论文：HILCodec: High Fidelity and Lightweight Neural Audio Codec作者：Sunghwan Ahn, Beom Jun Woo, Min Hyun Han, Chanyeong Moon, Nam Soo Kim机构：首尔国立大学电气与计算机工程系 / 新媒体与通信研究所arXiv: 2405.04721v1 (2024年5月)一、介绍：为什么需要又轻又快的神经音频编解码器？音频编解码器的本质任务很朴素：用最少的比特，重建感知质量最高的音频。传统编解码器（如 EVS、Opus）依赖人类专家设计的声学模型——语音用 LPC（线性预测编码），音乐用变换编码（子带/小波/MDCT），再结合心理声学模型分配量化噪声。这套范式已经非常成熟，但在极低码率下（如 3kbps 以下），传统编解码器的音质衰减明显。近年来，端到端神经音频编解码器（如 SoundStream、EnCodec、AudioDec、HiFi-Codec、Descript Audio Codec）借助 GAN 的力量，在低码率下展现出远超传统编解码器的音质。但问题随之而来：问题具体表现模型太大Descript 有 74M 参数，HiFi-Codec 有 63M 参数，移动端