2025年低资源音频编解码挑战的基线系统
声音
2025-10-09 v3 机器学习
摘要
低资源音频编解码(LRAC)挑战旨在推动资源受限环境下神经音频编码的发展。第一季度聚焦于必须在日常噪声和混响条件下可靠运行的低资源神经语音编解码器，这些编解码器受严格的计算复杂度、延迟和比特率约束。轨道1面向透明度编解码器，旨在在轻度噪声和混响条件下保持语音输入的感知透明度。轨道2针对增强型编解码器，综合了编码、压缩、去噪和去混响功能。本文介绍了2025年LRAC挑战中两个轨道的官方基线系统。基线系统为卷积神经网络编解码模型，采用残差向量量化(Residual Vector Quantization)，通过对抗和重构目标进行端到端训练。我们详细阐述了数据过滤与增强策略、模型架构、优化程序以及checkpoint选择准则。
引用
@article{arxiv.2510.00264,
title = {Baseline Systems For The 2025 Low-Resource Audio Codec Challenge},
author = {Yusuf Ziya Isik and Rafał Łaganowski},
journal= {arXiv preprint arXiv:2510.00264},
year = {2025}
}
备注
Low-Resource Audio Codec Challenge 2025