按年被提到
20222022 · 3 次2026
视觉、语音与图像生成›语音与音频生成·arXiv:2210.13438 · eess.AS

High Fidelity Neural Audio Compression

高保真神经音频压缩
Alexandre Défossez, Jade Copet, Gabriel Synnaeve, Yossi Adi · 2022

流式编码器–解码器结构的实时神经音频编解码器 EnCodec

开始阅读 ↗PDFalphaXiv 讨论
被推荐 · 4 人首次 2022-10-25 · 最近 2024-08-13
4不同的人
3活跃月份
4讨论串
443被引(OpenAlex)

提出实时、高保真的神经音频编解码器:流式编码器–解码器结构,端到端训练、潜空间量化;用单个多尺度频谱对抗器简化并加速训练,并引入损失均衡器稳定训练。还研究用轻量 Transformer 把码流再压缩至多 40%;在语音、带噪混响语音和音乐上的主观评测(MUSHRA)中,各带宽设置下都优于基线。

HN 为什么提它

评论者对其在 CD 级音频(而不只是语音)上的结果印象深刻,另有人指出官方 GitHub 仓库只有推理、没有训练代码。

方法难度 3 / 5约 45 分钟经得起时间
读之前最好知道
1音频编解码器(codec)与压缩
2向量量化(vector quantization)
3生成对抗网络(GAN)
4频谱图与感知损失

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
推荐telotortium · 2022-10

“Impressive results - on CD-quality audio too, not just speech as with many recent codecs.”

推荐它,结果令人印象深刻,连 CD 音质的音频也行,不只是语音
Using AI to compress audio files for quick and easy sharing原评论 ↗
引用bravura · 2024-08

“High Fidelity Neural Audio Compression (the github repo doesn't include training, just inference)”

贴出它,并提醒 GitHub 仓库只有推理没有训练代码
AudioFlux: A C/C++ library for audio and music analysis原评论 ↗
被提交为 story · 2 次