V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
探索世界的好奇心万岁
Kagari
V2EX  ›  分享发现

微软和谷歌的超低码率音频编解码器

  •  
  •   Kagari · 2021-03-10 11:56:09 +08:00 · 1295 次点击
    这是一个创建于 472 天前的主题,其中的信息可能已经有所发展或是发生改变。

    Satin: Microsoft’s latest AI-powered audio codec for real-time communications

    "Satin is already being used for all Teams and Skype two-party calls and will roll out for Teams meetings soon."

    Lyra: A New Very Low-Bitrate Codec for Speech Compression

    "Duo already uses ML to reduce audio interruptions, and is currently rolling out Lyra to improve audio call quality and reliability on very low bandwidth connections."

    链接里面有英文样本(程序未发布)

    据说可以实时处理,应该是最近一年网络会议需求催生的的产品

    Lyra 3kbps,Satin 6kbps,走 ML 模型,按照我的理解是把音频提炼成字体文件那样再还原

    我们的 AI First 公司啥时候也出一个啊

    5 条回复    2021-03-10 18:30:37 +08:00
    no1xsyzy
        1
    no1xsyzy  
       2021-03-10 12:40:10 +08:00
    自动提取为 Vocaloid / UTAU 音源(不是
    Kagari
        2
    Kagari  
    OP
       2021-03-10 13:59:02 +08:00
    @no1xsyzy #1 想象了一下,这个一条龙服务很强,但是影响可能很糟糕
    no1xsyzy
        3
    no1xsyzy  
       2021-03-10 14:36:13 +08:00
    @Kagari 你说的影响糟糕是指类似 deepfake 么?
    我是以另一种无迁移地方式复述一遍 “音频提炼成字体文件那样再还原”
    mikumkf
        4
    mikumkf  
       2021-03-10 14:50:50 +08:00
    类似的方法在国内已经被应用的很广泛的。直观来说是类似于 PCA 而不是和识别相关的成字体,先用 Encoder 成一个编码,传输后再用 Decoder 还原细节。
    Kagari
        5
    Kagari  
    OP
       2021-03-10 18:30:37 +08:00
    @no1xsyzy #3 deepfake 还是很符合直觉的。V+要调教,如果音源自动提取这条路走到头说不定调教都不用了
    @mikumkf #4 应该是神经网络听一遍再复述出来吧,所以我才说像字体文件
    关于   ·   帮助文档   ·   API   ·   FAQ   ·   我们的愿景   ·   广告投放   ·   感谢   ·   实用小工具   ·   2372 人在线   最高记录 5497   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 23ms · UTC 11:58 · PVG 19:58 · LAX 04:58 · JFK 07:58
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.