본문으로 건너뛰기

COPY_SKIP_CACHE 에서 fetch() 가 없는 경로를 반환하는 문제 수정

speechbrain: COPY_SKIP_CACHE 에서 fetch() 가 없는 경로를 반환하는 문제 수정​

링크: https://github.com/speechbrain/speechbrain/pull/3093

이슈 https://github.com/speechbrain/speechbrain/issues/3091 로 보고한 문제의 수정 PR 이다. force_filename 전달을 없애고, COPY_SKIP_CACHE 일 때 hf_hub_download 가 돌려준 파일을 목적 경로로 옮긴다. 회귀 테스트 test_fetch_hf_copy_skip_cache_save_filename 를 추가했다.

배경​

SceneMakerAI 는 EncoderClassifier.from_hparams("speechbrain/lang-id-voxlingua107-ecapa") 로 방송 오디오의 언어 식별을 수행한다. 모델 파일을 HF 캐시 심볼릭 링크가 아니라 savedir 에 실제 파일로 두려고 local_strategy=LocalStrategy.COPY_SKIP_CACHE 를 쓰면, 모델 로딩은 에러 없이 끝나지만 classify_batch 첫 호출에서 KeyError: 16 같은 예외가 난다. 라벨 인코더가 비어 있기 때문이다.

  • 저장소: speechbrain/speechbrain, 기본 브랜치 develop , HEAD 89ead74d
  • 유형: Issue (수정안과 단위 테스트는 로컬 브랜치 fix/fetch-copy-skip-cache-save-filename 에 미커밋 상태로 준비)

원인​

speechbrain/utils/fetching.py 의 fetch() (417-424행) 는 COPY_SKIP_CACHE 일 때 hf_hub_download 에 local_dir=savedir , force_filename=save_filename 을 넘겨서 "savedir 에 save_filename 이름으로 저장" 을 huggingface_hub 에 맡긴다. 그런데 huggingface_hub 는 그렇게 동작하지 않는다.

  • 최신 버전 (0.33.4, 2.1.1 확인): force_filename 을 경고와 함께 무시하고 savedir/filename 으로 저장한다.
  • 구버전 (0.19.4, 0.22.2, 0.23.0 확인): force_filename 이 있으면 legacy 캐시 경로로 빠져 local_dir 를 무시하고 HF 캐시 디렉토리에 저장한다. savedir 는 비어 있다.

download_file_hf 는 COPY_SKIP_CACHE 일 때 hf_hub_download 의 반환 경로를 버리고, fetch() 는 존재 여부를 확인하지 않은 savedir/save_filename 을 반환한다.

Pretrainer.collect_files 는 항상 save_filename = 로더블이름 + ".ckpt" 로 호출하므로, paths 의 파일명이 다른 항목 (voxlingua107 의 label_encoder.txt ) 이 영향을 받는다. .ckpt 가중치는 이름이 같아 정상 로드되고, 라벨 인코더는 CategoricalEncoder.load_if_possible 이 없는 파일에 대해 False 만 반환하므로 조용히 건너뛴다.

재현 방법​

import os, tempfile
from speechbrain.utils.fetching import fetch, LocalStrategy

with tempfile.TemporaryDirectory() as d:
    p = fetch("label_encoder.txt", source="speechbrain/lang-id-voxlingua107-ecapa",
              savedir=d, save_filename="label_encoder.ckpt",
              local_strategy=LocalStrategy.COPY_SKIP_CACHE)
    print(p, p.exists(), sorted(os.listdir(d)))

HEAD 결과: 반환 경로는 label_encoder.ckpt 인데 exists 는 False, 디렉토리에는 label_encoder.txt 만 있다.

엔드투엔드 (repro_e2e.py ): SYMLINK 전략은 라벨 107개, text_lab 정상. COPY_SKIP_CACHE 전략은 라벨 0개, classify_batch 에서 KeyError: 16 .

변경 내용 (로컬 수정안, 미제출)​

  • fetch() : force_filename 전달 제거.
  • download_file_hf() : COPY_SKIP_CACHE 에서 hf_hub_download 가 돌려준 경로가 destination 과 다르면 shutil.move 로 옮긴다.
  • tests/unittests/test_fetch.py : hf_hub_download 를 대체한 회귀 테스트 1건 추가.

local_dir_use_symlinks=False 제거 (huggingface_hub 최소 버전 상향과 묶임) 와 라벨 인코더의 조용한 스킵 자체는 메인테이너 결정 사항이라 이슈 본문에 따로 적었다.

검증​

  • HEAD 에서 버그 재현: huggingface_hub 2.1.1, 0.33.4, 0.22.2 (원본 출력은 repro.txt ).
  • 회귀 테스트: 수정 전 FileNotFoundError 로 실패, 수정 후 통과.
  • 수정 후 fetch() 재현 스크립트: huggingface_hub 0.19.4, 0.22.2, 0.23.0, 0.33.4, 2.1.1 모두 파일 존재.
  • 수정 후 엔드투엔드: 라벨 107개, 분류 정상.
  • pytest tests/unittests : 750 통과, 7 실패. 7건은 수정 전 HEAD 에서도 동일하게 실패 (torch 2.14.1 호환 문제와 transformers 미설치) 하며 이번 변경과 무관.
  • ruff check , ruff format --check (0.12.4) 통과.
  • 미실행: pre-commit run -a 전체, 통합 테스트, CI 와 동일한 torch 2.6.0 환경.