比 MP3 小 10 倍，Meta 开源全新音频压缩技术 EnCodec

IT之家 11 月 6 日消息，Meta 在一篇博客中公布了全新的开源音频压缩技术 EnCodec，号称压缩文件大小比 MP3 格式小 10 倍。

据介绍，Meta 旗下基础人工智能研究 (FAIR) 团队在 AI 驱动的音频超压缩领域取得了成功，构建了一个由三部分组成的系统，并对其进行端到端训练，以将音频数据压缩到目标大小，然后可以使用神经网络对这些数据进行解码。

与 64 kbps 的 MP3 相比，Meta 的新技术 EnCodec 实现了大约 10 倍的压缩率，而且没有质量损失。

EnCodec 的三部分包括：

编码器：获取未压缩的数据并将其转换为更高维度和更低帧率的表示（representation）。

量化器：将这个表示压缩到目标大小，通过训练量化器给想要的大小（或大小集），同时保留最重要的信息来重建原始信号。这种压缩表示是存储在磁盘上或通过网络发送的，相当于计算机上的 .mp3 文件。

解码器：将压缩信号转换回与原始信号尽可能相似的波形，有损压缩的关键是识别人类无法感知的变化，因为在低比特率下完美的重建是不可能的。为此，EnCodec 使用鉴别器来提高生成样本的感知质量，创建了一个类似猫捉老鼠的游戏，其中鉴别器的工作是区分真实样本和重建样本。压缩模型试图通过推动重建的样本在感知上与原始样本更加相似来生成样本来欺骗鉴别器。

IT之家了解到，Meta 表示，该技术尚未涵盖视频，但目前已在计划中，其目标是改进视频会议、流媒体电影以及在 VR 中与朋友玩游戏等的音频体验。

论文地址：点此查看

GitHub 开源页面：点此查看