CuteTTS.AXERA: AX650 NPU zero-shot TTS (U16)
Browse files
README.md
CHANGED
|
@@ -22,7 +22,7 @@ tags:
|
|
| 22 |
|
| 23 |
# CuteTTS.AXERA
|
| 24 |
|
| 25 |
-
**AX650 上的 0.2B 连续隐变量自回归 TTS：zero-shot 音色克隆 · 24 kHz ·
|
| 26 |
|
| 27 |
> **真流式（音频级，非切句）**：AR 循环不停，VAE 用带卷积状态的解码器逐 patch 输出，
|
| 28 |
> **每 160 ms 一包、首包 TTFT 0.6~0.8 s**（缓存参考音色后 0.18 s）；同时保留非流式整句模式。
|
|
@@ -61,7 +61,8 @@ VAE 解码成 24 kHz 波形。本仓库量化的是 **CuteTTS-distill**。
|
|
| 61 |
| `lm_prefill` | 7 层 Qwen3 前缀（256 token，输出 KV cache） |
|
| 62 |
| `lm_decode` | 单 token 解码（384 长度 KV cache） |
|
| 63 |
| `dit_step` | 单步 Euler 速度场（host 循环 4 步） |
|
| 64 |
-
| `vae_dec_l{64,128,256}` | latent → 24 kHz 波形（按长度分桶） |
|
|
|
|
| 65 |
|
| 66 |
<a id="convert"></a>
|
| 67 |
|
|
|
|
| 22 |
|
| 23 |
# CuteTTS.AXERA
|
| 24 |
|
| 25 |
+
**AX650 上的 0.2B 连续隐变量自回归 TTS：zero-shot 音色克隆 · 24 kHz · 10 个 axmodel 全 NPU 推理**
|
| 26 |
|
| 27 |
> **真流式（音频级，非切句）**：AR 循环不停，VAE 用带卷积状态的解码器逐 patch 输出，
|
| 28 |
> **每 160 ms 一包、首包 TTFT 0.6~0.8 s**（缓存参考音色后 0.18 s）；同时保留非流式整句模式。
|
|
|
|
| 61 |
| `lm_prefill` | 7 层 Qwen3 前缀（256 token，输出 KV cache） |
|
| 62 |
| `lm_decode` | 单 token 解码（384 长度 KV cache） |
|
| 63 |
| `dit_step` | 单步 Euler 速度场（host 循环 4 步） |
|
| 64 |
+
| `vae_dec_l{64,128,256}` | latent → 24 kHz 波形（按长度分桶，非流式） |
|
| 65 |
+
| `vae_dec_stream` | 带卷积状态的流式解码（2 latent = 160 ms 一包） |
|
| 66 |
|
| 67 |
<a id="convert"></a>
|
| 68 |
|