為了讓低頻寬網路也能傳送高品質語音檔案，Meta 近日公布一項 AI 語音壓縮技術，其壓縮效果是 MP3 的十倍，使低頻寬網路傳送聲音檔案時不會發生斷斷續續、失聲等情況。
Meta 表示，壓縮技術是當今網路重要一環，因為它可使人們更輕易的傳送高畫質照片、語音訊息等。然而，傳送這些多媒體訊息需要充足的頻寬和儲存空間，尤其是在未來的元宇宙世代，將為網路頻寬帶來更大的負擔；業界因而需要效果更好、能頻寬限制的壓縮技術。
為此，Meta 開發一項 AI 語音壓縮技術。Meta 旗下的基礎 AI 研究（Fundamental AI Research，FAIR）部門建立一個名為「EnCodec」的 AI 訓練模型，其涵蓋三個部分，分別為編碼器（encoder）、量化器（quantizer）及解碼器。
（Source：Meta）
首先是編碼器，其功用是可以將原始資料轉成更高維度以及較低影格速率（frame rate）的格式。其次是量化器，不僅能壓縮格式資料，還可以經由 AI 訓練將資料壓縮至計畫團隊想要的大小，且還保留最重要的資訊以重建原始訊號；其角色類似於 MP3 檔，能儲存或在網路上傳送。
最後則是解碼器，能將壓縮訊息重建為類似原始音訊的波形。研究人員解釋，要在低位元速率（bit rates）下完美重建壓縮訊號是很困難的，所以團隊利用鑑別器（Discriminator）提升生成樣本（generated sample）的品質；鑑別器主要功用是負責比對原始樣本和生成樣本的差異。
（Source：Meta）
總之，研究小組表示，經過測試後，EnCodec 在各種頻寬及音訊品質上，都能即時編碼及解碼，且 EnCodec（6kbps）壓縮率是 MP3（64kbps）的近 10 倍。雖然以往也有人嘗試以神經網路壓縮音訊，但 Meta 是首個將此技術用於 48kHz（CD 音質）的立體聲音。
（首圖來源：Meta）
科技新報粉絲團
加入好友
訂閱免費電子報
