站内快照 · 国内可打开。外网原文可能无法访问。
- 论文公开站arXiv
LACE：面向动态帧率编解码器的逐层压缩
LACE: Layer-Wise Compression for Dynamic Frame Rate Codecs
摘要显示，神经音频编解码器帧率高导致序列过长、计算成本上升，动态帧率编解码器通过压缩步骤合并多帧来缓解。但已有方法多针对单码本，或在多层量化前只做一次压缩，使各量化层共享相同分段边界，而不同层的残差嵌入随时间变化速率不同。作者提出 LACE（Layer-Adaptive Codec Encoding），在每个量化层独立压缩以支持层特定分段边界，并引入联合对齐与边界锚机制，用于下游 TTS。LibriTTS 实验显示其在重建的率-质量权衡和 TTS 推理效率上优于先前方法。
意义：为语音语言模型与 TTS 提供更高效的 token 压缩方案，降低序列长度与推理成本，代码已并入 ESPnet3。