Meta公布全新開源AI語音壓縮技術(shù)：號稱壓縮率高十倍

Meta近日公布全新AI語音壓縮技術(shù)“EnCodec”，該技術(shù)號稱可以64kbps的速度壓縮比MP3格式小10倍的音頻，同時還能保證不會損失質(zhì)量。

Meta指出，壓縮技術(shù)對目前互聯(lián)網(wǎng)十分重要，借助于此用戶可以十分容易的發(fā)送高畫質(zhì)圖片、語音信息等。不過，發(fā)送這些多媒體信息需要充足的帶寬和存儲空間，尤其是在未來的時代，因此需要效果更好的壓縮技術(shù)。

據(jù)介紹，“EnCodec”AI訓(xùn)練模型涵蓋三個部分，分別為編碼器、量化器和解碼器。

編碼器可將原始數(shù)據(jù)轉(zhuǎn)換為較低影幀速率的格式，再由量化器將數(shù)據(jù)壓縮到目標(biāo)大小，最后，解碼器通過神經(jīng)網(wǎng)絡(luò)對這些數(shù)據(jù)進(jìn)行解碼。

值得一提的是，雖然此前也有人嘗試用神經(jīng)網(wǎng)絡(luò)壓縮音頻，但Meta是首個將此技術(shù)用于48kHz立體聲的團(tuán)隊。