Merge branch 'main' of https://github.com/RapidAI/RapidASR

README.md

@@ -9,6 +9,9 @@
 - 🎉该项目核心代码已经并入[FunASR](https://github.com/alibaba-damo-academy/FunASR)
 - 本仓库仅对模型做了转换，只采用ONNXRuntime推理引擎
 
+#### TODO
+- [ ] 整合vad + asr + pun三个模型，打造可部署使用的方案
+
 #### 支持语言
 - Python
 - C++/C
@@ -74,7 +77,7 @@
    ```
 
 #### 更新日志
-- 2024-02-25
+- 2023-02-25
    - 添加C++版本推理，使用onnxruntime引擎，预/后处理代码来自： https://github.com/chenkui164/FastASR
 
 - 2023-02-14 v2.0.3 update:

cpp_onnx/readme.md

@@ -4,6 +4,27 @@
 本程序中的预处理及后处理代码，来自于：https://github.com/chenkui164/FastASR
 
 
+## 线程数与性能关系
+
+测试环境Rocky Linux 8，仅测试cpp版本结果（未测python版本）
+
+简述：
+在3台配置不同的机器上分别编译并测试，在fftw和onnxruntime版本都相同的前提下，识别同一个30分钟的音频文件，分别测试不同onnx线程数量的表现。
+
+![线程数关系](images/threadnum.png "Windows ASR")
+
+目前可以总结出大致规律：
+
+并非onnx线程数越多越好
+2线程比1线程提升显著，线程再多则提升较小
+线程数等于CPU物理核心数时效率最好
+实操建议：
+
+大部分场景用3-4线程性价比最高
+低配机器用2线程合适
+
+
+
 ##  演示
 
 ![Windows演示](images/demo.png "Windows ASR")

cpp_onnx/win/readme.md

-# 最简编译指南
 
-取下代码后用Vs2022 打开cmakelists.txt 编译即可。
-
-注意：在安装vs2022时，需要安装linux 开发组件以支持cmakelists.txt工程。
-
-
-## Demo
-CPU:  i7-7820HQ @ Windows 11
-
-<div align="center">
-    <img src="images/sample.png" width="80%" height="80%">
-</div>
-
-
-
-## 准备windows依赖库 （专业用户参考，普通用户无需考虑）
-
-
-
-### build fftw3 (from a prebuild version to generate libs)
-
-https://blog.csdn.net/NICAI001/article/details/116887842
-
-
-### openblas
-
-https://github.com/xianyi/OpenBLAS/releases