SACodec：面向低比特率高保真神经语音编解码器的非对称量化与语义锚定
声音
2025-12-25 v1
摘要
神经语音编解码器在低比特率下面临根本性权衡：保留声学保真度往往会牺牲语义丰富性。为此，我们提出SACodec，一种新型编解码器，基于非对称双量化器，采用我们提出的语义锚定机制。该设计战略性地解耦了语义与声学细节的量化。语义锚定通过轻量级投影器将声学特征与冻结的大规模mHuBERT码book对齐，注入语言先验知识，同时保证码book完全利用。随后，声学细节采用残差激活模块配合SimVQ，使单层量化器（声学路径）能够忠实恢复细粒度信息。仅需1.5 kbps，SACodec在保真度与语义丰富性方面均达到新纪录：主观听感测试确认，其重建质量在感知上与原始音频高度一致，而其token在下游任务中显示出显著提升的语义丰富性。
引用
@article{arxiv.2512.20944,
title = {SACodec: Asymmetric Quantization with Semantic Anchoring for Low-Bitrate High-Fidelity Neural Speech Codecs},
author = {Zhongren Dong and Bin Wang and Jing Han and Haotian Guo and Xiaojun Mo and Yimin Cao and Zixing Zhang},
journal= {arXiv preprint arXiv:2512.20944},
year = {2025}
}