e42e8f8464
Chantier Option C : embarquer le speaker encoder Qwen3-TTS dans Kazeia-Engine
pour permettre le clonage vocal depuis n'importe quel WAV (5-10s) en
tout-tablette sans étape Python offline.
SE.1 Audit : speaker_encoder_weights.pt = ECAPA-TDNN classique
- 76 tenseurs, 8.85M params (33.8 MB f32 -> 17 MB f16)
- blocks.0 Conv1d(128->512 k=5) -> 3x SE-Res2Net (tdnn1+res2net+tdnn2+se)
-> MFA concat(1536) -> ASP(stats pooling) -> FC(3072->1024)
- Toutes ops supportées par ggml-cpu (Conv1d via im2col+matmul)
SE.2 Convert : dist/scripts/convert_speaker_encoder_to_gguf.py
produit speaker_encoder.gguf (17 MB f16) + metadata mel config :
n_mels=128, sr=24000, n_fft=1024, hop=256, win=1024, fmin=0, fmax=12000
(bit-exact qwen_tts.core.models.modeling_qwen3_tts.mel_spectrogram)
SE.3 partiel : dist/jni/speaker_encoder.cpp + build_speaker_encoder.sh
POC bout-en-bout sur tablette :
WAV damien_5s (24kHz mono, 120k samples = 5s)
-> mel 128 x 468 frames (FFT radix-2 + Hann + reflect pad + librosa basis)
-> GGUF loaded (76 tensors)
-> [TODO session suivante : forward ECAPA-TDNN complet, ~300-400 lignes]
-> stub x_vector[1024] zeros écrit pour valider l'I/O
Binaire : 53 KB statique, dépend juste de libggml dynamic.
mel_basis librosa pré-calculé (24kHz/128 mel/0-12000Hz) dumpé en
dist/models/mel_basis_qwen3tts.bin (262 KB f32 [128,513]) pour
reproduire à l'identique torch.stft + librosa filter_bank.
À faire next session :
- Valider mel C++ bit-exact vs torch.stft Python (sanity)
- Implémenter forward ECAPA-TDNN : ggml_conv_1d, SE block (squeeze/excite),
ASP (Attentive Statistics Pooling = stats globaux + tdnn attention),
FC final.
- Bit-match damien_xvector.bin référence Python.
- JNI bridge + Kotlin cloneVoice(refWavPath): FloatArray
Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
|
||
|---|---|---|
| .. | ||
| decoder_patches | ||
| include | ||
| jni | ||
| lib | ||
| scripts | ||
| CMakeLists.txt | ||
| HANDOFF.md | ||
| INTEGRATION.md | ||
| MODELS.md | ||
| PERF.md | ||
| PERF_ANALYSIS.md | ||
| PERF_CPU_OPTIMS.md | ||
| PERF_INFRA_TESTS.md | ||
| PERF_VULKAN_TESTS.md | ||
| PITFALLS.md | ||
| README.md | ||
| STATUS.md | ||
| TTS.md | ||
| build_decoder_subproc.sh | ||
| build_ggml_vulkan.sh | ||
| build_kazeia_tts.sh | ||
| build_speaker_encoder.sh | ||
| build_test_engine_2calls.sh | ||
| build_test_tokenizer.sh | ||
| build_tts_pipeline.sh | ||
| build_tts_pipeline_chraac.sh | ||
| llama-cli | ||
| package.sh | ||
| system_fr.txt | ||
| test_native | ||
README.md
⚠ Source de vérité à jour = HANDOFF.md (26/05). Modèle tranché =
q35-lmq4(Qwen3.5-4B), 9B écarté. Les mentions de 9B/cascade ci-dessous sont historiques.
Kazeia-Engine — intégration kazeia-android
Moteur LLM (+ TTS) GGUF, sans .pte, fork llama.cpp upstream + backend Hexagon.
