File size: 1,288 Bytes
de996a0 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 | #pragma once
#include <cstdint>
#include <string>
#include <vector>
// MOSS-Audio-Tokenizer-Nano 查表权重 (CPU 侧)。
//
// codec_quantizer_cpp.bin 布局 (小端 fp32):
// codebooks[16][1024][8]
// out_proj_w[16][8][512] (out = vec @ w^T, 即 w 的列是输出通道)
// out_proj_b[16][512]
// output_proj_w[512][768]
// output_proj_b[768]
namespace moss {
constexpr int kNumCodebooks = 16;
constexpr int kCodebookSize = 1024;
constexpr int kCodeDim = 8;
constexpr int kRvqDim = 512;
constexpr int kHiddenDim = 768;
class CodecQuantizer {
public:
// 从二进制文件加载权重。
explicit CodecQuantizer(const std::string& blob_path);
// codes: [16][T] int64 -> codes_emb: [512][T] float32
// 与 Python 端 codes_to_emb 完全一致。
void codes_to_emb(const std::vector<std::vector<int64_t>>& codes,
std::vector<std::vector<float>>& codes_emb_out) const;
int codebook_size() const { return kCodebookSize; }
private:
std::vector<float> codebooks_; // [16][1024][8]
std::vector<float> out_proj_w_; // [16][8][512]
std::vector<float> out_proj_b_; // [16][512]
std::vector<float> output_proj_w_; // [512][768]
std::vector<float> output_proj_b_; // [768]
};
} // namespace moss
|