FastWave.AXERA

AX650 上的通用音频超分（6–48 kHz → 48 kHz），单模型 3.8 MB，纯 NPU 推理，即取即用。

FastWave 是 1.3 M 参数的扩散式音频超分模型（EDM preconditioning + NU-Wave 2 骨干， 论文）。本仓库提供 AX650 NPU 版：

• models/fastwave_nfe.axmodel：量化后的单次 NFE 图（11.9 MB，U16 激活 / S8 权重），板端 8 步采样

• python/：完整流水线 SDK（分块 + overlap-add + EDM 采样），只依赖 numpy + axengine

• samples/：8 k / 16 k 输入与 48 k 输出示例

• reports/：精度与性能报告

• GitHub（源码 + 复现流程）：https://github.com/ZY-2012/FastWave.AXERA

• 上游：https://github.com/Nikait/FastWave

快速开始（AX650 板端）

# 需要：python3 + numpy + axengine（AX650 BSP 镜像自带）
bash run_ax650.sh samples/listen/8k/OSR_us_000_0010_input_8k.wav output.wav
bash run_ax650.sh samples/listen/16k/speech_2_input_16k.wav output.wav --steps 4

输出固定 48 kHz。--steps 4 速度更快、质量略降；--overlap 0.5（默认）可改拼接重叠率。

结果

输入	输出
▶ 8k OSR_us_000_0010	▶ 48k
▶ 8k OSR_cn_000_0072	▶ 48k
▶ 16k speech_2	▶ 48k

频谱对比：OSR_us_000_0010 · OSR_cn_000_0072 · speech_2

性能（AX650 NPU3，chunk 0.68 s）

配置	单次 NFE	端到端 RTF
8 步 + 50% overlap（默认）	499.8 ms	10.0
4 步 + 50% overlap（--steps 4）	499.8 ms	5.0

精度

量化配置：Pulsar2 8.0，U16 激活 / S8 权重 / U16 输出（DEFAULT 全图），MinMax 标定 （真实 48 kHz 语音，8/12/16/24 kHz 退化输入，8 个采样步全覆盖，64 个样本），compiler.check=2。 AXMODEL 与浮点 ONNX 的单步 NFE 余弦相似度见 reports/accuracy.md（最低 TBD）。

实现要点

1. 模型内部每层都有 STFT/iSTFT（FFC 全局分支）。AX NPU 不支持 FFT/复数算子，这里把 torch.stft/istft 等价改写为 32×32 Cooley-Tukey 矩阵乘 FFT（reflect padding、hann 窗、 overlap-add、窗包络归一化全部保留），与 torch 误差 < 1e-7，图上只有 MatMul/Add/Mul/Reshape。
2. EDM 的 c_skip/c_in/c_out 与正弦扩散 embedding 只依赖 sigma，host 端预计算后作为图输入， 图上没有 log/sqrt/sin/cos/OneHot。
3. 输入采样率通过 band one-hot 输入，一个模型覆盖 6–48 kHz。

License

Apache-2.0（本仓库代码与量化模型）。上游 FastWave 模型为 MIT License。