TTS multivoce offline e Android-SDK su RK3588-S

Contesto del progetto e limite di pubblicazione

Il progetto riguardava la sintesi vocale offline su un dispositivo RK3588-S. Sotto Android 12 sono stati implementati arm64-v8a e i normali permessi delle app, pacchetto modello, richiamate in streaming, controlli di riproduzione, voci maschili e femminili, AAR e APK demo. I file WAV e le misurazioni provengono dal dispositivo reale. Gli identificatori di clienti e risorse sono stati rimossi; Vengono pubblicati solo i fatti verificabili tramite codice, build, log e audio.

Obiettivi di sviluppo

• Genera la lingua localmente senza una rete.
• Offri streaming PCM asincrono su un AAR di Android.
• Rendi selezionabili una voce maschile cinese e diverse voci femminili.
• Fornisci demo, guida all'integrazione, licenze, file WAV e audit trail.

Percorso di elaborazione locale

I nuovi testi possono interrompere gli ordini più vecchi attivi o in attesa. Il modello Kokoro non quantizzato viene caricato quando viene creato SDK e viene eseguito sulla CPU RK3588-S. Vengono emessi blocchi con 24 kHz, mono e little-endian PCM16. Il percorso di sintesi non utilizza un servizio TTS cloud.

1. Genera la lingua localmente senza una rete.
2. Offri streaming PCM asincrono su un AAR di Android.
3. Rendi selezionabili una voce maschile cinese e diverse voci femminili.
4. Fornisci demo, guida all'integrazione, licenze, file WAV e audit trail.

Consegna Android-SDK

L'AAR offre EyeTtsSdk, TtsOptions, TtsStreamCallback e TtsAudioData. replaceTextStreamAsync() interrompe il testo più vecchio e crea quello più recente; stopTts() interrompe e svuota la coda. L'output è PCM grezzo, non un file WAV.

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

Test della voce e del dispositivo maschile

Sul dispositivo è stata controllata la voce maschile. Il rilascio è zm_009, ID altoparlante 58, con la stessa velocità a 0,8x, 1,0x e 1,4x. Le durate sono 5.549, 4.363 e 3.086 secondi; tutti i file WAV sono PCM16 mono a 24 kHz senza clip. Le misurazioni non sostituiscono le valutazioni dell’udito.

Maschio zm_009/0,8x

Maschio zm_009 / 1.0x

Maschio zm_009/1,4x

Diverse voci femminili

SDK 0.5.1 assegna 55 voci femminili cinesi ufficiali; Nella demo su RK3588-S sono stati generati dodici candidati. zf_001 serve come riferimento. Durate diverse, valori di picco e hash escludono doppie esportazioni, ma non dimostrano la naturalezza o l'idoneità.

Femmina zf_001/1.0x

Ambiente hardware e software

Valori misurati a RK3588-S

La stessa breve frase cinese è stata misurata con quattro thread della CPU e parametro di volume SDK 1.0. First Chunk è il momento del primo PCM; RTF è il tempo di generazione diviso per la lunghezza dell'audio. Fonte: rapporto di prova Winge-RK3588-S del 5 agosto 2026. Il piccolo campione non è una garanzia.

Test e volume di fornitura

• EyeAlgo-TTS-Android-AAR e Core-AAR corrispondente.
• APK demo per voce, velocità, volume, riproduzione, arresto ed esportazione WAV.
• Inventario Kokoro e SHA-256, WAV, registri dei dispositivi, documenti di integrazione e licenze.

38 suite di test / 185 casi di test / 0 fallimenti / 0 errori / 0 saltati. Build AAR e APK superate.

Aree di applicazione

Adatto per la valutazione di avvisi su occhiali intelligenti, lettura OCR offline, dispositivi portatili industriali, allarmi di impianti, mostre e reti isolate Android. I firmware per dialoghi, testi lunghi e serie richiedono controlli propri per dimensioni, memoria, latenza, catena audio, normalizzazione del testo e stabilità.

Condizioni di integrazione

• Sono stati testati Android 12 e arm64-v8a; altri target richiedono il controllo di compatibilità.
• L'AAR non quantizzato è di circa 354 MiB, l'APK demo è di circa 360 MiB.
• Rimuovi i runtime in conflitto e imposta AudioTrack su 24000 Hz, mono, PCM16 little-endian.

Limiti e diminuzione

• Stato: CUSTOMER_TEST / NON PRODUZIONE.
• Testo lungo, stabilità di otto ore, confronto di ascolto di tutte le voci, INT8 e firma di produzione sono aperti.
• Il primo blocco P95 e RTF non soddisfano l'obiettivo originale.

Fonti tecniche pubbliche

Gli ID vocali, la configurazione Android e la frequenza di campionamento seguono la documentazione di sherpa-onnx-Kokoro. Origine e licenza seguono Kokoro-82M-v1.1-zh. I documenti a monte identificano il componente ma non costituiscono prova di accettazione.

• sherpa-onnx Kokoro multi-lungo v1.1
• Kokoro-82M-v1.1-zh

Domande frequenti

SDK funziona completamente offline?

La sintesi viene eseguita localmente senza cloud TTS. Se la distribuzione iniziale o la sincronizzazione dei dati richieda una rete dipende dall'implementazione.

La voce maschile è stata testata per RK3588-S?

Sì. zm_009 è stato generato a tre velocità; Sono stati registrati latenza, tempo, RTF e ritaglio. Sono in sospeso un testo lungo e otto ore.

Quante voci femminili cinesi esistono?

Vengono assegnati 55 nomi e vengono generati dodici candidati nella demo sul dispositivo. Non si tratta di una diminuzione soggettiva di tutti i voti.

La richiamata fornisce WAV?

No. Fornisce dati PCM16 mono grezzi a 24kHz. Viene aggiunta un'intestazione WAV per l'archiviazione.

Perché non pronto per la produzione?

Il testo lungo, tutte le voci, la stabilità di otto ore, la firma della produzione e la catena audio del cliente non sono ancora stati approvati.