FlowDec：基于流的全频段通用音频编解码器，具有高感知质量
声音
2025-03-04 v1 机器学习
音频与语音处理
信号处理
摘要
我们提出FlowDec，一种针对48 kHz采样的通用音频的神经全频段音频编解码器，它将非对抗性编解码器训练与基于新型条件流匹配方法的随机后滤波器相结合。与基于得分匹配的前期工作ScoreDec相比，我们将应用范围从语音推广到通用音频，并将码率从24 kbit/s降低至低至4 kbit/s，同时提升了输出质量，并将所需后滤波器DNN评估次数从60次降至6次，无需任何微调或蒸馏技术。我们在与ScoreDec以及另一项近期使用流匹配的工作的对比中提供了理论见解和几何直觉，并对所提出的组件进行了消融实验。我们表明FlowDec是近期以GAN为主导的神经编解码器流的有力替代方案，其FAD分数优于已建立的基于GAN的编解码器DAC，听感测试分数相当，且对语音和音乐中的谐波结构产生了定性上更自然的重建。
引用
@article{arxiv.2503.01485,
title = {FlowDec: A flow-based full-band general audio codec with high perceptual quality},
author = {Simon Welker and Matthew Le and Ricky T. Q. Chen and Wei-Ning Hsu and Timo Gerkmann and Alexander Richard and Yi-Chiao Wu},
journal= {arXiv preprint arXiv:2503.01485},
year = {2025}
}
备注
Accepted at ICLR 2025