---
library_name: axera
pipeline_tag: audio-to-audio
base_model: haoheliu/audiosr_speech
language:
- en
- zh
tags:
- axera
- ax650
- npu3
- audiosr
- speech-super-resolution
- audio-super-resolution
- python
- cpp
---

# AudioSR.AXERA

**低采样率语音 → 48 kHz · AX650 NPU3 · vocoder 板端相似度 0.9984 · 完整链路 vs PyTorch 0.9917**

![AX650](https://img.shields.io/badge/AX650-NPU3-blue) ![vocoder](https://img.shields.io/badge/vocoder%20corr-0.9984-brightgreen) ![full](https://img.shields.io/badge/full%20chain%20corr-0.9917-brightgreen) [![GitHub](https://img.shields.io/badge/GitHub-ZY--2012%2FAudioSR_AXERA-black)](https://github.com/ZY-2012/AudioSR.AXERA)

- GitHub: https://github.com/ZY-2012/AudioSR.AXERA
- 上游: https://github.com/haoheliu/versatile_audio_super_resolution
- 输入: 8 / 16 / 24 / 48 kHz WAV；输出: 48 kHz
- 5.12 s 输入，AudioSR DDIM-10

## 目录

- 快速开始
- 结果
- 工程结构
- 推理速度
- 数据来源
- License

## 快速开始（AX650 板端）

下载整个仓库后，在包根目录运行：

```bash
# C++（默认）
bash run_ax650.sh samples/listen/16k/speech_2_input_16k.wav output.wav

# Python SDK
bash run_ax650.sh samples/listen/16k/speech_2_input_16k.wav output.wav --python
```

输入 8 / 16 / 24 / 48 kHz，输出固定 48 kHz。C++ 二进制位于 `bin/audiosr_ax650`，模型位于 `models/`。

## 工程结构

```text
AudioSR.AXERA/
├── bin/                 # C++ 板端可执行文件
├── models/              # axmodel + DDIM 常量 + mel filter
├── python/              # Python 板端推理 SDK（axengine）
├── samples/             # 中英文示例输入 / 输出 / 频谱图
├── run_ax650.sh         # 一键 C++/Python 运行
├── configuration.json
└── requirements.txt
```

## 结果

### English 16 kHz

| 输入 | AudioSR 输出 |
|---|---|
| <audio controls style="width:220px" src="https://huggingface.co/HY-2012/AudioSR.AXERA/resolve/main/samples/listen/16k/speech_2_input_16k.wav"></audio><br><img src="samples/listen/spectrograms/speech_2_input_16k_spec.png" width="360"> | <audio controls style="width:220px" src="https://huggingface.co/HY-2012/AudioSR.AXERA/resolve/main/samples/listen/output/speech_2_output_48k.wav"></audio><br><img src="samples/listen/spectrograms/speech_2_output_48k_spec.png" width="360"> |

### English 8 kHz

| 输入 | AudioSR 输出 |
|---|---|
| <audio controls style="width:220px" src="https://huggingface.co/HY-2012/AudioSR.AXERA/resolve/main/samples/listen/8k/OSR_us_000_0010_input_8k.wav"></audio><br><img src="samples/listen/spectrograms/OSR_us_000_0010_input_8k_spec.png" width="360"> | <audio controls style="width:220px" src="https://huggingface.co/HY-2012/AudioSR.AXERA/resolve/main/samples/listen/output/OSR_us_000_0010_output_48k.wav"></audio><br><img src="samples/listen/spectrograms/OSR_us_000_0010_output_48k_spec.png" width="360"> |

### 中文 8 kHz

| 输入 | AudioSR 输出 |
|---|---|
| <audio controls style="width:220px" src="https://huggingface.co/HY-2012/AudioSR.AXERA/resolve/main/samples/listen/8k/OSR_cn_000_0072_input_8k.wav"></audio><br><img src="samples/listen/spectrograms/OSR_cn_000_0072_input_8k_spec.png" width="360"> | <audio controls style="width:220px" src="https://huggingface.co/HY-2012/AudioSR.AXERA/resolve/main/samples/listen/output/OSR_cn_000_0072_output_48k.wav"></audio><br><img src="samples/listen/spectrograms/OSR_cn_000_0072_output_48k_spec.png" width="360"> |

### 精度

| 模块 / 链路 | 板端 vs ONNX/PyTorch |
|---|---:|
| VAE encoder（NHWC） | 0.99975 |
| UNet | 0.99989 |
| VAE decoder | 0.99999 |
| vocoder 9-model chain | **0.99838** |
| full AudioSR chain | **0.99169** |

## 推理速度

5.12 s 输入、DDIM-10、AX650 NPU3：

| 运行时 | 时间 | RTF |
|---|---:|---:|
| Python SDK | ~20–22 s | ~4.0–4.3 |
| **C++** | **~7.3 s** | **~1.43** |

## 数据来源

- 上游 AudioSR：<https://github.com/haoheliu/versatile_audio_super_resolution>
- 示例英文 / 中文语音：Open Speech Repository、公开 16 kHz 人声样例
- 示例输出由本项目 AX650 SDK 生成

## License

AudioSR 上游代码与模型 checkpoint 遵循其原始许可证；本仓库的转换脚本和 SDK 以 Apache-2.0 提供。模型权重请遵循上游许可证。