SenseVoice ONNX 模型规格说明

昇腾推理微服务镜像使用指南

模型输入规格

• speech: 音频特征输入

  • 形状: [batch_size, feats_length, 560]
  • 数据类型: float32
  • 说明: 包含语音特征序列，特征维度固定为560

• speech_lengths: 语音长度输入

  • 形状: [batch_size]
  • 数据类型: int64
  • 说明: 指定每个batch中实际语音序列的长度

• language: 语言标识输入

  • 形状: [batch_size]
  • 数据类型: int64
  • 说明: 指定输入语音的语言类型

• textnorm: 文本归一化标识输入

  • 形状: [batch_size]
  • 数据类型: int64
  • 说明: 控制文本归一化的行为模式

Dummy 输入Shape详情

• 输入Shape:
  • speech: [2, 30, 560]
  • speech_lengths: [2]
  • language: [2]
  • textnorm: [2]

模型输出规格

• ctc_logits: CTC解码逻辑值输出

  • 形状: [batch_size, sequence_length, 25055]
  • 数据类型: float32
  • 说明: 包含字符级别的分类概率分布，共25055个类别

• encoder_out_lens: 编码器输出长度

  • 形状: [batch_size]
  • 数据类型: int64
  • 说明: 表示编码器有效输出序列的长度

动态轴信息

模型支持以下动态维度：

• Batch维度: batch_size (可变)
• Sequence长度维度: feats_length (可变)
• 输出序列长度维度: sequence_length (随输入变化)

ONNX Opset版本

该模型使用ONNX Opset版本: 14

模型简化

• 是否简化: 是
• 简化工具: onnxslim 0.1.78