执行摘要
此PR修复了vLLM基准测试脚本中ASRDataset导入缺失的bug，通过添加导入和两个新CLI参数，使自动语音识别（ASR）模型的吞吐量基准测试可配置且正常运行。变更仅影响benchmark模块，风险低，适用于使用ASR模型的研究场景。
功能与动机
为什么做：在vLLM的吞吐量基准测试脚本throughput.py中，ASRDataset类（定义于datasets.py）缺少导入，导致当用户尝试使用ASR模型（如OpenAI Whisper）和对应数据集（如openslr/librispeech_asr）进行基准测试时，出现ValueError: openslr/librispeech_asr is not supported by hf dataset错误。PR旨在修复此问题，并添加可配置的音频长度过滤参数，以支持不同ASR模型的测试需求。
实现拆解
改动文件：vllm/benchmarks/throughput.py
- 导入添加：在文件顶部导入模块中增加
ASRDataset。
- 数据集处理逻辑：在
get_requests函数中，添加条件分支处理ASR数据集路径，设置dataset_cls并传递新参数到sample_kwargs。
elif args.dataset_path in ASRDataset.SUPPORTED_DATASET_PATHS:
dataset_cls = ASRDataset
common_kwargs["dataset_subset"] = args.hf_subset
common_kwargs["dataset_split"] = args.hf_split
sample_kwargs["asr_min_audio_len_sec"] = args.asr_min_audio_len_sec
sample_kwargs["asr_max_audio_len_sec"] = args.asr_max_audio_len_sec
- 参数验证：在
validate_args函数中，将ASRDataset.SUPPORTED_DATASET_PATHS加入数据集路径集合，确保ASR数据集使用vLLM后端。
- CLI参数扩展：在
add_cli_args函数中，新增两个浮点型参数：
--asr-min-audio-len-sec：默认0.0，最小音频时长（秒）。--asr-max-audio-len-sec：默认inf，最大音频时长（秒）。
评论区精华
review过程中无技术讨论交锋。仅有代码助手bot的总结性评论和维护者的快速批准，表明变更简单直接，无需深入评审。
风险与影响
风险：
- 依赖风险：ASRDataset需要
torchcodec包，非vLLM默认依赖，用户需手动安装，否则可能导致运行时错误。
- 参数风险：新CLI参数使用
float('inf')作为默认最大值，需确保浮点运算兼容性，但标准做法风险低。
影响：
- 用户影响：仅影响使用ASR模型进行基准测试的用户，修复后可直接运行测试，提升开发体验。
- 系统影响：不变更核心推理逻辑，仅扩展benchmark脚本功能，无性能或安全影响。
关联脉络
从提供的近期历史PR分析中，未发现直接修改相同文件或涉及ASR数据集的PR，表明此变更为独立bugfix。然而，仓库中已有multi-modality标签用于多模态模型支持（如PR 39232添加视觉语言模型），此PR将ASR音频处理纳入同类范畴，反映了vLLM在扩展基准测试覆盖多模态场景的趋势。
参与讨论