面向比特率高效与抗噪语音编码的可变比特率 RVQ 研究
声音
2025-06-23 v1 音频与语音处理
摘要
残差向量量化（Residual Vector Quantization, RVQ）已成为神经语音与音频编码中的主导方法，提供高保真压缩。然而，语音编码面临实际噪声带来的额外挑战，这会降低压缩效率。标准编解码器采用均匀分配比特的策略，将比特用于噪声成分，这些成分并不贡献于语音可理解性。本文引入可变比特率残差向量量化（Variable Bitrate RVQ, VRVQ）框架，用于抗噪语音编码，动态调整各帧的比特率以优化率失真权衡。不同于恒定比特率（Constant Bitrate, CBR）RVQ，VRVQ 优先处理关键语音成分，抑制残余噪声。此外，我们集成特征去噪器以进一步提升抗噪性能。实验结果表明，VRVQ 在常规方法之上实现了更好的率失真权衡，能够在噪声环境下实现更高的压缩效率和感知质量。项目页面提供样本：https://yoongi43.github.io/noise_robust_vrvq/。
引用
@article{arxiv.2506.16538,
title = {Towards Bitrate-Efficient and Noise-Robust Speech Coding with Variable Bitrate RVQ},
author = {Yunkee Chae and Kyogu Lee},
journal= {arXiv preprint arXiv:2506.16538},
year = {2025}
}
备注
Accepted to Interspeech 2025