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：

# 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	▶	▶
OSR_us_000_0013	▶	▶
OSR_cn_000_0072	▶	▶
OSR_cn_000_0074	▶	▶

16 kHz 输入（人声）

版本	输入	FastWave.AXERA 输出
speech_2	▶	▶
speech_3	▶	▶

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 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。