Remplace ExecuTorch/Genie pour le LLM. STT reste ORT-QAIRT (inchangé). Prefill NPU /
decode CPU. Modèle dense (Qwen3) plein NPU ; hybride (Qwen3.5 DDDA) GDN sur NPU corrigé.
0. Périmètre
| Brique | Avant | Après |
|---|---|---|
| LLM Speaker/Thinker | ExecuTorch .pte |
Kazeia-Engine GGUF |
| TTS Talker/CP | ggml-cpu | engine (Talker prefill HTP option.) |
| TTS Decoder | libtts_decoder_ggml | inchangé |
| STT Whisper | ORT-QAIRT | inchangé |
1. Contenu du paquet
lib/:libkazeia_engine.so(bridge JNI) +libllama.so+libggml{,-base,-cpu,-hexagon}.so+libggml-htp-v68/69/73/75/79/81.so(sélection auto = V79 sur Pad3). 168 MB.jni/:kazeia_engine_jni.cpp,EngineLlmEngine.kt.include/,CMakeLists.txt.INTEGRATION.md(steps),TTS.md,MODELS.md,PERF.md,PITFALLS.md.
2. Build (5 étapes)
lib/*.so→kazeia-android/app/src/main/jniLibs/arm64-v8a/jni/kazeia_engine_jni.cpp→app/src/main/jni/,include/*.hà côtéEngineLlmEngine.kt→com/kazeia/llm/,System.loadLibrary("kazeia_engine")- CMake: lib avec libllama+libggml+libggml-base,
-march=armv8.6-a+dotprod+fp16+i8mm+bf16 - GGUF → external storage, paths via
KazeiaApplication.LLM_DIR
3. Cascade — remplace LlmProcessor cascade
Thinker Guard-4B → 4 bullets ; Speaker 9B = SYS_KAZEIA+bullets. Mono-moteur, reset() entre tours. Prompts: voir RAPPORT_KAZEIA §8. --reasoning-budget 0 impératif (sinon ramble anglais) : EngineLlmEngine met thinking off. Mesuré: 9B>4B qualité, Speaker=9B.
→ MODELS.md (choix), PERF.md (chiffres), PITFALLS.md (params_fit, no tty, OOM 30B+), INTEGRATION.md (détail API). API: load/generate/reset/free.
VALIDÉ DEVICE 24/05
test_native (=logique generate bridge) sur Pad3: load 4B HTP+decode CPU+detok = OUT propre, exit0. Pipeline prefill-NPU/decode-CPU prouve end-to-end. dist/jni/test_native.cpp = harness reproductible. Bridge so: 4 symboles JNI + deps ok. Reste app: gradle+jniLibs+template chat.
v2 STATIC (collision libllama TTS resolue)
TTS Talker/CP linke vs son libllama.so -> conflit ABI. FIX: libkazeia_engine.so STATIC (llama+ggml+ggml-cpu+hexagon en .a, --whole-archive hexagon). NEEDED= libm/log/dl/c only, 42MB. Coexiste avec libllama TTS. Drop: libkazeia_engine.so + libggml-htp-v79.so. Valide device 4B HTP. Build: bstatic BUILD_SHARED_LIBS=OFF.
v3 utilisable: thinking-off bridge
generate(sys,usr,max): wrap ChatML + vide = stop reasoning, decode 4B 15tok/s ~5s/tour. test 4B: "Je suis desole..." 40s(load)+gen. signature 2-arg. cap maxTok 64. dist=libkazeia_engine.so static + htp-v79. #277 fix livre.
v4 USABLE: ngl0 CPU decode (vrai fix #277)
Hang in-app=0.21tok/s: ngl99 -> decode ping-pong NPU/GDN-CPU. FIX: n_gpu_layers=0 decode CPU pur 14tok/s. test 4B: reponse FR 4s/tour. dev avait raison: pas thinking. cap64 garde. Speaker=4B CPU ngl0. RAM 4.5G. dist=libkazeia_engine.so. utilisable, #277 debloque.