FunASR项目中使用paraformer_streaming训练ONNX模型导出及推理问题解析
2025-05-24 15:37:35作者:范靓好Udolf
在语音识别领域,FunASR作为一个开源的语音识别工具包,提供了多种模型训练和推理方案。本文将重点分析在使用paraformer_streaming模型进行训练后,导出ONNX模型并在C++环境下运行时遇到的段错误问题及其解决方案。
问题现象
开发者在FunASR 1.0.19版本环境下,使用paraformer_streaming模型进行微调训练后,尝试将模型导出为ONNX格式。当使用funasr-onnx-online-asr工具进行推理测试时,程序在FunASRInferBuffer推理函数处发生了段错误(Segmentation Fault)。值得注意的是,使用官方提供的预训练模型(speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-online-onnx)则能正常运行。
环境配置
问题出现的环境配置如下:
- 操作系统:Ubuntu 22.04
- FunASR版本:1.0.19
- PyTorch版本:2.2.1
- Python版本:3.10
- ONNX版本:1.15.0
- ONNX Runtime版本:1.17.1
问题排查过程
通过GDB调试工具分析,发现段错误发生在模型推理阶段。进一步排查发现,问题的根源在于模型导出时缺少了必要的词汇表(tokens)信息。在FunASR中,词汇表信息对于模型的正确运行至关重要,特别是在处理语音识别任务时,它定义了模型能够识别的所有可能字符或子词单元。
解决方案
解决此问题的关键在于确保模型导出时包含完整的配置信息。具体步骤如下:
- 在训练完成后,确保config.yaml文件中包含完整的tokens信息
- 使用以下命令导出模型时,系统会自动将必要信息写入config.yaml:
model="outputs"
python -m funasr.bin.export \
++model=${model} \
++type="onnx" \
++quantize=true \
++device="cpu" \
++debug=false
- 手动检查导出的config.yaml文件,确认其中包含tokens字段及其对应值
经验总结
- 模型导出时,不仅要关注模型结构本身的转换,还需要确保所有相关配置信息的完整性
- 对于语音识别模型,词汇表信息是模型能够正确运行的关键要素之一
- 当遇到类似段错误时,可以优先检查模型输入输出是否符合预期,以及所有依赖的配置文件是否完整
- 对比官方预训练模型和自己训练模型的配置文件差异,往往能快速定位问题所在
最佳实践建议
为了避免类似问题的发生,建议开发者在模型训练和导出过程中:
- 始终保留完整的训练配置信息
- 在导出模型前,验证模型配置文件的完整性
- 建立模型导出后的验证流程,包括配置文件检查
- 对于关键模型参数,考虑在代码中添加必要的验证逻辑
- 保持开发环境和生产环境的一致性,特别是ONNX和ONNX Runtime的版本匹配
通过以上分析和解决方案,开发者可以避免在使用FunASR进行paraformer_streaming模型训练和ONNX导出时遇到的段错误问题,确保模型能够顺利部署到生产环境中。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551

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!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8