pyannote/speaker-diarization-community-1(cc-by-4.0)说话人日志模型的 AX650N 量化部署包: 输入 16 kHz 单声道会议音频,输出 RTTM 说话人时序标签。 - 模型: 8 个 axmodel(U16 激活 / S8 权重) - 依赖: Python 仅 numpy + scipy + scikit-learn + soundfile + axengine;C++ 为预编译 aarch64 可执行文件 常用参数:--step 2.0(滑动步长,2.5 更快 +0~1.5 pp)、--num-speakers 0(0=自动估计)。 切换 NPU2 版:--model-dir modelsnpu2(runax650.sh 通过环境变量 MODELDIR 指定)。 - 输入: 16 kHz 单声道 wav;输出: RTTM(SPEAKER 1 SPEAKERXX ) - 流水线: sincnet 分割(im2col + MatMul)→ 4 层 BiLSTM(96 步 cell,FP32 状态跨块) → 说话人嵌入(ResNet34 + TSTP)→ PLDA/AHC/VBx 聚类 - InstanceNorm / TSTP 统计池化在 U16 量化域数值崩坏,放主机 FP32 计算 - 完整转换源码见 GitHub: pyannote-speaker-diarization.AXERA 指标表所用 AMI / AliMeeting / VoxConverse 三个测试集的下载链接、参考处理与评分脚本见 ¹…