docs: simplify customer README and align runtime package

Publish the customer-facing README and synchronized standard package from MOSS-TTS-Nano.AXERA_HUG.

README.md

@@ -8,197 +8,97 @@ tags:
 license: apache-2.0
 ---
 
-# MOSS-TTS-Nano.AXERA_HUG
+# MOSS-TTS-Nano.AXERA
 
-AX650 量化模型和板端推理包。该仓库只发布量化 `.axmodel`、质量路径所需的 decode
-ONNX、最小 Python 推理代码、AX650 AArch64 可执行文件及 ONNX Runtime 运行库，不包含
-C++ 源码或浮点 checkpoint。
+MOSS-TTS-Nano 的 AX650 板端推理包，包含量化 AXModel、默认质量路径 ONNX、Python 推理
+脚本和已经编译好的 C++ 程序。
 
-源码、模型导出、校准和 Pulsar2 量化工程见：
+源码和模型转换工程：
 
-```text
-https://github.com/AXERA-TECH/Moss-TTS-Nano.AXERA
-```
-
-## 发布内容
-
-```text
-models/axmodels_650/
-├── tts_prefill.axmodel
-├── tts_decode_step.axmodel              # 量化模型，诊断/低延迟实验用
-├── tts_local_fixed_sampled_frame.axmodel
-└── codec_decode.axmodel
-
-models/onnxmodels/
-├── moss_tts_decode_step.onnx             # 默认质量路径：static320 FP32
-├── moss_tts_decode_step.data
-└── candidates/
-    ├── default_512_fp32/                 # 原始 512-KV FP32 备份
-    ├── static320_fp32/                   # 默认模型的来源副本
-    └── static320_int8_qdq/               # 可选速度候选，静态 KV=320
-
-bin/moss_tts_ax650/
-├── moss_tts_ax650
-├── libonnxruntime.so.1.23.2
-└── libonnxruntime_providers_shared.so
-```
-
-## 推荐质量路径
-
-```text
-tts_prefill.axmodel
-→ tts_local_fixed_sampled_frame.axmodel
-→ moss_tts_decode_step.onnx（ONNX Runtime CPU）
-→ codec_decode.axmodel
-```
-
-这是当前默认的质量和速度平衡路径。它使用 static320 FP32 decode ONNX，板端多句测试中
-与原始 512-KV FP32 路径生成的 Token 和 WAV 完全一致。稳态结果：
-
-```text
-Total RTF:       1.10–1.13
-Generation RTF:  1.01–1.04
-Decode:          69–70 ms/frame
-```
-
-以上数值来自板端空闲、关闭其他 NPU/CPU 服务后的多句稳态测试；单句冷启动或板端同时运行
-`axllm serve` 等任务时，ONNX CPU decode 会受到资源争用影响，RTF 可能显著升高。模型加载
-时间不计入 RTF，但首帧运行时初始化和系统负载仍会影响实测值。
-
-模型加载时间不计入 RTF。默认 static320 路径要求：
+<https://github.com/AXERA-TECH/Moss-TTS-Nano.AXERA>
 
-```text
-实际 prefill 长度 + max_new_frames <= 320
-```
-
-当前脚本默认 `max_new_frames=110`、decode warmup 为 32 帧；长文本请按标点分段。全 AXModel 路径速度约 `RTF 0.44–0.48`，但长句存在提前停止
-或尾部噪音风险，因此仅保留为诊断选项。
-
-## 可选速度候选：static320 INT8 QDQ
-
-`models/onnxmodels/candidates/static320_int8_qdq/` 是经过主机和板端测试的 ONNX Runtime
-INT8 候选，只量化常量权重 Linear，注意力、LayerNorm、Softmax 和 KV 保持 FP32。它的静态
-KV 容量为 320，必须满足：
-
-```text
-实际 prefill 长度 + max_new_frames <= 320
-```
-
-板端多句测试在一次模型已缓存、32 帧 decode warmup 的运行中得到：
-
-```text
-Total RTF：0.8462
-Generation RTF：0.7547
-```
-
-这是最佳观测值，不是空闲/繁忙状态下都能保证的固定值；同一板端后台服务运行时曾测得
-`RTF 1.8502`，并出现过 AXEngine 句柄资源不足。因此候选只作为实验速度路径，默认发布
-路径仍保持 FP32 ONNX。它的 Token 流与默认 FP32 质量路径也不是逐 token 一致，使用前必须
-在目标板端试听确认。示例：
-
-```bash
-bash run_ax650.sh \
-  --text "你好，今天是美好的一天。" \
-  --decode-backend onnx \
-  --decode-onnx models/onnxmodels/candidates/static320_int8_qdq/moss_tts_decode_step.onnx \
-  --max-new-frames 110 \
-  --decode-warmup-frames 32 \
-  --output-wav outputs/static320_int8_qdq.wav
-```
+## 1. 安装 Python 依赖
 
-原始 512-KV FP32 模型保存在 `models/onnxmodels/candidates/default_512_fp32/`，仅用于
-回归对比。若需使用原始路径：
+板端需要匹配 AX650 的 `axengine/pyaxengine`，并安装：
 
 ```bash
-bash run_ax650.sh \
-  --text "你好，今天是美好的一天。" \
-  --decode-backend onnx \
-  --decode-onnx models/onnxmodels/candidates/default_512_fp32/moss_tts_decode_step.onnx \
-  --max-new-frames 128 \
-  --decode-warmup-frames 32 \
-  --output-wav outputs/default_512_fp32.wav
+python3 -m pip install -r requirements.txt
+python3 -c "import axengine, numpy, sentencepiece; print('runtime OK')"
 ```
 
