--- 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。** ![RTF](https://img.shields.io/badge/RTF%20%28C%2B%2B%29-10.97-brightgreen) ![Size](https://img.shields.io/badge/axmodel-11.9%20MB-green) ![License](https://img.shields.io/badge/license-Apache--2.0-blue) - 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)
| [▶](samples/listen/48k_from8k/OSR_us_000_0010_output_48k.wav)
| | **OSR_us_000_0013** | [▶](samples/listen/8k/OSR_us_000_0013_input_8k.wav)
| [▶](samples/listen/48k_from8k/OSR_us_000_0013_output_48k.wav)
| | **OSR_cn_000_0072** | [▶](samples/listen/8k/OSR_cn_000_0072_input_8k.wav)
| [▶](samples/listen/48k_from8k/OSR_cn_000_0072_output_48k.wav)
| | **OSR_cn_000_0074** | [▶](samples/listen/8k/OSR_cn_000_0074_input_8k.wav)
| [▶](samples/listen/48k_from8k/OSR_cn_000_0074_output_48k.wav)
| ### 16 kHz 输入(人声) | 版本 | 输入 | FastWave.AXERA 输出 | |---|---|---| | **speech_2** | [▶](samples/listen/16k/speech_2_input_16k.wav)
| [▶](samples/listen/48k_from16k/speech_2_output_48k.wav)
| | **speech_3** | [▶](samples/listen/16k/speech_3_input_16k.wav)
| [▶](samples/listen/48k_from16k/speech_3_output_48k.wav)
| ### 8k → 48k 频谱对比(上:输入,下:输出) ## 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。