当前位置: 首页 > news >正文

FunASR 说话人识别 Xvector 环境版本配置

xvector说话人确认-中文-cnceleb-16k-离线-pytorch · 模型库

阿里的 Xvector 生成模型,由于版本太老然而 pip 又默认安装各种最新的包,笔者一开始也是各种报错,如:

sv-inference not found

去pip官网找历史文件试了半天才试出来。python==3.8,torch==1.13和模型readme一样

关键点在于:

datasets==2.8.0

modelscope==1.6.0

完整环境配置如下:

absl-py==2.3.1

addict==2.4.0

aiohappyeyeballs==2.4.4

aiohttp==3.10.11

aiosignal==1.3.1

aliyun-python-sdk-core==2.16.0

aliyun-python-sdk-kms==2.16.5

antlr4-python3-runtime==4.9.3

async-timeout==5.0.1

attrs==25.3.0

audioread==3.0.1

cachetools==5.5.2

certifi==2025.7.14

cffi==1.17.1

charset-normalizer==3.4.2

crcmod==1.7

cryptography==45.0.5

datasets==2.8.0

decorator==5.2.1

dill==0.3.6

editdistance==0.8.1

einops==0.8.1

filelock==3.16.1

frozenlist==1.5.0

fsspec==2023.10.0

funasr==0.8.7

gast==0.6.0

google-auth==2.40.3

google-auth-oauthlib==1.0.0

grpcio==1.70.0

hdbscan==0.8.40

hf-xet==1.1.5

huggingface-hub==0.33.4

humanfriendly==10.0

hydra-core==1.3.2

idna==3.10

importlib_metadata==8.5.0

importlib_resources==6.4.5

jaconv==0.4.0

jamo==0.4.1

jieba==0.42.1

jmespath==0.10.0

joblib==1.4.2

kaldiio==2.18.1

lazy_loader==0.4

librosa==0.11.0

llvmlite==0.41.1

Markdown==3.7

MarkupSafe==2.1.5

modelscope==1.6.0

msgpack==1.1.1

multidict==6.1.0

multiprocess==0.70.14

numba==0.58.1

numpy==1.22.0

oauthlib==3.3.1

omegaconf==2.3.0

oss2==2.19.1

packaging==25.0

pandas==1.3.5

pillow==10.4.0

platformdirs==4.3.6

pooch==1.8.2

propcache==0.2.0

protobuf==5.29.5

pyarrow==17.0.0

pyarrow-hotfix==0.7

pyasn1==0.6.1

pyasn1_modules==0.4.2

pycparser==2.22

pycryptodome==3.23.0

pynndescent==0.5.13

python-dateutil==2.9.0.post0

pytorch-wpe==0.0.1

pytz==2025.2

PyYAML==6.0.2

regex==2024.11.6

requests==2.32.4

requests-oauthlib==2.0.0

responses==0.18.0

rsa==4.9.1

safetensors==0.5.3

scikit-learn==1.3.2

scipy==1.10.1

sentencepiece==0.2.0

simplejson==3.20.1

six==1.17.0

sortedcontainers==2.4.0

soundfile==0.13.1

soxr==0.3.7

tensorboard==2.14.0

tensorboard-data-server==0.7.2

tensorboardX==2.6.2.2

threadpoolctl==3.5.0

tokenizers==0.20.3

tomli==2.2.1

torch==1.13.1

torch-complex==0.4.4

torchaudio==0.13.1

tqdm==4.67.1

transformers==4.46.3

typing_extensions @ file:///home/conda/feedstock_root/build_artifacts/typing_extensions_1717802530399/work

tzdata==2025.2

umap==0.1.1

umap-learn==0.5.7

urllib3==2.2.3

Werkzeug==3.0.6

xxhash==3.5.0

yapf==0.43.0

yarl==1.15.2

zipp==3.20.2

http://www.dtcms.com/a/291722.html

相关文章:

  • 一文读懂深度模型优化器,掌握炼丹工具
  • 【数学建模】基础知识
  • FTP考点
  • SparkSQL 聚合函数 COUNT 对 NULL 值的处理
  • css3地球转动模型(动态数据)
  • RxSwift 核心解析
  • 生成式AI導論 2024】第9講:以大型語言模型打造的AI Agent 学习记录
  • Nacos 注册中心高频面试题及解析
  • v0+claude+cursor构建初始脚手架
  • ADA4522-2ARMZ-R7 ADI亚德诺 双通道零漂移运算放大器 工业高精度测试设备应用
  • 您需要了解的有关 GIS 中基于位置和基于属性的查询的所有信息
  • [pdf epub]《软件方法》电子书202507更新下载
  • thinkphp入门
  • 企业级IIS配置手册:安全加固/负载均衡/性能优化最佳实践
  • C++性能优化擂台技术文章大纲
  • Axios Token 设置示例
  • MySql 运维性能优化
  • React 项目性能优化概要
  • Vue-21-利用Vue3的axios+Python的flask实现前后端交互功能
  • 精密全波整流电路(二)
  • 以太网基础⑥ ZYNQ PS端 基于LWIP的TCP例程测试
  • uniapp “requestPayment:fail [payment支付宝:62009]未知错误“
  • 渗透第2次作业
  • 从零开始:Vue 3 + TypeScript 项目创建全记录
  • C++刷题常用方法
  • uniapp请求封装上传
  • DeepSPV:一种从2D超声图像中估算3D脾脏体积的深度学习流程|文献速递-医学影像算法文献分享
  • 从0到1:盲盒抽卡小程序开发全流程解析
  • 浙江大学PTA程序设计C语言基础编程练习题1-5
  • 【Python办公】Excel工作表拆分工具(按照sheet进行拆分-calamine-极速版)