[安装] 昇腾 NPU 环境下 pip install funasr 可能替换 torch 导致 torch_npu 失效，建议提供对 NPU 友好的安装方式

环境

• funasr：1.3.14
• torch：2.10.0+cpu / torch_npu：2.10.0（昇腾 Atlas 300I Pro / 310P3，CANN 9.1.0-beta.1）

问题描述

昇腾 NPU 环境要求 torch 使用 CPU 版本，并与 torch_npu 严格配对
（如 torch 2.10.0+cpu + torch_npu 2.10.0）。默认依赖解析安装 funasr 时，
可能拉取/升级通用（CUDA）版 torch，静默破坏这一配对——之后 import torch_npu
会因 C++ 扩展不匹配而失败。

我们目前的规避方式（openEuler 24.03，容器内）：

pip install funasr --no-deps -i <国内镜像>
pip install torch_complex kaldiio omegaconf librosa kaldi-native-fbank
editdistance jieba zhconv tgt umap-learn ... # 手动逐个补齐

这种做法容易出错：不少运行时依赖（kaldiio、omegaconf、torch_complex、
umap-learn、praat-parselmouth 等）很容易遗漏，只在 import 时才报
ModuleNotFoundError。

建议（任一均可）

1. 提供依赖分组，如 pip install "funasr[npu]"（torch 视为环境自带，不强制版本）；
2. 或将依赖声明放宽到"已安装的 torch 不被替换"（避免触发升级的上限约束）；
3. 或补充文档《在昇腾 NPU 上安装》，列出 --no-deps 方式所需的完整运行时依赖清单。

如有需要，我们愿意贡献在 310P3 上实测验证过的完整依赖清单。

Start by inspecting FunASR's declared runtime dependencies and existing installation documentation. Reproduce installation with a preinstalled CPU torch and torch_npu pair, then verify that the pair is not replaced and all runtime imports work. Done means an NPU-friendly installation path or dependency group is documented and validated, including the dependencies currently listed in the issue.