快手基于Alveo優(yōu)化大規(guī)模網(wǎng)絡(luò)直播和短視頻自動語音識別服務(wù)

　　快手成立于 2011年3月，總部位于北京，是全球用戶利用短視頻或者直播形式記錄和分享日常生活的領(lǐng)先內(nèi)容社區(qū)和社交平臺，每天產(chǎn)生上千萬條原創(chuàng)新鮮視頻。

　　圖：快手 ASR 應(yīng)用場景

　　項目概述

　　自動語音識別（ASR）是電子商務(wù)、短視頻、直播等眾多應(yīng)用的核心技術(shù)之一。ASR 在快手有許多的應(yīng)用場景，是快手 APP、直播、風控、游戲等眾多業(yè)務(wù)的核心功能，尤其是在直播和短視頻應(yīng)用領(lǐng)域。 ASR流式自動語音識別，已經(jīng)成為快手各種創(chuàng)新服務(wù)的核心技術(shù)之一。比如廣受主播們喜愛的直播間小快機器人 （語音助手），快手 APP 語音搜索、直播間語音輸入法、語音魔法表情、一甜相機實時字幕，以及最新上線的快影自動字幕服務(wù)等等，為全球數(shù)億用戶帶來了前所未有的各種創(chuàng)新體驗。

　　作為全球最受歡迎的直播和短視頻應(yīng)用平臺之一，快手全球平均每天有 3 億活躍用戶通過各種終端在快手平臺記錄和分享他們的生活或體驗。面對如此龐大的規(guī)模用戶和應(yīng)用場景，快手希望能夠優(yōu)化其 ASR 服務(wù)，滿足不斷增長的客戶需求，并為他們提供更好的用戶體驗。

　　用戶體驗最重要的性能指標，就是時延和并發(fā)路數(shù)。致力于“圍繞快手核心業(yè)務(wù)打造技術(shù)護城河”的快手異構(gòu)計算中心，借助賽靈思Alveo?及相關(guān)工具套件，大幅提升了ASR 整體服務(wù)性能和用戶滿意度，成為國內(nèi)大規(guī)模網(wǎng)絡(luò)直播和短視頻應(yīng)用場景的ASR 典范。

　　項目挑戰(zhàn)

　　在快手之前基于CPU框架的處理流程中，特征提取等前處理模塊運行時間占比約為 5%～10%， TDNN+LSTM 聲學(xué)模型運行時間占比約為 60%～80%，而包含語言模型的解碼器部分運行時間占比約為 15%～30%。快手異構(gòu)計算中心，希望找到一個更合適的異構(gòu)底層器件，將最耗時的TDNN+LSTM 聲學(xué)模型轉(zhuǎn)移到這個器件上并進行優(yōu)化。

　　快手異構(gòu)計算中心團隊認為，以 TDNN+LSTM 為主結(jié)構(gòu)的流式聲學(xué)模型優(yōu)化的關(guān)鍵痛點有三個，那就是時延（Latency）、實時率（RTF，Real Time Factor）和并發(fā)數(shù)（Concurrency），具體而言需要解決如下問題：

• 　　縮短時延，為用戶提供實時的流式語音識別ASR體驗；
• 　　提高并發(fā)數(shù)，保障海量流式數(shù)據(jù)并發(fā)處理的帶寬需求；
• 　　提供靈活性及易用性，滿足現(xiàn)有多業(yè)務(wù)模型的特點。如可以同時運行多個模型，可以多模型實時任意切換，且能滿足未來模型的升級換代；
• 　　降低單位算力成本，實現(xiàn)更低總擁有成本；
• 　　滿足AI 算法的高精度需求。

　　此外，快手對GPU 進行了評估，發(fā)現(xiàn)其硬件使用率 （Utilization） 比較低，不能滿足RTF需求，SRAM 容量也無法滿足TDNN+LSTM模型高并發(fā)性的需求。至于主流的 ASIC，除了以上介紹的硬件使用率問題外，還存在不支持 Kaldi 框架，定點實際只有 12bit 等問題，很難滿足ASR優(yōu)化在精度上的需求。

　　綜上所述，快手技術(shù)團隊認為，滿足上述需求的理想的異構(gòu)器件平臺，應(yīng)當是一個可以全定制的專用平臺，可以通過軟硬件協(xié)同設(shè)計確保精度符合各種不同業(yè)務(wù)的標準。

