比MP3小10倍，Meta公开全新音频压缩技术

前几天，Meta在一篇题为 “High Fidelity Neural Audio Compression”（高保真神经音频压缩）的论文中公布了一项名为 "EnCodec" 的开源音频压缩技术，该技术由 AI 驱动，可以在音频质量没有损失的前提下，将音频压缩到比 MP3 格式还要小 10 倍的程度。

Meta指出，压缩技术对目前互联网十分重要，借助于此用户可以十分容易的发送高画质图片、语音信息等。不过，发送这些多媒体信息需要充足的带宽和存储空间，尤其是在未来的时代，因此需要效果更好的压缩技术。

Meta 将这项技术的实现方法分成了一个由三部分组成的系统，经过训练后的 AI 可以将音频压缩到所需的目标大小，其实现过程如下：

首先，编码器将未压缩的数据转换为较低帧率的 "latent space" 表示（representation）；

然后，量化器将这个表示压缩到目标大小，同时跟踪最重要的信息，这些信息以后将被用于重建原始信号（这个压缩信号将通过网络发送或保存在磁盘上）；

最后，解码器使用单个 CPU 上的神经网络将压缩的数据实时地转变回音频；

至于应用，Meta 表示这种由人工智能驱动的 "超压缩音频" 可以在恶劣的网络条件下获得更快、更优质的通话效果。作为一家 “梭哈” 元宇宙的公司，这项技术还可以提供更加丰富的元宇宙体验（视频会议、影音流媒体、VR 游戏等），而不需要提高带宽。

除了语音通话，这项技术同样可以应用于音乐领域，未来我们有望可以获得高品质、小体积的音频文件。

编码器可将原始数据转换为较低影帧速率的格式，再由量化器将数据压缩到目标大小，最后，解码器通过神经网络对这些数据进行解码。

值得一提的是，虽然此前也有人尝试用神经网络压缩音频，但Meta是首个将此技术用于48kHz立体声的团队。