效果是 MP3 十倍，Meta 开发全新 AI 语音压缩技术

AI与大数据 2小时前 0

▼

为了让低频宽网络也能传送高品质语音档案，Meta 近日公布一项 AI 语音压缩技术，其压缩效果是 MP3 的十倍，使低频宽网络传送声音档案时不会发生断断续续、失声等情况。

Meta 表示，压缩技术是当今网络重要一环，因为它可使人们更轻易的传送高画质照片、语音讯息等。然而，传送这些多媒体讯息需要充足的频宽和储存空间，尤其是在未来的元宇宙世代，将为网络频宽带来更大的负担；业界因而需要效果更好、能频宽限制的压缩技术。

为此，Meta 开发一项 AI 语音压缩技术。Meta 旗下的基础 AI 研究（Fundamental AI Research，FAIR）部门建立一个名为“EnCodec”的 AI 训练模型，其涵盖三个部分，分别为编码器（encoder）、量化器（quantizer）及解码器。

（Source：Meta）

首先是编码器，其功用是可以将原始资料转成更高维度以及较低影格速率（frame rate）的格式。其次是量化器，不仅能压缩格式资料，还可以经由 AI 训练将资料压缩至计划团队想要的大小，且还保留最重要的资讯以重建原始讯号；其角色类似于 MP3 档，能储存或在网络上传送。

最后则是解码器，能将压缩讯息重建为类似原始音讯的波形。研究人员解释，要在低位元速率（bit rates）下完美重建压缩讯号是很困难的，所以团队利用鉴别器（Discriminator）提升生成样本（generated sample）的品质；鉴别器主要功用是负责比对原始样本和生成样本的差异。

（Source：Meta）

总之，研究小组表示，经过测试后，EnCodec 在各种频宽及音讯品质上，都能即时编码及解码，且 EnCodec（6kbps）压缩率是 MP3（64kbps）的近 10 倍。虽然以往也有人尝试以神经网络压缩音讯，但 Meta 是首个将此技术用于 48kHz（CD 音质）的立体声音。

（首图来源：Meta）

▼

特别声明本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。