README.md

metadata

title: Qwen2 Audio Transcription
emoji: 🎵
colorFrom: blue
colorTo: green
sdk: gradio
sdk_version: 4.44.0
app_file: app.py
pinned: false

Qwen2 Audio Transcription - 优化版

针对Hugging Face Spaces构建超时问题的优化版本。

主要优化

1. 懒加载模型

• 模型只在首次使用时加载，减少构建时间
• 启动速度快，避免Space构建超时

2. GPU时间管理

• 使用@spaces.GPU()装饰器控制GPU使用时间
• 模型加载：120秒限制
• 推理：60秒限制

3. 内存优化

• 添加low_cpu_mem_usage=True减少CPU内存占用
• GPU内存溢出错误处理

4. 依赖版本固定

• 固定依赖版本避免兼容性问题
• 移除不必要的包减少构建时间

使用方法

1. 上传音频文件或录音
2. 点击"开始转录"按钮
3. 等待转录结果（首次使用会加载模型，需要1-2分钟）

技术规格

• 模型：Qwen2-Audio-7B
• 支持音频格式：WAV, MP3, FLAC等
• 采样率：自动转换为16kHz
• GPU支持：CUDA自动检测

错误处理

• GPU内存不足：提示使用更短音频
• 模型加载失败：显示详细错误信息
• 处理错误：友好的错误提示