asr-voice-recognition-models

ASR Voice Recognition — 模型包

ASR_Voice-Recognition（昇腾 910B / TorchAir Whisper + 说话人分离）服务需要的全部模型， 从 ModelScope 原样镜像过来，保持原始目录结构，方便一台新机器/新容器一次拉齐。

内容

合计约 3.47 GB。服务侧 configuration.json 里引用的 damo/speech_campplus-transformer_scl_zh-cn_16k-common（39 MB）不需要： segmentation-clustering + cluster-backend 链路用不到它，容器启动时会把这个字段删掉。 diarization 目录里的 onnx/（325 MB，人脸/ASD）音频链路同样用不到，为保持与原仓库一致而保留。

用法

# 直接用 huggingface_hub（或容器里的自动拉取逻辑）
python3 -c "from huggingface_hub import snapshot_download; \
  snapshot_download('tari-tech/asr-voice-recognition-models', repo_type='model', \
                    local_dir='/data/asr-service/models')"

# 或 CLI
hf download tari-tech/asr-voice-recognition-models --local-dir /data/asr-service/models

国内网络可加 HF_ENDPOINT=https://hf-mirror.com。

容器方式：docker run ... <asr 镜像> serve 时若 /data/asr-service/models/whisper-torchair/large-v3.pt 不存在，入口脚本会自动拉这份模型树，然后把 diarization 的 configuration.json （speaker_model / vad_model）改写成指向本地目录，因此之后可离线启动。

说明

• 这些文件是从 ModelScope 对应仓库原样复制的（含 README、示例音频等原始文件），未做转换。
• 各模型的许可与使用条款以其 ModelScope 页面为准（Whisper 权重为 OpenAI 的 MIT 许可）。
• 校验：本仓库用镜像内固定的 huggingface_hub（>=0.23,<1，实测 0.36.2）拉取后与原始文件逐字节一致。