基准测试：全保真音频的无损压缩语言模型

自回归“语言”模型（LM）可用于无损音频压缩，但以往工作仅限于8位音频，尚未探讨此类方法在实际场景（16/24位）下是否可行，或是否能与现有编解码器竞争。我们对全保真音频进行LM-based压缩基准测试，涵盖多种领域（音乐、语音、生物声学）、采样率（16kHz-48kHz）和位深（8、16、24位）。标准的样本级词汇化在更高位深下变得不可行，由于词汇表大小（16位为6.5万，24位为167万）。我们提出Trilobyte，一种用于全分辨率音频的字节级词汇化方案，使词汇规模从 $O(2^{b})$ 降至 $O(1)$，实现了首个可行的24位LM-based无损压缩。虽然LM持续优于FLAC，在8位和16位上实现了状态压缩，但随着位深超过8位，压缩收益增幅逐渐减小。