FunASR项目Paraformer流式模型ONNX导出问题分析与修复
问题背景
在FunASR项目中,Paraformer流式语音识别模型(iic/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-online)的ONNX导出功能存在一个关键bug。当用户尝试使用AutoModel接口导出ONNX格式模型时,系统会抛出类型错误:"TypeError: unsupported operand type(s) for +: 'method' and 'str'"。
问题根源分析
该问题的根本原因在于export_meta.py文件中存在两个主要问题:
-
函数重复定义:文件中重复定义了export_rebuild_model函数,导致实际执行时可能调用错误的版本。
-
属性设置不当:在模型导出过程中,export_name属性被错误地设置为方法(MethodType)而非字符串值。当后续代码尝试将export_name与".onnx"字符串拼接时,就会触发类型错误。
技术细节
在FunASR的模型导出流程中,系统会为编码器(encoder)和解码器(decoder)分别创建导出配置。正确的做法应该是:
- 为编码器模型设置export_name为"model"
- 为解码器模型设置export_name为"decoder"
然而在原始代码中,这些属性被错误地设置为方法对象,而非预期的字符串值。这导致在utils/export_utils.py中尝试拼接".onnx"后缀时出现类型不匹配错误。
解决方案
修复方案包含以下关键修改:
-
移除重复定义的export_rebuild_model函数,保留功能完整的版本。
-
显式设置encoder_model和decoder_model的export_name属性为字符串值:
encoder_model.export_name = 'model' decoder_model.export_name = 'decoder'
-
保持其他导出相关配置不变,包括输入输出名称、动态轴设置等。
影响范围
该修复影响所有使用Paraformer流式模型(iic/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-online)进行ONNX导出的用户。修复后,用户可以正常执行以下导出代码:
from funasr import AutoModel
model = AutoModel(model="iic/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-online")
res = model.export(type="onnx", quantize=True)
技术建议
对于深度学习模型导出ONNX格式时,开发者应当注意:
-
确保所有参与导出的属性类型正确,特别是需要字符串拼接的属性。
-
避免代码中的重复定义,这可能导致不可预期的行为。
-
对于复杂的模型结构(如编码器-解码器架构),需要分别处理各部分的导出配置。
-
在修改导出逻辑时,应当同时更新相关的文档和示例代码。
该修复已合并到FunASR主分支,用户更新到最新版本即可解决此问题。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~043CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









