ComplexDec：一种具有复数频谱建模的域鲁棒高保真神经音频编解码器
音频与语音处理
2025-02-05 v1 声音
摘要
神经音频编解码器因其紧凑且离散的表示形式适用于大语言模型风格和基于回归的生成模型，已被广泛应用于音频生成任务。然而，大多数神经编解码器难以对域外音频进行建模，导致误差传播到下游生成任务。在本文中，我们首先论证了编解码器压缩造成的信息损失会降低域外鲁棒性。然后，我们提出了全频带 48~kHz 的 ComplexDec，它采用复数频谱输入和输出以减轻信息损失，同时采用与基线 AuidoDec 和 ScoreDec 相同的 24~kbps 比特率。客观和主观评估证明了仅使用 30 小时 VCTK 语料库训练的 ComplexDec 的域外鲁棒性。
引用
@article{arxiv.2502.02019,
title = {ComplexDec: A Domain-robust High-fidelity Neural Audio Codec with Complex Spectrum Modeling},
author = {Yi-Chiao Wu and Dejan Marković and Steven Krenn and Israel D. Gebru and Alexander Richard},
journal= {arXiv preprint arXiv:2502.02019},
year = {2025}
}
备注
5 pages, 2 figures, 2 tables. Proc. ICASSP, 2025