　　解決方案

　　快手異構(gòu)計算中心經(jīng)過評估后，決定選用賽靈思的Alveo U50LV加速器卡來優(yōu)化 ASR 服務(wù)。

　　Alveo U50 數(shù)據(jù)中心加速器卡基于賽靈思高性能 UltraScale+ 架構(gòu)，采用了高效的 75 瓦小型封裝，而且配備了 100 Gbps 網(wǎng)絡(luò) I/O和高帶寬內(nèi)存。這些特性為快手的 ASR 解決方案提供了關(guān)鍵的低功耗、高帶寬、大 SRAM 內(nèi)存和小尺寸優(yōu)勢。而Alveo U50LV （Low Voltage）則是 U50 系列的低電壓版本，和標準電壓版本相比，功耗更低，散熱要求更少。

　　“我們認為理想的 ASR 加速解決方案，是可以支持高帶寬、大 SRAM 和定點推斷的硬件平臺，”快手異構(gòu)計算中心總監(jiān)劉凌志博士表示：“賽靈思的 Alveo FPGA U50LV 完全符合我們的要求?！?/p>

　　圖：快手各種器件選型比較

　　結(jié)合公司自研的定點通用推理框架和定點 C 模型，快手基于Alveo U50LV 及賽靈思相關(guān) Vitis HLS 高層次綜合及 Vitis Design Flow，從算法、系統(tǒng)、軟件和硬件等多個關(guān)鍵層面對ASR 系統(tǒng)進行了多方位的創(chuàng)新， 應(yīng)用了多項最先進的優(yōu)化技術(shù)：

　　圖： ASR系統(tǒng)整體架構(gòu)

　　算法層面：采用圖融合、圖優(yōu)化、圖同構(gòu)、圖分割，以及不重訓(xùn)的高精度量化技術(shù)，在保證精度的同時，有效的壓縮了模型，使之更有利于FPGA 計算效率的發(fā)揮；

　　系統(tǒng)層面：自研通用推理框架及適合FPGA的通用Host調(diào)度框架，支持多模型，模型可擴展，自動化部署，具有很強的易用性；

　　軟件層面：設(shè)計Batch機制，基于OpenCL的任務(wù)調(diào)度及負載均衡策略，實現(xiàn)了任務(wù)級的數(shù)據(jù)傳輸、kernel 計算等高效并行處理；

　　硬件層面：自定義基于超長指令字的指令集架構(gòu)，設(shè)計編譯器，并基于 Vitis? HLS高層次綜合優(yōu)化技術(shù)，快速完成了高效的FPGA底層設(shè)計。和直接采用硬件描述語言（如 Verilog HDL）相比，HLS 技術(shù)在更高的抽象層次上使用 C/C++ 的語法描述硬件行為，不僅達到了和 Verilog 接近的效果，而且加速了各種優(yōu)化技術(shù)的實現(xiàn)，將開發(fā)時間從 3 個月縮短到 6 周。

　　優(yōu)化后的系統(tǒng)整體架構(gòu)如圖三所示：調(diào)度加速引擎的代碼框架 （ Host ）接收輸入的語音數(shù)據(jù)，經(jīng)過前處理、神經(jīng)網(wǎng)絡(luò)推斷和后處理過程，生成識別后的文本。其中黃色部分的神經(jīng)網(wǎng)絡(luò)推斷過程是卸載到Alveo 加速卡上來完成的。

　　成效

　　借助賽靈思 Alveo 加速卡及相關(guān)設(shè)計工具，快手最終實現(xiàn)了針對 TDNN+LSTM 聲學(xué)模型的全定點推理硬件加速方案，全面優(yōu)化了ASR 服務(wù)，實現(xiàn)了：

　　1.大幅減輕了CPU 的工作負載，將單臺服務(wù)器業(yè)務(wù)處理能力提升7.5倍；

　　2.大幅降低了端到端時延，平均縮短達37.67%；

　　3.大幅縮減了系統(tǒng)總成本，降至0.29 （相當于總成本銳減71% ）。

　　4.大幅縮短了開發(fā)周期。通過采用OpenCL實現(xiàn)了與現(xiàn)有業(yè)務(wù)無縫集成，并借助 Vitis Design Flow將設(shè)計周期從3個月減少到6周。

　　這是 FPGA 在國內(nèi)大規(guī)模直播及短視頻自動語音識別場景落地的首個成功案例，展示了快手各種創(chuàng)新應(yīng)用背后技術(shù)團隊強大的實力。2021年中以來，優(yōu)化的ASR 服務(wù)已經(jīng)在快手直播及短視頻應(yīng)用平臺廣泛部署，目前有數(shù)億用戶正在享受其所帶來的前所未有的語音識別體驗。