Kokoro TTS for AX650 NPU

Kokoro-82M 文本转语音模型在 AX650 NPU 上的部署方案。3 模型全 NPU 推理，支持 Python/C++ SDK，中英文前端。

管线架构

文本 → espeak-ng/Jieba前端 → Encoder(U16 NPU) → F0N(Mixed FP32 NPU) → Decoder(S16 NPU) → HAR+ISTFT(CPU) → 24kHz音频

模型	量化	大小	耗时
Encoder	AXERA U16	96MB	31ms
F0N	Mixed FP32	14MB	8ms
Decoder	S16	70MB	102ms

性能

指标	Python SDK	C++ SDK
RTF	0.10	—
EN ASR (10短语)	9/10	7/10
CN 长句 ASR	—	✅

快速开始

Python SDK

cd python && pip install -r requirements.txt
# 安装 pyaxengine
git clone https://github.com/AXERA-TECH/pyaxengine.git && pip install -e pyaxengine/
# CLI
python -m kokoro_axera.cli -t "həlˈoʊ wˈɜːld" -o hello.wav
# OpenAI server
python -m kokoro_axera.server --port 8880

C++ SDK

export LD_PRELOAD='/soc/lib/libax_sys.so /soc/lib/libax_engine.so'
export LD_LIBRARY_PATH=/soc/lib:./cpp/lib
# English
./cpp/bin/kokoro_cli ./models ./models/espeak-ng-data "Hello world" output.wav en
# Chinese
./cpp/bin/kokoro_cli ./models ./models/espeak-ng-data "你好世界" output.wav zh

已知限制

仅支持 af_heart 单说话人
Decoder S16 极短句有残余失真

从零复现

参见 model_convert/README.md

Downloads last month: 674