descriptinc/descript-audio-codec

解決的問題

Descript Audio Codec (.dac) 提供高保真音訊壓縮，顯著減少檔案大小，同時不犧牲音質。它解決了在不同音訊領域（如語音、音樂和環境音）中需要一個通用編碼器的問題，同時保持極低的位元率。

工作原理

該專案使用改進的 RVQGAN（殘差向量量化生成對抗網路）將 44.1 kHz 音訊壓縮為離散碼。這使得壓縮比達到約 90 倍，目標位元率為 8 kbps。它可以作為 EnCodec 等其他編碼器在音訊語言建模應用（如 AudioLMs、MusicLMs）中的即插即用替代品。

適用對象

• AI 研究人員與開發者：正在建構生成式音訊模型（如 MusicGen 或 AudioLMs）且需要高品質、高效音訊離散表示的人。
• 音訊工程師：尋找高壓縮、高保真神經音訊編碼器的使用者。

主要亮點

• 高壓縮率：在 8 kbps 下實現 44.1 kHz 音訊約 90 倍的壓縮。
• 通用性：適用於語音、音樂和環境音訊。
• 靈活的取樣率：支援 16 kHz、24 kHz 和 44.1 kHz 的原生權重。
• 即插即用整合：專為音訊語言建模中替代 EnCodec 而設計。