GCRN 语音增强（AX650 NPU3）

GCRN（Graph Convolutional Recurrent Network）单声道语音增强模型，输入 16 kHz 噪声语音， 输出同长增强语音。本包为 AX650 / NPU3 量化部署版：

• 精度：AXMODEL 与 ONNX 参考余弦相似度 0.9992（增强波形余弦 0.9997）
• 速度：AX650 板端 RTF 0.029（9.77 秒音频约 0.28 秒处理完）
• 大小：AXMODEL 27.6 MB（ONNX 38 MB）

快速开始（两步）

1. 安装环境

bash setup.sh

2. 跑推理

bash run.sh

脚本会自动选择后端：板端（有 axengine）跑 NPU 模型，普通电脑自动用 ONNX 模型演示。 输出为 enhanced.wav，增强前后的对比音频可以自己听一下。

目录说明

目录	用途
models/	AXMODEL 模型 + model_meta.json
python/	Python SDK（axengine / onnxruntime 双后端）
cpp/	C++ SDK（AX Engine runtime，aarch64 交叉编译）
model_convert/	导出、校准、Pulsar2 编译全套可复现脚本
reports/	导出/编译/仿真/板端验证报告
test_audio/	自带 9.77 秒测试音频

在自己的代码里用

from gcrn_sdk import GCRNDenoiser

denoiser = GCRNDenoiser("models/model.axmodel")
report = denoiser.enhance_file("test_audio/mix.wav", "enhanced.wav")
print(report)  # 含 RTF 等性能指标

常见问题

Q: import 报错找不到 axengine？ A: 说明当前不在 AX 板端。代码会自动用 ONNX 模型演示；要在 NPU 上跑，需在 AX650 板端 安装匹配的 axengine wheel（见 setup.sh 输出提示）。

Q: 想自己重新编译 AXMODEL？ A: 进入 model_convert/ 按 README 操作，Pulsar2 会从 ONNX 重新量化编译。 原始编译使用 Docker 镜像 pulsar2:7.0-lite，配置为 NPU3 + U16 高精度模式。

Q: 输入音频有什么要求？ A: 16 kHz、单声道、16-bit PCM WAV；更长音频会自动按 4 秒分块处理并拼接。