--- library_name: axera pipeline_tag: audio-to-audio base_model: YatharthS/LavaSR language: - en - zh tags: - axera - ax650 - npu3 - lavasr - speech-super-resolution - audio-super-resolution - bandwidth-extension - speech-enhancement - speech-denoising - real-time - python - cpp --- # LavaSR v2 AX650 / AXERA **8–48 kHz 语音 → 48 kHz 超分 + 降噪 · AX650 NPU3 · C++ 全链路 RTF 0.061(约 16x realtime)· 3 个 axmodel 共 38 MB** ![RTF](https://img.shields.io/badge/RTF-0.061%20full%20%7C%200.039%20BWE-brightgreen) ![Size](https://img.shields.io/badge/axmodel-38%20MB-green) [![GitHub](https://img.shields.io/badge/GitHub-ZY--2012%2FLavaSR.AXERA-black)](https://github.com/ZY-2012/LavaSR.AXERA) - GitHub: https://github.com/ZY-2012/LavaSR.AXERA - 上游: https://github.com/ysharma3501/LavaSR / https://huggingface.co/YatharthS/LavaSR > **AX650 板端实测说明**:AudioSR、LavaSR、FlowHigh 均已在 AX650N / NPU3 板端跑通。综合效果和速度最好的是 **LavaSR**:C++ 全链路 RTF ≈ 0.061(约 16× 实时),支持 8–48 kHz → 48 kHz 和降噪。**推荐优先使用 LavaSR。** > > **对比入口** > GitHub: [LavaSR](https://github.com/ZY-2012/LavaSR.AXERA) · [FlowHigh](https://github.com/ZY-2012/FlowHigh.AXERA) · [AudioSR](https://github.com/ZY-2012/AudioSR.AXERA) > HuggingFace: [LavaSR](https://huggingface.co/HY-2012/LavaSR.AXERA) · [FlowHigh](https://huggingface.co/HY-2012/FlowHigh.AXERA) · [AudioSR](https://huggingface.co/HY-2012/AudioSR.AXERA) ## 目录 - 快速开始 - 结果 - 推理速度 - 数据来源 - License ## 快速开始(AX650 板端) 从 HuggingFace 下载 `models/`、`bin/`、`python/`、`samples/`,在包根目录运行: ```bash # C++(默认) bash run_ax650.sh samples/listen/8k/OSR_us_000_0010_input_8k.wav output.wav --no-denoise # Python SDK bash run_ax650.sh samples/listen/8k/OSR_us_000_0010_input_8k.wav output.wav --python --no-denoise ``` 输入支持 8–48 kHz,输出固定 48 kHz。`--no-denoise` 仅做 BWE;去掉会同时跑 UL-UNAS 降噪。 ## 结果 ### 8 kHz 输入(Open Speech / Samplelib) #### English **OSR_us_000_0010** | 版本 | 输入 | LavaSR 输出 | |---|---|---| | 8k |
|
| **OSR_us_000_0013** | 版本 | 输入 | LavaSR 输出 | |---|---|---| | 8k |
|
| **OSR_us_000_0057** | 版本 | 输入 | LavaSR 输出 | |---|---|---| | 8k |
|
| **OSR_us_000_0059** | 版本 | 输入 | LavaSR 输出 | |---|---|---| | 8k |
|
| #### Chinese **OSR_cn_000_0072** | 版本 | 输入 | LavaSR 输出 | |---|---|---| | 8k |
|
| **OSR_cn_000_0073** | 版本 | 输入 | LavaSR 输出 | |---|---|---| | 8k |
|
| **OSR_cn_000_0074** | 版本 | 输入 | LavaSR 输出 | |---|---|---| | 8k |
|
| **OSR_cn_000_0075** | 版本 | 输入 | LavaSR 输出 | |---|---|---| | 8k |
|
| #### Samplelib(1 分钟,频谱图为前 10 s) **samplelib_speech_1m** | 版本 | 输入 | LavaSR 输出 | |---|---|---| | 8k |
|
| ### 16 kHz 参照(人声) 同一批人声降采样到 16 kHz 后输入;8k 行为官方 8k 输入,16k 行为 16k 输入。 **speech_2** | 版本 | 输入 | LavaSR 输出 | |---|---|---| | 8k |
|
| | 16k |
|
| **speech_3** | 版本 | 输入 | LavaSR 输出 | |---|---|---| | 8k |
|
| | 16k |
|
| ### 带噪输入(降噪 + BWE) **OSR_us_000_0010 + 10 dB noise** | 版本 | 带噪输入 | LavaSR 输出(降噪 + BWE) | |---|---|---| | 8k |
|
| **OSR_cn_000_0072 + 10 dB noise** | 版本 | 带噪输入 | LavaSR 输出(降噪 + BWE) | |---|---|---| | 8k |
|
| **speech_2 + 10 dB noise** | 版本 | 带噪输入 | LavaSR 输出(降噪 + BWE) | |---|---|---| | 16k |
|
| ## 推理速度:RTF | 链路 | Python RTF | C++ RTF | |---|---:|---:| | 降噪 + BWE | 0.278 | **0.061** | | 仅 BWE | 0.103 | **0.039** | ## 数据来源 - Open Speech Repository(English / Chinese 8k):http://voiptroubleshooter.com/open_speech/index.html - Samplelib speech 1 min:https://samplelib.com/mp3/sample-speech-1m.mp3 - 16 kHz 参照:公开人声样例经 48k->16k 降采样。 ## License Apache-2.0;KissFFT BSD-3-Clause。