在Meteor Lake上测试基于Stable Diffusion的AI应用

上个月刚刚推出的英特尔新一代Meteor Lake CPU，预示着AI PC的新时代到来。AI PC可以不依赖服务器直接在PC端处理AI推理工作负载，例如生成图像或转录音频。这些芯片的正式名称为Intel Core Ultra处理器，是首款配备专门用于处理人工智能任务的 NPU（神经处理单元）的芯片。

为了更好地了解Meteor Lake CPU，我们测试了英特尔适用于 Audacity 和 GIMP（开源音频和图像编辑器）的 OpenVINO 插件和其它相关的AI应用，包含仅 CPU 模式、NPU 模式和 GPU 模式下运行了所有测试。我们进行的测试有：

OpenVINO Stable Diffusion：在 GIMP 中生成图像。
OpenVINO Noise Reduction：消除 Audacity 中的背景噪音。
OpenVINO Music Generation： Audacity 中的文本转音乐功能。
OpenVINO Whisper Transcription：在 Audacity 中将音频转录为文本。

OpenVINO™是英特尔针对自家硬件平台开发的一套深度学习工具库，包含推断库，模型优化等等一系列与深度学习模型部署相关的功能。OpenVINO™工具包是用于快速开发应用程序和解决方案的综合工具包，可解决各种任务，包括模拟人类视觉，自动语音识别，自然语言处理，推荐系统等。该工具包基于最新一代的人工神经网络，包括卷积神经网络（CNN），循环和基于注意力的网络，可在英特尔®硬件上扩展计算机视觉和非视觉工作负载，从而最大限度地提高性能。它通过从边缘到云的高性能，人工智能和深度学习推理来加速应用程序。OpenVINO 插件专门识别 Meteor Lake 笔记本电脑的 NPU 并将其作为设备选项呈现。值得注意的是，虽然 OpenVINO 软件/插件可以在任何 x86 硬件上运行，最新的几个版本甚至加入了对Arm平台的支持，但它们专门针对 Intel CPU 和 GPU 进行了优化所以会有更好的性能。

测试 1：基于Stable Diffusion的GIMP 图像生成

为 GIMP 安装英特尔的 OpenVINO 插件是一项相对复杂的任务，本文不包含如何在GIMP里安装OpenVINO插件，具体的安装过程我会再写另外一篇博文来阐述，也可参阅此Github项目。插件安装设置完成后，GIMP 将具有四个 OpenVINO 插件：Semantic-Segmentation、Style-Transfer、Super-Resolution和Stable-Diffusion。

Stable-Diffusion for GIMP 是一个图像生成器，需要十几秒到几分钟才能输出图像。在Stable-Diffusion里可以选择多种不同的模型，我们在测试中选择了 SD_1_5_square_int8，因为它是目前能支持Meteor Lake NPU 作为输出设备的模型之一。测试中发现SD_1_5_square_int8 的输出有点难看，因为它给你的看起来像是凌乱的手指画，而不是逼真的图像，但重点是看看它完成每项任务的速度有多快。

在使用Stable-Diffusion SD_1_5_square_int8 模型中，我们可以在Meteor Lake上选择四种不同的设备来处理输出的不同部分：Text部分使用GPU，Unet+使用GPU，Unet-使用NPU, VAE使用CPU。所有四个设备可以是相同的，也可以切换它们。

当我们同时使用GPU和NPU时，在Meteor Lake 笔记本电脑上生成图像仅花费 16 秒。当我们单独使用 GPU 时，这些时间增加了几秒，而当我们使用 NPU 时，这些时间几乎增加了一倍（31秒）。单独使用 CPU 的时间是最高的，分别为 59.5 秒和 61 秒。

下图是使用SD_1_5_square_int8 模型驾驶汽车的猫时，会得到下图这样的结果。如果想要更好看的输出，则需要使用SD_1_5_square 等模型，它可以生成逼真的图像，但是这个模型目前还没有NPU的支持。

测试 2：Whisper Transcription

Audacity OpenVINO Whisper Transcription 插件将使用您的 CPU、GPU 或 NPU将剪辑中的语音转换为带有时间戳的文本文件。我们在测试中使用 Open AI 的 Whisper AI基本转录模型，因为这是插件内置的模型。两台Meteor Lake测试平台完成的时间为48.8秒和52.1秒。考虑到源材料的长度是原来的 23 倍以上，这已经相当不错了。

测试 3：Audacity OpenVINO Noise Reduction

Audacity 插件 OpenVINO 噪声抑制可消除剪辑中的背景噪声。因此，我们选取了用于转录的23 分钟音频片段，并在其上运行了噪声抑制插件。运行噪声抑制插件时，可以选择 CPU、GPU 或 NPU 作为处理设备。但每次转录只能使用一个设备，因此不会混合 GPU 和 NPU 或 CPU 和 GPU。两台Meteor Lake测试机器的完成时间分别为934秒和1054秒。

这是一个相当 CPU 密集型的工作负载，因为我们看到处于 CPU 模式的笔记本电脑的工作负载最高。在 NPU 上运行并没有什么帮助。 Swift Go 和 IdeaPad Pro 5i 在 NPU 模式下运行速度都非常慢。

测试 4：OpenVINO Music Generation

Audacity 的其他有趣的 OpenVINO 插件之一使用 Stable Audio（Stability AI 的音乐模型）根据文本提示生成曲调。在我们的测试中，要求一首 30 秒的歌曲，提示为“爵士乐”，6 个插值步骤和 20 个推理步骤。这里有五种不同的设备设置：Text Encoder Device、Unet + Device、Unet – Device、VAE Decoder Device和 VAE Encoder Device。您可以选择 CPU、GPU 或（在 Unet + / – 上）NPU。两台Meteor Lake的测试成绩分别为55秒和57秒。