fasr-lid-firered 0.5.8

FireRedLID language identification model for fasr

fasr-lid-firered

英文文档地址: README_EN.md

FireRedLID 语种识别插件。输入 Waveform，返回 "zh"、"en" 等语言标签。

安装

pip install fasr-lid-firered

注册模型

注册名	类	适用场景
firered	FireRedForLID	使用 FireRedLID 做音频语种识别

默认 checkpoint 是 FireRedTeam/FireRedLID。

单独使用

from fasr.config import registry
from fasr.data import Waveform

model = registry.lid_models.get("firered")(
    use_gpu=True,
    use_half=True,
    max_chunk_seconds=60.0,
)

waveform = Waveform.from_file("example.wav")
language = model.identify(waveform)
print(language)

Confection 配置

[lid_model]
@lid_models = "firered"
use_gpu = true
use_half = false
max_chunk_seconds = 60.0

参数

参数	类型 / 范围	默认值	调高 / 开启时	调低 / 关闭时	什么时候改
use_gpu	bool	True	使用 CUDA	使用 CPU	需要 CPU 部署或 GPU 加速
use_half	bool	False	GPU 上使用 FP16，显存更低	使用 FP32，更稳定	显存紧张或 FP16 不稳定
max_chunk_seconds	float > 0	60.0	切块更少，单次内存更高	切块更多，单次内存更低	长音频 OOM 或吞吐调优

调参建议

现象	优先尝试
长音频 GPU OOM	把 max_chunk_seconds 降到 20.0 或 30.0
GPU 显存紧张	设置 use_half=True
CPU-only 部署	设置 use_gpu=False

依赖

• fasr
• torch >= 2.0.0
• numpy >= 1.24
• kaldiio >= 2.18.0
• kaldi-native-fbank >= 1.19.0
• Python 3.10-3.12