rdino_ecapa_tdnn_sv_zh-cn_3dspeaker_16k
• 架构: ECAPA_TDNN（采用 RDINO 骨干网络）
• 参数量: 22,733,952
• 任务: 中文说话人验证
• 适配状态: 成功
• 适配时间: 2026-05-17

2. 验证环境

3. 精度评测

4. 性能

5. 适配说明

使用 modelscope 内置的 ECAPA_TDNN 架构，从 DINO 训练检查点中提取学生骨干网络权重（去掉 module.backbone. 前缀）。输入为 fbank 特征 (batch, time, freq) = (1, 200, 80)。

6. 推理输出证据

Embedding shape: [1, 512]
Embedding sample: [4.155, -7.604, 6.585, 4.591, 0.016]
SUCCESS

7. CPU 与 NPU 精度对比