Downloads · 30 days
0
tdavron/gigaam-v3-ctc-qnn-sm8650
gigaam-v3-ctc-qnn-sm8650 is a automatic speech recognition model from tdavron. Use it when you need speech turned into text. The card lists the license as mit.
Русская модель распознавания речи GigaAM v3 CTC (salute-developers/GigaAM), собранная в context binary Qualcomm QNN для NPU (Hexagon HTP v75). Используется приложением MobileASR (on-device ASR на Android) как движок N…
Downloads · 30 days
0
Access
Public
Updated Sep 23, 2026
Repo size
490 MB
Likes
2
Public
Click a slice to open those files.
.bin490 MB · 100%
From the Hugging Face model README
Русская модель распознавания речи GigaAM v3 CTC (salute-developers/GigaAM), собранная в context binary Qualcomm QNN для NPU (Hexagon HTP v75). Используется приложением MobileASR (on-device ASR на Android) как движок NPU; на других SoC приложение работает на CPU-модели csukuangfj/sherpa-onnx-nemo-ctc-giga-am-v3-russian-2025-12-16.
| Файл | Назначение |
|---|---|
giga-ctc.bin | QNN context binary, граф encoder (энкодер Conformer + CTC-голова, log_softmax) |
tokens.txt | 33 буквы + <blk> (34 класса); побайтно совпадает с tokens.txt CPU-модели sherpa-onnx |
export_gigaam_qnn.py | экспорт GigaAM v3 CTC в ONNX фиксированной длины |
gigaam-qnn.patch | патч sherpa-onnx v1.13.8: признаки GigaAM в QNN-ветке nemo_ctc |
htp_config.json | конфиг HTP для qnn-context-binary-generator |
LICENSE | лицензия MIT исходной модели GigaAM |
giga-ctc.bin: 490 168 320 Б, SHA256 428b8a1994104c482838757644809205c91e80f8a68484bb649aa2d263782019.
tokens.txt: SHA256 17cc514451bcceac9c280068c71502f8448f99e9fb1456b8d0761651fd0392f2.
soc_id 57, HTP v75). Context binary привязан к SoC и версии QNN; на других чипах не загрузится.v2.40.0.251030114326_189385). Рантайм QNN на устройстве должен быть той же версии.qnn-onnx-converter --float_bitwidth 16), без квантования.x: [1, 3000, 64] float32 — 64 log-mel признака, 3000 кадров (бакет 30 с, шаг 10 мс). Короткие куски дополняются нулями до 3000 кадров.log_probs: [1, 750, 34] (сабсэмплинг ×4).Штатная QNN-ветка nemo_ctc в sherpa-onnx написана под NeMo-parakeet (librosa-признаки + per_feature-нормализация) и для GigaAM даёт неверный текст. Нужен sherpa-onnx v1.13.8 с патчем gigaam-qnn.patch (sherpa-onnx/csrc/qnn/offline-recognizer-parakeet-ctc-qnn-impl.h):
FeatDim() == 64;high_freq 8000, preemph 0, окно Ханна, round_to_power_of_two=false, без нормализации;Сборка: SHERPA_ONNX_ENABLE_QNN=ON, запуск с --provider=qnn и --nemo-ctc.qnn-context-binary=giga-ctc.bin (плюс пути к libQnnHtp.so, libQnnSystem.so).
python export_gigaam_qnn.py 3000 — пакет gigaam (ветка main), модель v3_ctc; ONNX FP32 с входом [1, 64, 3000].qnn-onnx-converter --float_bitwidth 16 → qnn-model-lib-generator (x86_64-linux-clang) → qnn-context-binary-generator с htp_config.json (SM8650, v75, vtcm_mb 8, O3).При batch = 1 энкодер GigaAM не строит маску внимания, поэтому кадры паддинга в неё попадают. Проверка на CPU (PyTorch): с нулевым паддингом до 3000 кадров текст практически совпадает с распознаванием без паддинга.
Веса — производная от GigaAM (MIT, © 2024 GigaChat Team, см. LICENSE). Context binary собран инструментами Qualcomm AI Runtime SDK; рантайм QNN распространяется Qualcomm на своих условиях и в этот репозиторий не входит.