Open ryancurry-mz opened 1 month ago
@ryancurry-mz 你好,我这边测试了一下,使用的是项目中原本的代码,测试的音频是1分42秒的,使用GPU推理时间为1.5秒。使用CPU推理时间为7.6秒,推理时间是正常的,应该是你的设备问题。
启动server.py我这边不超过10秒
另外我重复推理请100次,无论是使用GPU还是CPU,内存都没有变化,并没有你说的内存不断增长,你要排除其他代码的影响。
@ryancurry-mz 你是林外修改了代码吧,你检查下是不是你添加哪些代码影响的
@ryancurry-mz 你是林外修改了代码吧,你检查下是不是你添加哪些代码影响的
我在原本server.py的基础上修改了几处地方,添加了说话人识别和逆文本正则化,不确定是否是这里的影响,我再检查下。感谢大佬回复!
# 说话人识别/分割
parser.add_argument("--spk_model_revision", type=str, default="v2.0.4", help="")
parser.add_argument(
"--spk_model",
type=str,
# default="cam++",
default="/soft/FunASR/model/speech_campplus_sv_zh-cn_16k-common/",
help="model from https://github.com/alibaba-damo-academy/FunASR?tab=readme-ov-file#model-zoo",
)
# 文本逆正则化
invnormalizer = InverseNormalizer(cache_dir="/soft/FunASR/model/fst_itn_zh/")
text = invnormalizer.normalize(rec_result["text"])
🐛 Bug
To Reproduce
Steps to reproduce the behavior (always include the command you ran):
麻烦大佬有空时能解答解答,十分感谢。
基于/runtime/python/http/server.py的代码做了简单的修改,具体的代码会在下面贴出。 存在问题:识别多个离线音频后,内存没有释放,最后导致内存被打满。
Code sample
Expected behavior
每次识别完成后,内存应该被释放,而不是一直增长。
Environment
pip
, source): pipAdditional context
我用的是CPU版本,虚拟机配置是4核8G,我通过上面的server.py启动需要20-30分钟,识别1分钟双人对话离线音频需要3分钟,不知道是不是配置太低的原因。