FunASR项目中的ONNX导出问题分析与解决方案

问题背景

在FunASR语音识别项目中，用户在使用1.0.5版本时遇到了一个关于ONNX模型导出的技术问题。当尝试通过AutoModel接口导出paraformer模型为ONNX格式时，系统抛出了一个索引错误，提示"tensors used as indices must be long, byte or bool tensors"。

错误分析

这个错误发生在模型导出过程的内部机制中，具体是在处理语音长度掩码(mask)生成时。错误表明系统期望使用long、byte或bool类型的张量作为索引，但实际传入的张量类型不符合要求。

从技术实现角度看，问题出现在FunASR的sanm编码器模块中，当调用make_pad_mask方法生成填充掩码时，lengths张量的类型不正确。在PyTorch的ONNX导出过程中，对张量类型有严格要求，特别是在使用张量作为索引时。

解决方案

项目维护者已经确认并修复了这个bug。用户可以通过以下步骤解决问题：

1. 从源代码重新安装FunASR项目
2. 确保使用最新版本的代码库
3. 重新尝试模型导出操作

技术建议

对于开发者在使用FunASR进行模型导出时，建议注意以下几点：

1. 确保使用匹配的PyTorch版本，不同版本对ONNX导出的支持可能有所差异
2. 在导出前检查输入张量的类型，特别是那些将用作索引的张量
3. 关注项目更新日志，及时获取最新的bug修复
4. 对于生产环境使用，建议在导出前进行全面测试

总结

这个案例展示了在深度学习模型导出过程中可能遇到的类型系统问题。FunASR团队已经及时响应并修复了这个问题，体现了开源项目的活跃维护状态。用户只需更新到最新代码即可解决此问题，继续享受FunASR提供的语音识别能力。