/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
31 июл 2026

inflect_nano_v2

Синтез речиТекст → аудио

Англоязычная модель VITS синтезирует речь из текста и оптимизирована для локального запуска на AX650 NPU3.

21скачиваний за 30 дней0лайковвеса обновлены5 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Inflect-Nano-v2 для AX650 NPU — англоязычная модель синтеза речи на архитектуре VITS, оптимизированная для выполнения на ускорителе AX650 NPU3. Разработчик репозитория AXERA-TECH предоставляет компоненты модели в форматах AXMODEL и ONNX; исходная модель указана как owensong/Inflect-Nano-v2.

Модель преобразует текст на английском языке в речь и рассчитана на локальный запуск на устройстве AX650: кодировщик и декодер работают на NPU, предиктор длительности — через ONNX Runtime, а таблица эмбеддингов загружается с NumPy. В README указаны 4 млн параметров, частота дискретизации 24 кГц и коэффициент реального времени около 0,04 на AX650 NPU3.

Репозиторий распространяется по лицензии Apache-2.0. Описанные показатели скорости относятся к AX650 NPU3; применимость оптимизированных компонентов на других устройствах не заявлена.

Сценарии применения

  • озвучивание английских фраз на AX650 NPU
  • локальный синтез речи без PyTorch при инференсе
  • создание английских голосовых подсказок
  • генерация английского аудио для приложений на AX650

Ограничения

Оптимизация и приведённые показатели производительности указаны для AX650 NPU3; переносимость на другие устройства не описана. Поддержка языков кроме английского не заявлена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Inflect-Nano-v2 for AX650 NPU

High-quality English TTS (VITS architecture) optimized for AX650 NPU3, running entirely on-chip with zero PyTorch dependency at inference time.

  • Encoder + Decoder: AX650 NPU (AXMODEL, U16 precision)
  • Duration Predictor: ONNX Runtime (onnxruntime)
  • Embedding: NumPy lookup
  • Real-time Factor: ~0.04x (24× faster than real-time)

🎧 Audio Samples

All samples generated on AX650 NPU, 24kHz.

"Hello and welcome to Inflect Nano V2 text to speech." (3.3s, RTF 0.06x)

"The weather today is sunny with a gentle breeze." (2.4s, RTF 0.07x)

"Once upon a time, there lived a curious robot who loved to sing." (3.7s, RTF 0.05x)

"Neural voice synthesis is the next frontier of artificial intelligence." (3.9s, RTF 0.05x)

"This audio was generated entirely on the AX650 NPU chip." (4.4s, RTF 0.04x)

🚀 Quick Start

bash setup.sh
bash run.sh "Hello world." output.wav

📡 API

# CLI
python -m inflect_tts_sdk --text "Hello" --output out.wav

# OpenAI-compatible Server
python -m inflect_tts_sdk.server --port 8000

📊 Performance

ComponentTimeDevice
Encoder2.4 msNPU
Decoder89.6 msNPU
DP + Align14.7 msCPU
Total RTF~0.04x24× real-time

Measured on AX650 NPU3, 105 tokens → 2.7s audio.

🧩 Model

ComponentSizeInputOutput
Encoder1.0 MBx_emb [1,72,200]m_p, logs_p, x, x_mask
Decoder5.6 MBz_p [1,128,500]waveform [1,1,128000]
  • Quantization: Encoder Conv U16 / MatMul INT8, Decoder Conv+ConvTranspose U16
  • Parameters: 4.0M
  • Sample rate: 24 kHz
  • Source: owensong/Inflect-Nano-v2
  • Compiled: Pulsar2 6.0-lite, AX650 NPU3

📁 File Structure

  • models/ — AXMODEL, dp.onnx, emb_weight.npy
  • python/inflect_tts_sdk/ — Python SDK (CLI + OpenAI Server)
  • cpp/inflect_tts_sdk/ — C++ SDK (CLI + Server)
  • samples/ — audio samples

License & Attribution(许可与署名)

本仓库是 owensong/Inflect-Nano-v2 (作者 Owen Song,Apache-2.0)的 NPU 转换与再分发。原始 Inflect 代码与权重以 Apache License 2.0 发布;本仓库的转换产物(AXMODEL、SDK)同样以 Apache-2.0 许可提供。

  • 许可全文:LICENSE(Apache License 2.0)
  • 署名与修改说明:NOTICE.md
  • 第三方组件声明:THIRD_PARTY_NOTICES.md、third_party/

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
b57a7dd

0 моделей