BridgeCodec

BridgeCodec 框架增强神经音频编解码器互操作性

研究人员开发了 BridgeCodec，一个旨在提高神经音频编解码器之间互操作性的新颖框架。该系统通过在不匹配且冻结的端点之间进行潜在表示的翻译，来解耦通常严格共同训练的编码器-解码器对。这种翻译被构建为薛定谔桥最优传输问题，无需预定义的噪声先验即可实现不同分布之间的鲁棒映射。此外，BridgeCodec 采用 Mamba 增强的 U-Net 架构来有效捕获语音中的长程时间依赖性，即使在极低的比特率下也能展示出卓越的重建和感知质量。