-## Python 推理
+如果只使用 C++ 程序，可以跳过 Python 依赖安装。
 
-板端安装 Python 依赖和匹配的 `pyaxengine/axengine`：
+## 2. Python 推理
 
-```bash
-python3 -m pip install -r requirements.txt
-python3 -c "import axengine, numpy, sentencepiece; print('Python runtime OK')"
-```
-
-运行 Python 参考链路：
+在本目录执行：
 
 ```bash
 python3 python/infer_moss_tts.py \
   --config-dir config \
   --axmodel-dir models/axmodels_650 \
   --onnx-dir models/onnxmodels \
-  --text "明天上午九点，我们一起去公园散步，然后喝一杯热咖啡。" \
+  --text "你好，今天是美好的一天。" \
   --voice Junhao \
   --sample-mode fixed \
-  --local-fixed-backend axmodel \
   --prefill-backend axmodel \
+  --local-fixed-backend axmodel \
   --decode-backend onnx \
-  --output-audio-path outputs/python_decode_onnx.wav
+  --output-audio-path outputs/python.wav
 ```
 
-若要在 Python 中测试全 AXModel 诊断路径：
-
-```bash
-python3 python/infer_moss_tts.py \
-  --config-dir config --axmodel-dir models/axmodels_650 \
-  --onnx-dir models/onnxmodels \
-  --text "你好，今天是美好的一天。" --voice Junhao \
-  --decode-backend axmodel \
-  --output-audio-path outputs/python_all_axmodel.wav
-```
+支持内置音色，例如 `Junhao`、`Zhiming`、`Weiguo`、`Xiaoyu`、`Yuewen`、`Lingyu`、
+`Ava`、`Bella`、`Adam`、`Nathan`、`Soyo`、`Saki`、`Mortis`、`Umiri`、`Mei`、`Anon`、
+`Arisa` 和 `Trump`。
 
-## C++ AX650 推理
+## 3. C++ AX650 推理（推荐）
 
-`bin/moss_tts_ax650/moss_tts_ax650` 已交叉编译，无需在板端编译。运行库位于同目录，
-脚本会自动设置 `LD_LIBRARY_PATH`：
+程序已经编译好，不需要在板端编译：
 
 ```bash
 bash run_ax650.sh \
-  --text "明天上午九点，我们一起去公园散步，然后喝一杯热咖啡。" \
+  --text "你好，今天是美好的一天。" \
   --voice Junhao \
-  --decode-backend onnx \
-  --output-wav outputs/cpp_decode_onnx.wav \
-  --output-log outputs/cpp_decode_onnx.log
+  --output-wav outputs/moss_tts.wav \
+  --output-log outputs/moss_tts.log
 ```
 
-只用于诊断量化 AXModel：
+脚本默认使用以下链路：
 
-```bash
-bash run_ax650.sh \
-  --text "你好，今天是美好的一天。" \
-  --decode-backend axmodel \
-  --output-wav outputs/cpp_all_axmodel.wav
+```text
+tts_prefill.axmodel
+→ tts_local_fixed_sampled_frame.axmodel
+→ models/onnxmodels/moss_tts_decode_step.onnx（static320 FP32，CPU）
+→ codec_decode.axmodel
 ```
 
-直接运行二进制时，必须从包根目录执行：
+默认参数为 `max_new_frames=110`、decode warmup 32 帧。static320 模型要求：
 
-```bash
-export LD_LIBRARY_PATH="$PWD/bin/moss_tts_ax650:${LD_LIBRARY_PATH:-}"
-./bin/moss_tts_ax650/moss_tts_ax650 --help
+```text
+实际 prefill 长度 + max_new_frames <= 320
 ```
 
-## 工具链说明
+长文本请按标点分段或降低 `--max-new-frames`。默认质量路径已在多句测试中与原始 512-KV
+FP32 路径产生一致的 Token/WAV，稳态 RTF 约 `1.10–1.13`。
 
-源码仓库记录的本机工具链路径为：
+程序加载时间不计入 RTF。板端同时运行其他 NPU/CPU 任务时，RTF 会升高。
 
-```text
-GCC：/data/shared/huyuan/toolchains/gcc-arm-9.2-2019.12-x86_64-aarch64-none-linux-gnu
-AX650 BSP：/data/shared/huyuan/toolchains/ax650n_bsp_sdk/msp/out
-```
+## 4. 可选模型
 
-这些工具链不上传到 Hugging Face。C++ 源码和交叉编译方法见配套 GitHub 仓库。
+`models/onnxmodels/candidates/static320_int8_qdq/` 是速度实验模型，最佳观测 RTF 约
+`0.85`，但 Token 可能与默认 FP32 路径不同，使用前请先试听。原始 512-KV FP32 模型位于
+`models/onnxmodels/candidates/default_512_fp32/`，仅用于回归对比。
 
-## 完整性检查
+全 AXModel 的 `tts_decode_step.axmodel` 仅用于诊断；长句可能提前停止或出现尾部噪音，
+默认不推荐。
 
-```bash
-chmod +x run_ax650.sh verify_package.sh bin/moss_tts_ax650/moss_tts_ax650
-bash verify_package.sh
+## 5. 文件说明
+
+```text
+models/axmodels_650/     AX650 量化模型
+models/onnxmodels/        默认 static320 FP32 decode ONNX 和候选模型
+bin/moss_tts_ax650/       C++ 可执行文件和 ONNX Runtime 库
+config/                   tokenizer 和推理元数据
+python/                   Python 推理入口
 ```
+
+`config.json` 按发布规范保留，内容为空对象 `{}`。