Meta 近日在一篇題為 “High Fidelity Neural Audio Compression”（高保真神經(jīng)音頻壓縮）的論文中公布了一項(xiàng)名為 "EnCodec" 的開(kāi)源音頻壓縮技術(shù)，該技術(shù)由 AI 驅(qū)動(dòng)，可以在音頻質(zhì)量沒(méi)有損失的前提下，將音頻壓縮到比 MP3 格式還要小 10 倍的程度。

Meta 將這項(xiàng)技術(shù)的實(shí)現(xiàn)方法分成了一個(gè)由三部分組成的系統(tǒng)，經(jīng)過(guò)訓(xùn)練后的 AI 可以將音頻壓縮到所需的目標(biāo)大小，其實(shí)現(xiàn)過(guò)程如下：

首先，編碼器將未壓縮的數(shù)據(jù)轉(zhuǎn)換為較低幀率的 "latent space" 表示（representation）；

然后，量化器將這個(gè)表示壓縮到目標(biāo)大小，同時(shí)跟蹤最重要的信息，這些信息以后將被用于重建原始信號(hào)（這個(gè)壓縮信號(hào)將通過(guò)網(wǎng)絡(luò)發(fā)送或保存在磁盤(pán)上）；

最后，解碼器使用單個(gè) CPU 上的神經(jīng)網(wǎng)絡(luò)將壓縮的數(shù)據(jù)實(shí)時(shí)地轉(zhuǎn)變回音頻；

至于應(yīng)用，Meta 表示這種由人工智能驅(qū)動(dòng)的 "超壓縮音頻" 可以在惡劣的網(wǎng)絡(luò)條件下獲得更快、更優(yōu)質(zhì)的通話(huà)效果。作為一家 “梭哈” 元宇宙的公司，這項(xiàng)技術(shù)還可以提供更加豐富的元宇宙體驗(yàn)（視頻會(huì)議、影音流媒體、VR 游戲等），而不需要提高帶寬。 除了語(yǔ)音通話(huà)，這項(xiàng)技術(shù)同樣可以應(yīng)用于音樂(lè)領(lǐng)域，未來(lái)我們有望可以獲得高品質(zhì)、小體積的音頻文件。 目前這項(xiàng)技術(shù)仍處于研究階段，源代碼和一些音頻樣本都已公開(kāi)在 GitHub 上：https://github.com/facebookresearch/encodec

審核編輯 ：李倩