Spiking Vocos：一种高能效神经声码器
机器学习
2025-09-17 v1
摘要
尽管神经声码器在合成速度和保真度方面取得了显著进展，但其高能耗仍然是部署到计算资源受限的边缘设备的关键障碍。脉冲神经网络（SNN）因其事件驱动的特性而被广泛认为具有高能效，为低资源场景提供了一种有前景的解决方案。在本文中，我们提出了 Spiking Vocos，一种基于高效 Vocos 框架构建的、具有超低能耗的新型脉冲神经声码器。为缓解 SNN 中固有的信息瓶颈，我们设计了一个 Spiking ConvNeXt 模块以减少乘累加（MAC）运算，并引入了一条振幅捷径路径以保留关键的信号动态。此外，为弥合与其人工神经网络（ANN）对应物之间的性能差距，我们引入了一种自架构蒸馏策略以有效迁移知识。还集成了一个轻量级时序偏移模块，以增强模型在时间维度上融合信息的能力，且计算开销可忽略不计。实验表明，我们的模型实现了与其 ANN 对应物相当的性能，UTMOS 和 PESQ 得分分别为 3.74 和 3.45，而能耗仅为 14.7%。源代码可在 https://github.com/pymaster17/Spiking-Vocos 获取。
引用
@article{arxiv.2509.13049,
title = {Spiking Vocos: An Energy-Efficient Neural Vocoder},
author = {Yukun Chen and Zhaoxi Mu and Andong Li and Peilin Li and Xinyu Yang},
journal= {arXiv preprint arXiv:2509.13049},
year = {2025}
}