面向幂等神经音频编解码器的代码漂移

神经音频编解码器在低比特率下 demonstrated出强大的高保真音频信号压缩性能。这些编解码器产生的基于令牌的表示对生成式建模特别有用。尽管大量研究聚焦于压缩比和感知透明度的改进，但近期工作基本忽视了编解码器另一可取属性——幂等性，即压缩输出在多轮编码下的稳定性。我们发现，最先进的神经编解码器呈现出不同程度的幂等性，其中一些编解码器在仅进行三次编码后就会显著降低音频输出质量。我们研究了低幂等性的可能原因，并通过微调编解码器模型来提高幂等性。随后，我们检查了幂等性对简单条件生成式建模任务的影响，发现可在不负面影响下游建模性能的前提下实现更高的幂等性——这可能扩展神经编解码器在实际文件压缩和迭代生成式建模工作流程中的实用性。