SuperAPI AI 工具集

digital-health-clinical-asr-setup

编程与开发

查看项目

更新于 10-16 03:49

技能介绍

用途:这是 Clinical ASR Flywheel 的第一阶段(Setup),目标只有一个——证明用户当前的 NVIDIA_API_KEY 能访问 NVIDIA 托管的语音服务。当一句临床句子经 Magpie TTS 合成、再由 Parakeet/Nemotron ASR 转写成功往返后,即可进入 /digital-health-clinical-asr-build。整个四阶段流程围绕降低临床实体(药物、操作、解剖、病症、化验、角色)的 KER(关键词错误率)展开,WER 均值会掩盖临床上真正有害的错误。

主要能力:分为三步只读检查。1a 仅检查 NVIDIA_API_KEY 是否已导出并显示长度(不打印、不提交密钥值);1b 创建虚拟环境并安装 nvidia-riva-client、pandas、soundfile、requests,可选 jiwer;1c 对 NVCF 托管栈做一次冒烟测试:调用 Magpie TTS 合成 “The patient was prescribed cefazolin.”,再调用 Parakeet TDT 0.6B v2 转写该 WAV,输出 ASR 文本。密钥由外壳加载并以显式参数传入,配方代码本身不读环境变量,便于审计。

使用方式:

export NVIDIA_API_KEY=nvapi-... test -n "$NVIDIA_API_KEY" && echo "NVIDIA_API_KEY len=${#NVIDIA_API_KEY}" python3 -m venv .venv source .venv/bin/activate pip install nvidia-riva-client pandas soundfile requests

可选

pip install jiwer

冒烟测试必须当场运行,不能推迟。若转写与输入大致一致即可推进;失败时按错误处理:401/PERMISSION_DENIED 为密钥错误或未导出;404/INVALID_ARGUMENT 为函数 ID 过期(需到 build.nvidia.com 查询新 ID);RESOURCE_EXHAUSTED 为限流,30 秒后重试;网络/TLS 错误先测试 curl https://build.nvidia.com。可选地用 Merriam-Webster 校验发音:Path A 需要 DICTIONARY_API_KEY,Path B 为 HTML 抓取无需密钥但较脆弱;不设则回退 Magpie G2P。

数据披露:NVCF(grpc.nvcf.nvidia.com)接收合成的临床文本与待转写 WAV;Merriam-Webster 接收单个临床术语的 HTTP 请求。数据按构造为合成数据,禁止输入真实患者记录、录音或任何 PHI;若术语表含敏感内容需先咨询组织的外部 API 政策。跳过 NVCF 是硬性终止,此时应改用自托管 ASR/TTS 流水线。

限制:仅做环境就绪性检查;假设使用托管 NVCF 与 Magpie en-US;术语表与发音合理性在第二阶段判定;第四阶段微调所需的 NGC_API_KEY、CUDA 主机与 NeMo 容器不在本阶段安装。本阶段不产出清单、音频或模型。资料未提供其他语言区域、自托管部署或具体价格信息。