10:19
官方账号arXiv cs.LG@Leo Schmidt-Traub, Frédéric Berdoz, Luca A. Lanzendörfer, Roger Wattenhofer
推荐理由：研究团队提出几何迭代检索方法，解决了神经音频编码器重合成难题，效果比之前单次预测和回归方法好。
Speech
共 1 条相关 AI 资讯
8月20日
10:19
基于残差向量量化（RVQ）的神经音频编解码器存在音频令牌重合成的难题；传统采用离散令牌预测与连续回归的方式存在局限；提出几何迭代检索方法，利用码书空间对比检索实现重合成；在语音和音乐领域的测试中，效果优于单次令token预测和一步回归基线。