CodecSep

CodecSep 在神经音频编解码器潜在空间中实现基于提示的声源分离

研究人员开发了 CodecSep，一个在神经音频编解码器潜在空间中直接操作的、用于基于提示的声源分离的新框架。与现有方法相比，这种方法能够以显著降低的计算成本实现开放词汇的声源分离。CodecSep 集成了冻结的 DAC 主干和一个轻量级的 Transformer masker，能够在边缘设备和编解码器传输管道中实现高效、低延迟的部署。