chatterbox/s3gen_v3.pt(opset 17，固定 shape，分桶），与 BPU(S100）线共用同一批导出，数值验证记录见主仓库 docs/bpu_export_progress.md §3。T3 自回归 LLM 不在本仓库范围内。<graph>/
├── <graph>.onnx 浮点固定 shape 源模型
├── <graph>.config.json pulsar2 量化/编译配置
└── <tensor>.tar.gz 每个输入张量一个校准数据集(calibration_format: Numpy)| 图 | 桶 | 输入 → 输出 |
|---|---|---|
encoder_L{512,1024} | token 512/1024 | token(1,L)int64 + token_mask(1,1,L)f32 + xvector(1,192) → mu(1,80,2L), spks(1,80) |
cfm_step_M{1024,2048} | mel 1024/2048 | CFG batch=2 单步 estimator:x(2,80,M), mask(2,1,M), mu, t(2,), spks(2,80), cond → dxdt(2,80,M) |
f0_M{512,1024,2048} | mel 512/1024/2048 | mel(1,80,M) → f0(1,M) |
hift_M{512,1024,2048} | 同上 | mel(1,80,M) + f0(1,M) + theta(1,9,480M) + phase_rand(1,9,1) + harm_noise(1,9,480M) → wav(1,480M) |
Pad(reflect) 已手术改写为 Gather+Concat（与原始导出逐位一致），规避工具链对 reflect Pad 的支持风险。model_type: ONNX,npu_mode: NPU3;quant.input_configs：按各图输入张量逐一声明，calibration_size: -1（全量）,calibration_format: Numpy;layer_configs:U16——回归型输出的最低位宽保障（BPU 侧实测默认 INT8 会把 mu/dxdt/f0/wav 打残）;calibration_method: MinMax,precision_analysis: EndToEnd;input_processors / compiler.check: 2 与官方参考配置一致。<time.time_ns()>.npy，无任何前缀）；同一条样本的所有输入张量共享同一时间戳。工具链按 tar 内条目对齐多输入样本时不会错位（规避索引对齐问题）。token 保持 int64(featuremap 输入），其余张量 float32。axera/gen_calib_axera.py（支持传入更多 tokens 分片扩容）。