v2 audio fix: RMS-norm fine_local input, zero-pad decoder bits, fix ISTFT log-mag stride; refreshed demo audio (ASR-verified)

README.md

@@ -20,6 +20,11 @@ Hojo-TTS-Light-40M 中文/英文 TTS（24kHz，15 音色）在爱芯 AX650/NPU3
 - LM 权重由 s4/W4A16 升级为 **s8**（Pulsar2 7.0 `llm_build2`），step0 logits 精度更高、长程生成更稳
 - **修复生成随机性问题**：上一版 `temperature=0.0` 被运行时钳制为 1.0，实际退化为无种子 softmax 采样，
   导致每次生成完全不同、偶发近乎静音；本版固定为 argmax 确定性生成，相同输入多次运行 token 序列完全一致
+- **修复全链路音频质量**（v2，2026-08-10）：
+  - fine_local 输入需对 LM hidden 做 RMS 归一化（axllm 输出未归一化，参考管线 RMS=1）
+  - decoder bits padding 必须全零（上一版复制末帧污染输出）
+  - decoder_sq 输出为 log-mag（[nf, 2048] 全帧布局），ISTFT 读取 stride 修正为 2048
+  - 修复后示例音频经 ASR 验证可正常转写（EN: "Hello, this is a demo."）
 - 示例音频已更新为修复版实机生成
 
 ## 内容

audio/demo_en.wav

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:efeeacc71e5076e57cca0a0f92c4b627892d6bfcdf4f10ab74bd0f1bd8940ebd
+oid sha256:eda5f665d02a1c60b08decc435301690f7a197f839657344781a9903423a6c3e
 size 122924

audio/demo_zh.wav

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:1b973311f4fb920314ff7bb3dbe8d9854e131b56dc1e321b765d083f7ee4c0a1
+oid sha256:462d6145563848b2d4a21800976a388b2fd165bd0584cdde20a41bb16be56597
 size 122924

bin/hojo_tts_cpp

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:91c59eda37aea521a8f947f7d320af4a081ed06ceb911acdca6fa7f317483d99
+oid sha256:4acf11990e5cfcbc3fd20ab5ae54827772f408050b3b604cc993efdbdab9d979
 size 1750088

models/lm_s8/post_config.json

@@ -2,10 +2,10 @@
   "enable_repetition_penalty": false,
   "repetition_penalty": 1.0,
   "penalty_window": 20,
-  "enable_temperature": true,
-  "temperature": 0.0,
+  "enable_temperature": false,
+  "temperature": 1.0,
   "enable_top_k_sampling": false,
   "top_k": 1,
   "enable_top_p_sampling": false,
   "top_p": 1.0
-}
+}