Something wrong with the VAD algorithm

带鱼工作室2024-08-29 21:14

1、错误原因

调用阿里语音识别模型 paraformer-large-zh 进行多线程推理时出现错误内容如下：

bash 复制代码

warning

Something wrong with the VAD algorithm

或

VAD data_to_pop is bigger than cache["stats"].data_buf .size() !!!

error in calling pop data_buf

代码调用使用funasr库加载，如下：

python 复制代码

from funasr import AutoModel

model = AutoModel(model="paraformer-zh", model_revision="v2.0.4",
                  vad_model="fsmn-vad", vad_model_revision="v2.0.4",
                  punc_model="ct-punc-c", punc_model_revision="v2.0.4"
                  )
res = model.generate(input=f"{model.model_path}/example/asr_example.wav", 
            batch_size_s=300, 
            hotword='魔搭')
print(res)

上述代码使用了语音识别model="paraformer-zh"、端点检测vad_model="fsmn-vad"、标点符号模型punc_model="ct-punc-c"，其中，vad和punc是协同使用的，而业务中多线程并发推理时出现了错误：Something wrong with the VAD algorithm，主要是vad算法的错误，最后通过多线程模拟发现语音识别过程中，vad模型无法并发调用。

2、业界方法

实际上提出该问题的博文较多，如funasr官方github 的issue中均有提及，但没有官方回复，有一位老哥提出了队列方法的解法。各位可以看看，后面我提出我的解法及启发解法

3、解法

其实本质就是解决语音识别中三个模型不能并发调用的问题，在多线程环境里，我们可以使用线程锁来解决，只需要添加几行代码，就能解决该错误，下面我来举个例子如何添加，首先需要明确一点，多线程访问共享资源时，需要加锁，比如语音识别模型，读写统一文件等等，而我们加锁只需要加在实际语音模型的调用函数中，模型初始化、传参过程不需要加锁，比如你在deal.py文件中使用了语音识别模型asr_model

python 复制代码

# deal.py

def deal(audio_name):
    result = asr_model.generate(input=audio_name,
                                batch_size_s=300,
                                hotword=[])
    result 处理

加锁方式如下：

python 复制代码

# deal.py

import threading
lock = threading.Lock()

def deal(audio_name):
    with lock:
        result = asr_model.generate(input=audio_name,
                                    batch_size_s=300,
                                    hotword=[])
    result 继续处理

如上方式即可实现多线程并发调用语音识别模型，实现方法简单，可快速实现，在调用代码中添加锁即可。

上述思想也可以理解为队列方式，只不过这个队列我是通过线程锁来实现的，亲测有效，如有问题评论区交流。