據(jù)信，該技術(shù)可以在低質(zhì)量的連接上實(shí)現(xiàn)高質(zhì)量的通話和音樂。

上圖：音頻波中數(shù)據(jù)的圖示。

上周，Meta宣布了一種名為“EnCodec”的人工智能音頻壓縮方法，據(jù)報(bào)道，該方法可以以64kbps的速度壓縮比MP3格式小10倍的音頻，而且質(zhì)量不會損失。據(jù) Meta 說，這種技術(shù)可以在低帶寬的連接中顯著提高語音的音質(zhì)，比如在服務(wù)不穩(wěn)定的地區(qū)打電話。這種方法也適用于音樂。

Meta于10月25日在一篇題為《高保真神經(jīng)音頻壓縮》的論文中首次發(fā)布了這項(xiàng)技術(shù)，作者是Meta AI研究人員Alexandre Défossez、Jade Copet、Gabriel Synnaeve和Yossi Adi。Meta 也在其博客上總結(jié)了關(guān)于 EnCodec 的研究。

上圖：Meta聲稱其新的音頻編碼器/解碼器可以壓縮比MP3小10倍的音頻。

Meta將其方法描述為一個(gè)訓(xùn)練有素的三部分系統(tǒng)，將音頻壓縮到所需的目標(biāo)大小。首先，編碼器將未壓縮的數(shù)據(jù)轉(zhuǎn)換為較低幀率的“潛在空間”表示。然后，“量化器”將表示壓縮到目標(biāo)大小，同時(shí)跟蹤最重要的信息，這些信息稍后將用于重建原始信號。（這個(gè)壓縮信號是通過網(wǎng)絡(luò)發(fā)送或保存到磁盤的。）最后，解碼器利用單個(gè)CPU上的神經(jīng)網(wǎng)絡(luò)將壓縮數(shù)據(jù)實(shí)時(shí)轉(zhuǎn)換回音頻。

事實(shí)證明，Meta使用“鑒別器”是創(chuàng)造這種方法的關(guān)鍵，這種方法可以在不丟失信號的關(guān)鍵元素的情況下盡可能地壓縮音頻，使其具有獨(dú)特性和可識別性：

“有損壓縮的關(guān)鍵是識別人類無法感知的變化，因?yàn)樵诘捅忍芈氏虏豢赡軐?shí)現(xiàn)完美重建。為此，我們使用‘鑒別器’來提高生成樣本的感知質(zhì)量。這就形成了一個(gè)貓捉老鼠的游戲，其中鑒別器的工作是區(qū)分真實(shí)樣本和重構(gòu)樣本。壓縮模型試圖通過推動重構(gòu)樣本與原始樣本在感知上更相似，來生成樣本來欺騙鑒別器。”

值得注意的是，使用神經(jīng)網(wǎng)絡(luò)進(jìn)行音頻壓縮和解壓并不是什么新鮮事，特別是在語音壓縮方面，但 Meta 的研究人員聲稱他們是第一個(gè)將該技術(shù)應(yīng)用于48千赫立體聲音頻（略好于CD的44.1千赫采樣率）的團(tuán)隊(duì)，這是互聯(lián)網(wǎng)上分發(fā)的音樂文件的典型采樣率。

上圖：說明Meta的EnCodec壓縮工作原理的框圖。

至于應(yīng)用，Meta表示，這種由人工智能驅(qū)動的“音頻超壓縮”可以在惡劣的網(wǎng)絡(luò)條件下支持“更快、更高質(zhì)量的通話”。當(dāng)然，由于是元數(shù)據(jù)，研究人員也提到了 EnCodec 的元數(shù)據(jù)的含義，稱該技術(shù)最終可以提供“豐富的元數(shù)據(jù)體驗(yàn)，而不需要重大的帶寬改進(jìn)”。

除此之外，也許有一天我們還能從中獲得非常小的音樂音頻文件。目前，Meta的新技術(shù)仍處于研究階段，但它預(yù)示著未來高質(zhì)量音頻可以使用更少的帶寬，這對流媒體網(wǎng)絡(luò)負(fù)擔(dān)過重的移動寬帶提供商來說將是一個(gè)好消息。