descriptinc/descript-audio-codec

解决的问题

Descript Audio Codec (.dac) 提供高保真音频压缩，显著减小文件大小，同时不牺牲音质。它解决了在不同音频领域（如语音、音乐和环境音）中需要一个通用编码器的问题，同时保持极低的比特率。

工作原理

该项目使用改进的 RVQGAN（残差向量量化生成对抗网络）将 44.1 kHz 音频压缩为离散代码。这使得压缩比达到约 90 倍，目标比特率为 8 kbps。它可以作为 EnCodec 等其他编码器在音频语言建模应用（如 AudioLMs、MusicLMs）中的即插即用替代品。

适用人群

• AI 研究人员和开发者：正在构建生成式音频模型（如 MusicGen 或 AudioLMs）且需要高质量、高效音频离散表示的人。
• 音频工程师：寻找高压缩、高保真神经音频编码器的用户。

主要亮点

• 高压缩率：在 8 kbps 下实现 44.1 kHz 音频约 90 倍的压缩。
• 通用性：适用于语音、音乐和环境音频。
• 灵活的采样率：支持 16 kHz、24 kHz 和 44.1 kHz 的原生权重。
• 即插即用集成：专为音频语言建模中替代 EnCodec 而设计。