К содержимому
Аудио

zipformer2-66m-streaming-en-qnn-sm8750

потоковое распознавание английской речи на NPU Snapdragon 8 Elite

2 мин чтенияобновлено

Эта сборка переносит известную модель потокового распознавания речи Zipformer2 (66M) от Zengwei Yao и команды k2-fsa на нейропроцессор (NPU Hexagon v79) мобильного чипа Qualcomm Snapdragon 8 Elite (SM8750). На выходе модель в реальном времени превращает аудиопоток в английский текст заглавными буквами без знаков препинания. Автор репозитория взял оригинальный чекпоинт из фреймворка icefall, экспортировал его в ONNX без int8-квантования и скомпилировал в бинарные контексты QNN для запуска через движок sherpa-onnx. Релиз пригодится мобильным разработчикам, которым нужен быстрый офлайн-ASR на флагманских Android-смартфонах без нагрузки на CPU и GPU.

Ключевые особенности

  • Аппаратное ускорение на SM8750: скомпилировано специально под NPU Hexagon v79 (Qualcomm AI Runtime 2.40.0.251030) с 16-битными активациями и 32-битными смещениями.
  • Потоковая работа: размер чанка составляет 64 фрейма (1,28 секунды аудио) с левым контекстом 256 фреймов для распознавания на лету.
  • Полный комплект бинарников: в репозитории лежат готовые encoder.bin (~154,6 МБ), decoder.bin (~1,16 МБ), joiner.bin (~582 КБ) и словарь tokens.txt.
  • Точность оригинала: экспортированные графы на тестовых записях LibriSpeech выдают тот же текст, что и int8-модель sherpa-onnx.

Что можно сделать

  • Встроить офлайн-диктовку в Android-приложение: подключить модель через sherpa-onnx на устройствах со Snapdragon 8 Elite (например, Galaxy S25) и перенести распознавание на NPU.
  • Собрать голосового ассистента или субтитры в реальном времени: обрабатывать потоковое аудио 16 кГц чанками по 1,28 секунды с минимальной задержкой.

Пример

export ADSP_LIBRARY_PATH=$PWD
./sherpa-onnx --provider=qnn --tokens=tokens.txt \
  --transducer.qnn-backend-lib=libQnnHtp.so --transducer.qnn-system-lib=libQnnSystem.so \
  --transducer.qnn-context-binary=encoder.bin,decoder.bin,joiner.bin \
  test.wav
ПодробнееБазовая модель: Zengwei/icefall-asr-librispeech-streaming-zipformer-2023-05-17 (66M параметров, обучена на LibriSpeech).
Требования к входу: моно-аудио 16 кГц, 80-мерные fbank-признаки; вывод — верхний регистр без пунктуации.
Ограничения: бинарники жёстко привязаны к чипу SM8750 и библиотекам QAIRT 2.40.0.251030 (библиотеки Qualcomm в репозиторий не включены).
Производительность: аналогичная сборка на той же архитектуре декодировала 30 с аудио за 2,2 с на Galaxy S25.
Лицензия: Apache-2.0.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # hencohen83/zipformer2-66m-streaming-en-qnn-sm8750
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download hencohen83/zipformer2-66m-streaming-en-qnn-sm8750 --local-dir ~/models/zipformer2-66m-streaming-en-qnn-sm8750
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к zipformer2-66m-streaming-en-qnn-sm8750
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии icefall-asr-librispeech-streaming-zipformer-2023-05-17 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 3Все на Hugging Face
Дообучения 1Все на Hugging Face

О модели

hencohen83/zipformer2-66m-streaming-en-qnn-sm8750
Автор
hencohen83
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии