eardoi/bigvgan-npu
Model Introduction
Files & versions
Pull Requests
Discussion
Analysis

BigVGAN v2 (22kHz 80band 256x) - 昇腾 NPU 适配模型

BigVGAN v2 是 NVIDIA 开源的神经声码器(neural vocoder),将 mel 频谱转换为语音波形, 适用于 TTS 系统后端。本仓库为 华为昇腾 NPU(Ascend 910B 系列)推理适配版, 支持 npu:0 一键推理,NPU 不可用时自动回退 CPU。

模型简介

项目说明
模型nvidia/bigvgan_v2_22khz_80band_256x
架构BigVGAN(anti-aliased periodic activation + AMPBlock)
规模112.2 M 参数(FP32)
输入mel 频谱 (B, 80, T)
输出22.05kHz 语音波形
任务神经声码器(mel → waveform)
论文BigVGAN: A Universal Neural Vocoder with Large-Scale Training
原始仓库NVIDIA/BigVGAN
LicenseMIT

环境要求

项目要求
硬件Ascend 910B 系列(≥1 卡,本仓库基于 910B4 验证)
CANN≥ 8.0
Python3.10 – 3.11
torch / torch_npu2.9.0 / 2.9.0.post2
依赖库bigvgan(仓库自带 bigvgan.py)

环境准备

# 1. 创建独立 venv
python3 -m venv /workspace/lerobot_env
source /workspace/lerobot_env/bin/activate

# 2. 安装 torch / torch_npu(华为镜像)
pip install torch==2.9.0 torchvision==0.24.0 torch_npu==2.9.0.post2 \
    -i https://repo.huaweicloud.com/repository/pypi/simple/

# 3. 验证 NPU
source /usr/local/Ascend/ascend-toolkit/set_env.sh
python3 -c "import torch, torch_npu; print(torch.npu.device_count(), torch.npu.get_device_name(0))"
# 预期: 1 Ascend910B4

模型权重

注意:为减小仓库体积,本仓库不包含模型权重文件(bigvgan_generator.pt 约 429MB)。

权重请从以下镜像获取(与原模型完全一致):

git clone --depth 1 https://gitcode.com/hf_mirrors/nvidia/bigvgan_v2_22khz_80band_256x.git model_src
# model_src 含: bigvgan_generator.pt / config.json / bigvgan.py

推理

用法

python3 inference.py --device npu [--model_path ./model_src]
python3 inference.py --device cpu

实测输出(昇腾 910B4)

$ python3 inference.py --device npu
[info] device = npu:0
[info] model arch     : BigVGAN (neural vocoder)
[info] sampling_rate  : 22050 Hz, num_mels: 80, hop_size: 256
      参数: 112.2 M
[info] input mel      : (1, 80, 128) (128 frames)
[info] 模型前向 vocode (device=npu) ...
[info] inference done : 436.7 ms on npu
[info] waveform       : (1, 32768)
[info] 波形幅度       : min=-1.0000 max=1.0000 rms=0.5131
[info] 设备确认       : npu:0
[PASS] bigvgan NPU inference OK

验证结果

指标结果
推理设备npu:0 (Ascend910B4)
参数量112.2 M (FP32)
输入mel (1, 80, 128)
输出波形 (1, 32768) @ 22.05kHz
推理耗时436.7 ms
状态[PASS] NPU inference OK

适配说明

  • 模型为 NVIDIA 开源实现(bigvgan.py,含 BigVGAN.from_pretrained), 代码无 CUDA 特有 API,直接 .npu() 迁移即可。
  • huggingface_hub 兼容修复:新版 hub_mixin 调用 _from_pretrained 时不再传 proxies/resume_download 参数,已为这两个参数添加默认值(None/False)。
  • 推理时 use_cuda_kernel=False(NPU 无 CUDA kernel,用 torch 原生激活)。

目录结构

.
├── inference.py              # NPU 推理脚本
├── config.json               # 模型超参
├── bigvgan_generator.pt      # 生成器权重(约 429MB,本仓库不含)
├── bigvgan.py / activations.py 等  # 模型实现
├── assets/                   # 截图素材
└── README.md                 # 本模型卡片

模型权重(bigvgan_generator.pt)不在本仓库内,获取方式见「模型权重」一节。