Wav2lip模型-推理指导

• 概述

  • 输入输出数据

• 推理环境准备

• 快速上手

  • 获取源码
  • 准备数据集
  • 模型推理

• 模型推理性能&精度

概述

Wav2Lip是一种强大的唇形生成模型，其主要特点是不仅可以生成与音频同步的唇形，而且生成的唇形与原始视频中的人脸表情和头部动作保持一致。Wav2Lip模型可以用于各种应用，如视频会议、电影制作和虚拟现实。

• 参考实现：

  url=https://github.com/Rudrabha/Wav2Lip
  

输入输出数据

• 输入数据

  输入数据	数据类型	大小	数据排布格式
  input1	FLOAT32	batchsize x 1 x 80 x 16	NCHW
  input2	FLOAT32	batchsize x 6 x 96 x 96	NCHW

• 输出数据

  输出数据	数据类型	大小	数据排布格式
  output	FLOAT32	batchsize x 3 x 48 x 96	NCHW

推理环境准备

• 该模型需要以下插件与驱动

  表 1 版本配套表

  配套	版本	环境准备指导
  固件与驱动	23.0.rc1	Pytorch框架推理环境准备
  CANN	7.0	-
  Python	3.7.5	-
  PyTorch	1.8.0	-
  说明：Atlas 300I Duo 推理卡请以CANN版本选择实际固件与驱动版本。	\	\

快速上手

获取源码

1. 获取本仓源码

   git clone https://gitcode.com/ascend/ModelZoo-PyTorch.git
   cd ModelZoo-PyTorch/ACL_PyTorch/contrib/audio/wav2lip_ID100400
   

2. 获取源码。

   git clone https://github.com/Rudrabha/Wav2Lip.git
   cd Wav2Lip
   

3. 安装依赖。

   # 注释原有requirements.txt中的opencv-contrib-python>=4.2.0.34
   # 修改原有requirements.txt中的torch==1.8.0
   pip3 install -r requirements.txt
   

4. 安装ffmpeg。

   sudo apt-get install ffmpeg
   

5. 将迁移文件放置于Wav2lip文件夹

    Wav2lip
    ├──...
    ├──wav2lip_pth2onnx.py
    ├──wav2lip_preprocess.py
    └──wav2lip_postprocess.py
   

准备数据集

1. 获取测试数据集。（解压命令参考tar –xvf *.tar与 unzip *.zip）

   该模型使用一段视频和音频作为测试数据，数据地址 （提取码: mhxw）如下，视频和音频文件分别存放在./testdata。

   testdata
   ├── video.mp4        // 视频数据       
   └── audio.mp3        // 音频数据
   

2. 数据预处理，将原始数据集转换为模型输入的数据。

   执行wav2lip_preprocess.py脚本，完成预处理。

   python3 wav2lip_preprocess.py --video ./testdata/video.mp4 --audio ./testdata/audio.mp3 --data_save_dir ./inputs
   

   • 参数说明：

     --video, 输入视频文件存放地址

     --audio, 输入音频文件存放地址

     --save_data_dir, 输出预处理后的bin文件存放路径

   得到的inputs文件夹中包含

   inputs
   ├── imgs.bin        // 视频数据   
   ├── mels.bin        // 音频数据
   ├── frames.bin      // frames数据
   └── coords.bin      // coords数据
   

模型推理

1. 模型转换。

   使用PyTorch将模型权重文件.pth转换为.onnx文件，再使用ATC工具将.onnx文件转为离线推理模型文件.om文件。

   1. 获取权重文件。

      wav2lip模型预训练pth权重文件，将获取的权重文件放在当前工作路径下。

   2. 导出onnx文件。

      1. 使用wav2lip_pth2onnx.py脚本。

         运行wav2lip_pth2onnx.py脚本。

         batch_size=72
         python3 wav2lip_pth2onnx.py --checkpoint_path ./wav2lip.pth --onnx_dir ./ --batch_size ${batch_size}
         

         获得wav2lip.onnx文件。

   3. 使用ATC工具将ONNX模型转OM模型。

      1. 配置环境变量。

         source /usr/local/Ascend/ascend-toolkit/set_env.sh
         

      2. 执行命令查看芯片名称（${chip_name}）。

         npu-smi info
         #该设备芯片名为Ascend310P3 （自行替换）
         回显如下：
         +-------------------+-----------------+------------------------------------------------------+
         | NPU     Name      | Health          | Power(W)     Temp(C)           Hugepages-Usage(page) |
         | Chip    Device    | Bus-Id          | AICore(%)    Memory-Usage(MB)                        |
         +===================+=================+======================================================+
         | 0       310P3     | OK              | 15.8         42                0    / 0              |
         | 0       0         | 0000:82:00.0    | 0            1074 / 21534                            |
         +===================+=================+======================================================+
         | 1       310P3     | OK              | 15.4         43                0    / 0              |
         | 0       1         | 0000:89:00.0    | 0            1070 / 21534                            |
         +===================+=================+======================================================+
         

      3. 执行ATC命令。

         atc --model=./wav2lip_bs72.onnx --framework=5 --output=./wav2lip_bs72 --input_format=ND --input_shape="input1:72,1,80,16;input2:72,6,96,96" --log=debug  --soc_version=Ascend${chip_name}
         

         • 参数说明：

           • --model：为ONNX模型文件。
           • --framework：5代表ONNX模型。
           • --output：输出的OM模型。
           • --input_format：输入数据的格式。
           • --input_shape：输入数据的shape。
           • --log：日志级别。
           • --soc_version：处理器型号。

           运行成功后生成wav2lip_bs72.om模型文件

2. 开始推理验证。

   1. 安装ais_bench推理工具。

      请访问ais_bench推理工具代码仓，根据readme文档进行工具安装。

   2. 执行推理。

      python3 -m ais_bench --model ./wav2lip_bs72.om --input "./inputs/mels.bin,./inputs/imgs.bin" --output ./result --batchsize 72
      

      • 参数说明：

        • model：需要推理om模型的路径。
        • input：模型需要的输入bin文件夹路径。
        • output：推理结果输出路径。

      推理后的输出默认在当前目录output的目录下以时间戳命名子目录。

      output
      ├── 2024_02_10-12_00_00  
      |   └── mels_0.bin
      └── 2024_02_10-12_00_00_summary.json        
      

   3. 数据后处理。

      调用wav2lip_postprocess.py脚本合成完整视频的文件。

       python3 wav2lip_postprocess.py --om_pred ${om_output_path} --frames ./inputs/frames.bin --coords ./inputs/coords.bin --outfile ./results/result_voice.mp4 --audio ./testdata/audio.mp3
      

      • 参数说明：

        • om_pred：为生成推理结果所在路径
        • frames：为frames数据所在路径
        • coords：为coords数据所在路径
        • outfile：为输出的合成视频路径及文件名
        • audio：待输入合成的音频文件

   4. 执行纯推理验证性能

      python3 -m ais_bench --model "wav2lip_bs${batch_size}.om" --loop 100
      

      • 参数说明：
        • --model：OM模型文件
        • --loop：纯推理次数

模型推理性能&精度

NPU芯片型号	Batch Size	数据集	throughout性能
300I Pro	1	随机数据	752.03
300I Pro	2	随机数据	1196.68
300I Pro	4	随机数据	1572.50
300I Pro	8	随机数据	1927.07
300I Pro	16	随机数据	1965.25
300I Pro	32	随机数据	1977.51
300I Pro	64	随机数据	2022.19
300I Pro	128	随机数据	1943.19