RK3588-S'de çevrimdışı çok sesli TTS ve Android-SDK

Proje içeriği ve yayın sınırı

Proje, RK3588-S cihazında çevrimdışı metin-konuşmayı ele alıyordu. Android 12 altında arm64-v8a ve normal uygulama izinleri, model paketi, akış geri aramaları, oynatma kontrolleri, erkek ve kadın sesleri, AAR ve demo APK uygulandı. WAV dosyaları ve ölçümleri gerçek cihazdan gelir. Müşteri ve varlık tanımlayıcıları kaldırıldı; Yalnızca kod, derlemeler, günlükler ve ses yoluyla doğrulanabilen gerçekler yayınlanır.

Kalkınma hedefleri

• Dili ağ olmadan yerel olarak oluşturun.
• Android AAR üzerinden eşzamansız PCM akışı sunun.
• Bir Çinli erkek sesinin ve birkaç kadın sesinin seçilebilir olmasını sağlayın.
• Demo, entegrasyon kılavuzu, lisanslar, WAV dosyaları ve denetim izleri sunun.

Yerel işleme yolu

Yeni metinler aktif veya bekleyen eski siparişleri durdurabilir. Ölçülmemiş Kokoro modeli, SDK oluşturulduğunda yüklenir ve RK3588-S CPU'da çalışır. 24 kHz, mono ve PCM16 little-endian'lı blokların çıkışı sağlanır. Sentez yolu bir bulut TTS hizmetini kullanmaz.

1. Dili ağ olmadan yerel olarak oluşturun.
2. Android AAR üzerinden eşzamansız PCM akışı sunun.
3. Bir Çinli erkek sesinin ve birkaç kadın sesinin seçilebilir olmasını sağlayın.
4. Demo, entegrasyon kılavuzu, lisanslar, WAV dosyaları ve denetim izleri sunun.

Android-SDK teslimat

AAR, EyeTtsSdk, TtsOptions, TtsStreamCallback ve TtsAudioData'yı sunar. changeTextStreamAsync() eski metni durdurur ve en yenisini oluşturur; stopTts() durur ve kuyruğu boşaltır. Çıktı bir WAV dosyası değil, ham PCM'dir.

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

Erkek sesi ve cihaz testi

Cihazda erkek sesi kontrol edildi. 0,8x, 1,0x ve 1,4x'te aynı oranda zm_009, hoparlör kimliği 58 yayınlandı. Süreler 5,549, 4,363 ve 3,086 saniyedir; tüm WAV dosyaları 24 kHz mono PCM16'dır ve kırpma yoktur. Ölçümler işitme değerlendirmelerinin yerini almaz.

Erkek zm_009 / 0,8x

Erkek zm_009 / 1.0x

Erkek zm_009 / 1,4x

Birkaç kadın sesi

SDK 0.5.1'de 55 resmi Çinli kadın sesi atanır; RK3588-S demosunda on iki aday oluşturuldu. zf_001 referans görevi görür. Farklı süreler, tepe değerler ve karmalar çifte ihracatı hariç tutar ancak doğallığı veya uygunluğu kanıtlamaz.

Dişi zf_001 / 1.0x

Donanım ve yazılım ortamı

RK3588-S'de ölçülen değerler

Aynı kısa Çince cümle dört CPU iş parçacığı ve SDK hacim parametresi 1.0 ile ölçülmüştür. İlk Parça, ilk PCM'nin zamanıdır; RTF, oluşturma süresinin ses uzunluğuna bölünmesiyle elde edilir. Kaynak: 5 Ağustos 2026 tarihli Winge-RK3588-S test raporu. Küçük numune bir garanti değildir.

Testler ve teslimat kapsamı

• EyeAlgo-TTS-Android-AAR ve eşleşen Core-AAR.
• Ses, oran, ses seviyesi, oynatma, durdurma ve WAV dışa aktarımı için Demo APK.
• Kokoro envanteri ve SHA-256, WAV'lar, cihaz günlükleri, entegrasyon belgeleri ve lisanslar.

38 test paketi / 185 test senaryosu / 0 başarısızlık / 0 hata / 0 atlandı. AAR ve APK derlemeleri başarılı oldu.

Uygulama alanları

Akıllı gözlük bildirimleri, çevrimdışı OCR okuma, endüstriyel el cihazları, tesis alarmları, sergiler ve izole edilmiş Android ağları için değerlendirmeye uygundur. Diyalog, uzun metin ve seri yazılımlar, boyut, bellek, gecikme, ses zinciri, metin normalleştirme ve kararlılık açısından kendi kontrollerini gerektirir.

Entegrasyon koşulları

• Test edilenler Android 12 ve arm64-v8a idi; diğer hedefler uyumluluk kontrolü gerektirir.
• Ölçülmemiş AAR yaklaşık 354 MiB, demo APK ise yaklaşık 360 MiB'dir.
• Çakışan çalışma zamanlarını kaldırın ve AudioTrack'i 24000 Hz, mono, PCM16 little-endian'a ayarlayın.

Sınırlar ve azalma

• Durum: CUSTOMER_TEST / ÜRETİM DEĞİL.
• Uzun metin, sekiz saatlik stabilite, tüm seslerin dinleme karşılaştırması, INT8 ve prodüksiyon imzası açıktır.
• İlk parça P95 ve RTF orijinal hedefi karşılamıyor.

Kamu teknik kaynakları

Ses kimlikleri, Android yapılandırması ve örnekleme hızı sherpa-onnx-Kokoro belgelerine uygundur. Menşei ve lisansı Kokoro-82M-v1.1-zh'yi takip ediyor. Yukarı akış belgeleri bileşeni tanımlar ancak kabul kanıtı değildir.

• sherpa-onnx Kokoro çok uzun v1.1
• Kokoro-82M-v1.1-zh

Sık sorulan sorular

SDK tamamen çevrimdışı çalışıyor mu?

Sentez, bulut TTS olmadan yerel olarak çalışır. İlk dağıtımın veya veri senkronizasyonunun bir ağ gerektirip gerektirmediği, kullanıma sunulmasına bağlıdır.

Erkek sesi RK3588-S açısından test edildi mi?

Evet. zm_009 üç hızda üretildi; Gecikme, zaman, RTF ve kırpma günlüğe kaydedildi. Uzun metin ve sekiz saat beklemede.

Kaç tane Çinli kadın sesi var?

Cihazdaki demoda 55 isim atanır ve on iki aday oluşturulur. Bu, tüm oyların subjektif bir azalması değil.

Geri arama WAV sağlıyor mu?

Hayır. Ham 24kHz mono PCM16 verilerini sunar. Depolama için bir WAV başlığı eklenir.

Neden üretime hazır değilsiniz?

Uzun metin, tüm sesler, sekiz saatlik kararlılık, yapım imzası ve müşteri ses zinciri henüz onaylanmadı.