---
license: apache-2.0
pipeline_tag: audio-to-audio
tags:
- axmodel
- axera
- gcrn
- speech-enhancement
---
# GCRN 语音增强（AX650 NPU3）

GCRN（Graph Convolutional Recurrent Network）单声道语音增强模型，输入 16 kHz 噪声语音，
输出同长增强语音。本包为 AX650 / NPU3 量化部署版：

- 精度：AXMODEL 与 ONNX 参考余弦相似度 **0.9992**（增强波形余弦 0.9997）
- 速度：AX650 板端 **RTF 0.029**（9.77 秒音频约 0.28 秒处理完）
- 大小：AXMODEL **27.6 MB**（ONNX 38 MB）

## 快速开始（两步）

### 1. 安装环境

```bash
bash setup.sh
```

### 2. 跑推理

```bash
bash run.sh
```

脚本会自动选择后端：板端（有 axengine）跑 NPU 模型，普通电脑自动用 ONNX 模型演示。
输出为 `enhanced.wav`，增强前后的对比音频可以自己听一下。

## 目录说明

| 目录 | 用途 |
|------|------|
| `models/` | AXMODEL 模型 + `model_meta.json` |
| `python/` | Python SDK（axengine / onnxruntime 双后端）|
| `cpp/` | C++ SDK（AX Engine runtime，aarch64 交叉编译）|
| `model_convert/` | 导出、校准、Pulsar2 编译全套可复现脚本 |
| `reports/` | 导出/编译/仿真/板端验证报告 |
| `test_audio/` | 自带 9.77 秒测试音频 |

## 在自己的代码里用

```python
from gcrn_sdk import GCRNDenoiser

denoiser = GCRNDenoiser("models/model.axmodel")
report = denoiser.enhance_file("test_audio/mix.wav", "enhanced.wav")
print(report)  # 含 RTF 等性能指标
```

## 常见问题

**Q: import 报错找不到 axengine？**
A: 说明当前不在 AX 板端。代码会自动用 ONNX 模型演示；要在 NPU 上跑，需在 AX650 板端
安装匹配的 axengine wheel（见 `setup.sh` 输出提示）。

**Q: 想自己重新编译 AXMODEL？**
A: 进入 `model_convert/` 按 README 操作，Pulsar2 会从 ONNX 重新量化编译。
原始编译使用 Docker 镜像 `pulsar2:7.0-lite`，配置为 NPU3 + U16 高精度模式。

**Q: 输入音频有什么要求？**
A: 16 kHz、单声道、16-bit PCM WAV；更长音频会自动按 4 秒分块处理并拼接。