sensevoice.axera

FunASR SenseVoice on Axera, official repo: https://github.com/FunAudioLLM/SenseVoice

TODO

• 支持AX630C
• 支持C++
• 支持FastAPI

功能

• 语音识别
• 自动识别语言(支持中文、英文、粤语、日语、韩语)
• 情感识别
• 自动标点

支持平台

• AX650N
• AX630C

环境安装

推荐在板上安装Miniconda管理虚拟环境，安装方法如下:

mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm ~/miniconda3/miniconda.sh

source ~/miniconda3/bin/activate

conda init --all

sudo apt-get install libsndfile-dev

conda create -n sensevoice python=3.12
conda activate sensevoice
pip install -r requirements.txt

如果空间不足可以使用 --prefix 指定别的安装路径

安装pyaxenigne

参考 https://github.com/AXERA-TECH/pyaxengine 安装 NPU Python API

在0.1.3rc2上测试通过，可通过

pip install https://github.com/AXERA-TECH/pyaxengine/releases/download/0.1.3.rc2/axengine-0.1.3-py3-none-any.whl

安装，或把版本号更改为你想使用的版本

使用

# 首次运行会自动从huggingface上下载模型, 保存到models中
python3 main.py -i 输入音频文件

运行参数说明:

参数名称	说明	默认值
--input/-i	输入音频文件
--language/-l	识别语言，支持auto, zh, en, yue, ja, ko	auto
--streaming	流式识别

示例:

example下有测试音频

如 中文测试

python main.py -i example/zh.mp3

输出

RTF: 0.04386647134764582    Latency: 0.2463541030883789s  Total length: 5.616s
ASR result: 开饭时间早上九点至下午五点

准确率

使用WER(Word-Error-Rate)作为评价标准

WER = 2.0%

复现测试结果

./download_datasets.sh
python test_wer.py -d aishell -g datasets/ground_truth.txt --language zh

模型转换

参考model_convert

技术讨论

• Github issues
• QQ 群: 139953715