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