File size: 4,984 Bytes
dd2737e 69261fe dd2737e 69261fe dd2737e 69261fe dd2737e 69261fe dd2737e 69261fe dd2737e 69261fe dd2737e 69261fe 1267a8f dd2737e 1267a8f dd2737e 69261fe dd2737e 69261fe dd2737e 69261fe dd2737e 69261fe dd2737e 69261fe dd2737e 69261fe dd2737e 69261fe dd2737e 69261fe dd2737e c7e7722 69261fe dd2737e 69261fe dd2737e 69261fe | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 | ---
license: apache-2.0
language:
- en
- zh
tags:
- axera
- ax650
- npu
- audio-super-resolution
- speech-super-resolution
- bandwidth-extension
- audio-to-audio
library_name: axera
pipeline_tag: audio-to-audio
base_model: Nikait/FastWave
---
# FastWave.AXERA
**AX650 上的通用音频超分:6–48 kHz → 48 kHz。C++ 全链路 RTF 10.97(8 步)/ 5.51(4 步),Python SDK RTF 10.96 / 5.49;单 axmodel 11.9 MB,Python/C++ SDK 即取即用。**
  
- HuggingFace: https://huggingface.co/HY-2012/FastWave.AXERA
- GitHub: https://github.com/ZY-2012/FastWave.AXERA
- 上游: https://github.com/Nikait/FastWave
## 目录
- 快速开始
- 结果
- 推理速度
- 文件说明
- 数据来源
- License
## 快速开始(AX650 板端)
本仓库即完整包(`models/` + `bin/` + `python/` + `samples/`),下载后在包根目录运行:
```bash
# C++(默认)
bash run_ax650.sh samples/listen/8k/OSR_us_000_0010_input_8k.wav output.wav
# Python SDK
bash run_ax650.sh samples/listen/8k/OSR_us_000_0010_input_8k.wav output.wav --python
# 4 步采样(更快)/ 打开后置降噪
bash run_ax650.sh samples/listen/16k/speech_2_input_16k.wav output.wav --steps 4
bash run_ax650.sh samples/listen/8k/OSR_cn_000_0072_input_8k.wav output.wav --denoise
```
输入支持 6–48 kHz,输出固定 48 kHz。
## 结果
### 8 kHz 输入(Open Speech Repository)
| 版本 | 输入 | FastWave.AXERA 输出 |
|---|---|---|
| **OSR_us_000_0010** | [▶](samples/listen/8k/OSR_us_000_0010_input_8k.wav)<br><img src="samples/listen/spectrograms/OSR_us_000_0010_input_spec.png" width="360"> | [▶](samples/listen/48k_from8k/OSR_us_000_0010_output_48k.wav)<br><img src="samples/listen/spectrograms/OSR_us_000_0010_output_spec.png" width="360"> |
| **OSR_us_000_0013** | [▶](samples/listen/8k/OSR_us_000_0013_input_8k.wav)<br><img src="samples/listen/spectrograms/OSR_us_000_0013_input_spec.png" width="360"> | [▶](samples/listen/48k_from8k/OSR_us_000_0013_output_48k.wav)<br><img src="samples/listen/spectrograms/OSR_us_000_0013_output_spec.png" width="360"> |
| **OSR_cn_000_0072** | [▶](samples/listen/8k/OSR_cn_000_0072_input_8k.wav)<br><img src="samples/listen/spectrograms/OSR_cn_000_0072_input_spec.png" width="360"> | [▶](samples/listen/48k_from8k/OSR_cn_000_0072_output_48k.wav)<br><img src="samples/listen/spectrograms/OSR_cn_000_0072_output_spec.png" width="360"> |
| **OSR_cn_000_0074** | [▶](samples/listen/8k/OSR_cn_000_0074_input_8k.wav)<br><img src="samples/listen/spectrograms/OSR_cn_000_0074_input_spec.png" width="360"> | [▶](samples/listen/48k_from8k/OSR_cn_000_0074_output_48k.wav)<br><img src="samples/listen/spectrograms/OSR_cn_000_0074_output_spec.png" width="360"> |
### 16 kHz 输入(人声)
| 版本 | 输入 | FastWave.AXERA 输出 |
|---|---|---|
| **speech_2** | [▶](samples/listen/16k/speech_2_input_16k.wav)<br><img src="samples/listen/spectrograms/speech_2_input_spec.png" width="360"> | [▶](samples/listen/48k_from16k/speech_2_output_48k.wav)<br><img src="samples/listen/spectrograms/speech_2_output_spec.png" width="360"> |
| **speech_3** | [▶](samples/listen/16k/speech_3_input_16k.wav)<br><img src="samples/listen/spectrograms/speech_3_input_spec.png" width="360"> | [▶](samples/listen/48k_from16k/speech_3_output_48k.wav)<br><img src="samples/listen/spectrograms/speech_3_output_spec.png" width="360"> |
### 8k → 48k 频谱对比(上:输入,下:输出)
<img src="samples/listen/spectrograms/OSR_us_000_0010.png" width="720">
## 推理速度:RTF
AX650(NPU3,BSP V3.10.2),chunk 32768 点(0.68 s):
| 链路 | 8 步 | 4 步 | 无重叠(8 步) |
|---|---:|---:|---:|
| C++ | 10.97 | 5.51 | 6.29 |
| Python SDK | 10.96 | 5.49 | — |
## 文件说明
| 路径 | 内容 |
|---|---|
| `models/fastwave_nfe.axmodel` | 单次 NFE 图(11.9 MB,U16 激活 / S8 权重 / U16 输出) |
| `models/assets/*.npy` | 扩散 embedding 权重(host 端计算) |
| `bin/fastwave_ax650` | C++ 推理程序(aarch64,AX650) |
| `python/` | Python SDK(numpy + axengine) |
| `samples/` | 8k / 16k 输入与 48k 输出、频谱图 |
| `reports/` | 精度与性能报告 |
## 从源码编译(C++)
```bash
bash cpp/download_toolchains.sh # Arm GNU 9.2 + AX650 BSP SDK(约 1.1 GB,仅一次)
bash cpp/build_ax650.sh # -> bin/fastwave_ax650
```
`build_ax650.sh` 在缺少工具链/BSP 时会自动调用 `download_toolchains.sh`;已有工具链可用
`TOOLCHAIN_ROOT=` / `BSP_MSP_DIR=` 覆盖。
## 数据来源
- Open Speech Repository(English / Chinese 8k):http://voiptroubleshooter.com/open_speech/index.html
- 16 kHz 参照:公开人声样例经 48k → 16k 降采样
- 上游模型权重:Nikait/FastWave(MIT)
## License
Apache-2.0。
|