Something wrong with the VAD algorithm

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。

相关推荐
逢生博客19 小时前
阿里 FunASR 开源中文语音识别大模型应用示例(准确率比faster-whisper高)
人工智能·python·语音识别·funasr
gs801401 天前
Faster-Whisper —— 为语音识别加速的利器
人工智能·whisper·语音识别
秋叶先生_2 天前
HarmonyOS NEXT——【鸿蒙实现录音识别(语音转文字)】
华为·语音识别·harmonyos·鸿蒙
你好,工程师3 天前
自动语音识别(ASR)技术详解
人工智能·语音识别
小白天下第一4 天前
jdk21使用Vosk实现语音文字转换,免费的语音识别
java·人工智能·语音识别
正经教主4 天前
【AI语音】edge-tts实现文本转语音,免费且音质不错
ide·人工智能·语音识别
前端娱乐圈4 天前
小程序语音识别功能 wx.createInnerAudioContext
人工智能·小程序·语音识别
呵呵,不解释8685 天前
机器翻译和文本生成评估指标:BLEU 计算公式
人工智能·自然语言处理·语音识别
小万是个程序员5 天前
Java实现 自主学习一套身份证识别(识别营业执照信息和语音识别接口)
java·学习·语音识别
玩电脑的辣条哥6 天前
AI-Sphere-Butler之Ubuntu服务器如何部署FunASR服务
服务器·人工智能·ubuntu·asr·funasr