IT之家 11 月 6 日消息，meta 在一篇博客中公布了全新得開源音頻壓縮技術(shù) EnCodec，號稱壓縮文件大小比 MP3 格式小 10 倍。

據(jù)介紹，meta 旗下基礎(chǔ)人工智能研究 (FAIR) 團隊在 AI 驅(qū)動得音頻超壓縮領(lǐng)域取得了成功，構(gòu)建了一個由三部分組成得系統(tǒng)，并對其進行端到端訓練，以將音頻數(shù)據(jù)壓縮到目標大小，然后可以使用神經(jīng)網(wǎng)絡(luò)對這些數(shù)據(jù)進行解碼。

與 64 kbps 得 MP3 相比，meta 得新技術(shù) EnCodec 實現(xiàn)了大約 10 倍得壓縮率，而且沒有質(zhì)量損失。

EnCodec 得三部分包括：

編碼器：獲取未壓縮得數(shù)據(jù)并將其轉(zhuǎn)換為更高維度和更低幀率得表示（representation）。

量化器：將這個表示壓縮到目標大小，通過訓練量化器給想要得大小（或大小集），同時保留最重要得信息來重建原始信號。這種壓縮表示是存儲在磁盤上或通過網(wǎng)絡(luò)發(fā)送得，相當于計算機上得 .mp3 文件。

解碼器：將壓縮信號轉(zhuǎn)換回與原始信號盡可能相似得波形，有損壓縮得關(guān)鍵是識別人類無法感知得變化，因為在低比特率下完美得重建是不可能得。為此，EnCodec 使用鑒別器來提高生成樣本得感知質(zhì)量，創(chuàng)建了一個類似貓捉老鼠得，其中鑒別器得工作是區(qū)分真實樣本和重建樣本。壓縮模型試圖通過推動重建得樣本在感知上與原始樣本更加相似來生成樣本來欺騙鑒別器。

IT之家了解到，meta 表示，該技術(shù)尚未涵蓋視頻，但目前已在計劃中，其目標是改進視頻會議、流電影以及在 VR 中與朋友玩等得音頻體驗。

論文地址：點此查看

GitHub 開源頁面：點此查看