تحويل النص إلى كلام دون اتصال متعدد الأصوات وAndroid SDK على RK3588-S

سياق المشروع وحدود النشر

يعالج المشروع تحويل النص إلى كلام دون اتصال على جهاز RK3588-S. تم تنفيذ حزم النموذج واستدعاءات التدفق والتحكم بالتشغيل والصوت الرجالي وأصوات نسائية متعددة وAAR وDemo APK على Android 12 وarm64-v8a بصلاحيات عادية. أُنتجت ملفات WAV والقياسات على الجهاز الفعلي. حُذفت أسماء العميل والأصول، ولا تُنشر إلا الحقائق القابلة للتحقق من الشفرة والبناء والسجلات والصوت.

الأهداف الهندسية

توليد الكلام محليا دون شبكة.
توفير تدفق PCM غير متزامن عبر Android AAR.
إتاحة صوت صيني رجالي وأصوات نسائية متعددة.
تسليم Demo ودليل الدمج والتراخيص وWAV وسجلات الاختبار.

مسار المعالجة على الجهاز

يمكن للنص الجديد إيقاف طلب أقدم نشط أو في الانتظار. يُحمّل نموذج Kokoro غير المكمم عند إنشاء SDK ويعمل على CPU ‏RK3588-S. الخرج كتل 24 كيلوهرتز أحادية PCM16 little-endian. لا يستدعي المسار خدمة TTS سحابية.

توليد الكلام محليا دون شبكة.
توفير تدفق PCM غير متزامن عبر Android AAR.
إتاحة صوت صيني رجالي وأصوات نسائية متعددة.
تسليم Demo ودليل الدمج والتراخيص وWAV وسجلات الاختبار.

تسليم Android SDK

توفر AAR واجهات EyeTtsSdk وTtsOptions وTtsStreamCallback وTtsAudioData. توقف replaceTextStreamAsync() النص الأقدم وتولد الأحدث، وتوقف stopTts() التوليد وتمسح الانتظار. الخرج PCM خام وليس WAV.

TtsOptions options = new TtsOptions("zm_009", 1.0f, 1.0f);
tts.replaceTextStreamAsync(text, options, callback);
// callback.onAudioChunk(... TtsAudioData audio)

الصوت الرجالي واختبار الجهاز

اختُبر الصوت الرجالي على الجهاز. الصوت المنشور هو zm_009 ورقم المتحدث 58، بالجملة نفسها بسرعات 0.8x و1.0x و1.4x. المدد 5.549 و4.363 و3.086 ثانية؛ جميع WAV ‏24 كيلوهرتز أحادية PCM16 دون clipping. القياسات لا تستبدل التقييم السمعي.

Male zm_009 / 0.8x

Male zm_009 / 1.0x

Male zm_009 / 1.4x

أصوات نسائية متعددة

يربط SDK 0.5.1 أسماء 55 صوتا نسائيا صينيا رسميا، وأنشأ Demo ‏12 مرشحا على RK3588-S. يمثل zf_001 خط الأساس العام. اختلاف المدة والذروة وhash يستبعد التصدير المكرر ولا يثبت الطبيعية أو الملاءمة.

Female zf_001 / 1.0x

بيئة العتاد والبرمجيات

البند	القيمة
SoC	RK3588-S
OS	Android 12
ABI	arm64-v8a
Model	Kokoro multi-lang v1.1, non-quantized
Runtime	sherpa-onnx 1.13.4, CPU, 4 threads
Output	24000 Hz, mono, PCM16 little-endian

نتائج القياس على RK3588-S

الصوت / السرعة	أول PCM	الإجمالي	الصوت	RTF
Female zf_001 / 1.0x	1572 ms	4387 ms	4.241 s	1.034
Male zm_009 / 0.8x	1923 ms	5534 ms	5.549 s	0.997
Male zm_009 / 1.0x	1545 ms	4396 ms	4.363 s	1.008
Male zm_009 / 1.4x	1133 ms	3201 ms	3.086 s	1.038

قيس النص الصيني القصير نفسه بأربع خيوط CPU ومعامل حجم SDK ‏1.0. First chunk هو الوقت حتى أول PCM، وRTF هو زمن التوليد مقسوما على مدة الصوت. المصدر: سجل اختبار Winge RK3588-S بتاريخ 2026-08-05. العينة الصغيرة لا تضمن كل النصوص.

الاختبارات والمخرجات

حزمة EyeAlgo TTS Android AAR وحزمة Core AAR المطابقة.
Demo APK للصوت والسرعة والحجم والتشغيل والإيقاف وتصدير WAV.
قائمة Kokoro وSHA-256 وعينات WAV وسجلات الجهاز ودليل الدمج والتراخيص.

38 test suites / 185 test cases / 0 failures / 0 errors / 0 skipped. AAR and APK builds passed.

سيناريوهات الاستخدام

يمكن تقييمه للنظارات الذكية وقراءة OCR دون اتصال والأجهزة الصناعية والإنذارات وشاشات العرض وأجهزة Android في الشبكات المغلقة. الحوار والنص الطويل وبرامج الإنتاج تحتاج اختبارات مستقلة للحجم والذاكرة والتأخير ومسار الصوت والتطبيع والثبات.

شروط الدمج

الهدف المختبر Android 12 وarm64-v8a، وتحتاج الأهداف الأخرى تحققا.
حجم AAR غير المكمم نحو 354 MiB وDemo APK نحو 360 MiB.
تزال المكتبات المتعارضة ويضبط AudioTrack على 24000 هرتز وأحادي وPCM16 little-endian.

الحدود والقبول

الحالة CUSTOMER_TEST / NOT PRODUCTION.
لم تكتمل النصوص الطويلة وثماني ساعات وتقييم كل الأصوات وINT8 وتوقيع الإنتاج.
لم يحقق First-chunk P95 وRTF الهدف الأصلي.

المراجع التقنية العامة

تتبع معرفات الأصوات وإعداد Android ومعدل العينة وثائق Kokoro من sherpa-onnx، ويتبع المصدر والترخيص صفحة Kokoro-82M-v1.1-zh. تحدد وثائق المصدر المكون ولا تعد دليل قبول للمشروع.

الأسئلة الشائعة

هل يعمل SDK دون اتصال بالكامل؟

يعمل التوليد محليا ولا يستدعي TTS سحابيا. تعتمد حاجة التوزيع الأولي أو المزامنة إلى الشبكة على تصميم النشر.

هل اختُبر الصوت الرجالي على RK3588-S؟

نعم. تم توليد zm_009 بثلاث سرعات وتسجيل التأخير والوقت وRTF وclipping. لم يكتمل النص الطويل واختبار الثماني ساعات.

كم صوتا نسائيا صينيا يدعم؟

يربط SDK ‏55 اسما وأنشأ Demo ‏12 مرشحا على الجهاز. هذا لا يعني قبول جودة جميع الأصوات.

هل يعيد callback ملف WAV؟

لا. يعيد PCM16 خاما أحادي القناة 24 كيلوهرتز، وتضاف ترويسة WAV عند الحفظ.

لماذا لا يوصف بأنه جاهز للإنتاج؟

لأن النص الطويل وكل الأصوات وثبات ثماني ساعات وتوقيع الإنتاج ومسار صوت العميل لم تكتمل.