当前位置: 首页 > news >正文

算能盒子——AI_report适配文档

算能bm_model模型链接:https://github.com/hsyysy/FunASR-bmodel/blob/bmodel/bmodel/README.md

一、环境配置

1.安装torch,torchaudio:

pip3 install torch torchaudio

2.安装funasr:

git clone https://github.com/hsyysy/FunASR-bmodel.git
cd FunASR-bmodel && pip3 install -e ./
cd FunASR-bmodel/bmodel/
pip install -r requirements.txt

需要注意,这里固定版本为 pip3 install umap-learn==0.5.3

3.根据系统架构选择性地安装tpu_perf:

查看系统架构:

uname -a

安装 x86架构:

pip3 install tpu_perf-1.2.35-py3-none-manylinux2014_x86_64.whl


或者arm架构:

pip3 install tpu_perf-1.2.35-py3-none-manylinux2014_aarch64.whl

二、离线语音识别demo

​本例程在各个模型的目录内scripts目录下提供了下载脚本download.sh

3.运行脚本:

python3 offline.py

4. AI报告安装依赖和字体

安装python-docx报错非常典型,而且在 BM1684 / ARM / Ubuntu 上几乎必遇到
我们直接把根因、为什么你装了还是不行、以及 3 种可落地解决方案一次性说清楚。


一、现在的问题已经变了(不是 docx 了)

你现在的错误不再是

No module named 'docx'

而是python-docx 的依赖lxml编译失败

Error: Please make sure the libxml2 and libxslt development packages are installed.

👉结论一句话:

在 ARM(BM1684)环境下,python-docx依赖的lxml没有可用的预编译 wheel,pip 只能源码编译,但你的系统缺少底层 C 库开发头文件。


二、为什么在你这台机器上一定会这样?

1️⃣ python-docx → 依赖链

python-docx └── lxml ❌(需要本地编译) ├── libxml2-dev ❌ 缺失 └── libxslt-dev ❌ 缺失

2️⃣ 为什么 x86 机器没事,你这台有事?

平台lxml 安装方式
x86_64直接下载 wheel(不用编译)
ARM / BM1684❌ 没有 wheel → 必须源码编译

三、✅ 正确、最稳的解决方案(强烈推荐

🔧 方案 (最标准):安装系统依赖后再 pip 装

这是官方推荐、成功率 100%的方式。

① 安装系统依赖(只需一次)
sudo apt-get update sudo apt-get install -y libxml2-dev libxslt-dev python3-dev build-essential
sudo apt-get update sudo apt-get install -y \ libxml2-dev \ libxslt-dev \ python3-dev \ build-essential

说明一下这些包是干嘛的:

包名作用
libxml2-devlxml 核心依赖
libxslt-devXML / XSLT 支持
python3-devPython C 扩展头文件
build-essentialgcc / make

② 再装 python-docx
pip3 install python-docx -i https://pypi.tuna.tsinghua.edu.cn/simple

③ 验证(一定要做)

python3 - << 'EOF' from docx import Document print("python-docx OK") EOF

看到输出就说明彻底解决

5. 字体根据具体路径安装

6. 运行AI_resport

把模型迁移到项目目录下:SourceHanSansSC 除外(思源黑体)

修改模型加载方式:

运行:

python3 asr_flask.py

http://www.cnnetsun.cn/news/91245.html

相关文章:

  • 节能又达标!基于Linux的污水自动控制方案
  • 企微 SCRM 服务天花板:微伴四级支持,AI 陪跑至盈利
  • PyTorch训练损失异常?LobeChat给出诊断建议
  • 医药类电商系统开发公司有哪些?
  • 为什么90%的企业还没意识到Dify解密算法对文档安全的颠覆性威胁?
  • 为什么你的Vercel AI SDK在Docker中无法读取环境变量?深度剖析加载机制盲区
  • Dify权限验证系统解析:3步完成PDF加密与访问控制
  • 找不到符号
  • 300套伺服电机步进调速电机SolidWorks三维3D模型图结构库合集
  • 模温机企业排名:2025
  • Qwen3-VL-8B:轻量级多模态Embedding新选择
  • 本地部署EmotiVoice多音色情感TTS
  • LobeChat能否实现代码注释生成?文档完整性保障工具
  • 12.16 脚本网页 Golang标准库
  • 【LInux】进程程序替换与shell实现:从fork到exec的完整闭环
  • Github 9.6k Star!一款开源的超强大数据可视化神器!
  • 空间转录组+R语言=发刊利器?5个高分论文常用富集策略首次系统披露
  • 逆变器DC-AC拓扑全解析:从基础到专用,实战选型指南
  • 一文讲清楚Spring Bean的生命周期(附详细流程图)
  • 【Dify与Spring AI兼容性深度解析】:掌握版本匹配的5大核心原则
  • LobeChat能否支持引力波探测?宇宙事件捕捉与信号解读
  • 基于Next.js的LobeChat为何成为开发者新宠?
  • LobeChat压力测试报告:每秒可承受多少并发请求?
  • LobeChat能否对接IFTTT?事件驱动型AI助手构建
  • 10 个降AI率工具,研究生高效避坑指南
  • 从0到1构建智能检索系统,Dify结果融合实战全指南
  • 【混合检索优化实战】:Dify响应时间降低50%的三大核心技术揭秘
  • 版本失控怎么办?Dify工作流回滚全攻略,保障系统稳定性
  • 多路径流程设计难题,Dify工作流跳转配置一招搞定
  • 【Dify工作流依赖检查全攻略】:掌握高效排查技巧,避免上线事故