HY-2012/LavaSR.AXERA

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

• GitHub: https://github.com/ZY-2012/LavaSR.AXERA
• 上游: https://github.com/ysharma3501/LavaSR / https://huggingface.co/YatharthS/LavaSR

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：

# 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。