Meta 近日在一篇題為 “High Fidelity Neural Audio Compression”（高保真神經音頻壓縮）的論文中公布了一項名為 "EnCodec" 的開源音頻壓縮技術，該技術由 AI 驅動，可以在音頻質量沒有損失的前提下，將音頻壓縮到比 MP3 格式還要小 10 倍的程度。

Meta 將這項技術的實現方法分成了一個由三部分組成的系統，經過訓練后的 AI 可以將音頻壓縮到所需的目標大小，其實現過程如下：

首先，編碼器將未壓縮的數據轉換為較低幀率的 "latent space" 表示（representation）；

然后，量化器將這個表示壓縮到目標大小，同時跟蹤最重要的信息，這些信息以后將被用于重建原始信號（這個壓縮信號將通過網絡發送或保存在磁盤上）；

最后，解碼器使用單個 CPU 上的神經網絡將壓縮的數據實時地轉變回音頻；

至于應用，Meta 表示這種由人工智能驅動的 "超壓縮音頻" 可以在惡劣的網絡條件下獲得更快、更優質的通話效果。作為一家 “梭哈” 元宇宙的公司，這項技術還可以提供更加豐富的元宇宙體驗（視頻會議、影音流媒體、VR 游戲等），而不需要提高帶寬。 除了語音通話，這項技術同樣可以應用于音樂領域，未來我們有望可以獲得高品質、小體積的音頻文件。 目前這項技術仍處于研究階段，源代碼和一些音頻樣本都已公開在 GitHub 上：https://github.com/facebookresearch/encodec

審核編輯 ：李倩