arXiv cs.AI· Zijian Lin, Jing Yang, Jinghao Luo, Zhuo Wang, Fan Fan, Zhiyong Wu·· 3 天前AI 评分22
BridgeCodec：Mamba 增强的 Schrödinger Bridge 神经音频编解码器，实现低比特率跨编解码器转换
BridgeCodec: Mamba Enhanced Neural Audio Codec with Schr\"odinger Bridge at Low Bitrate
AI 导读
BridgeCodec 通过将跨编解码器转换建模为 Schrödinger Bridge 最优传输问题，解耦了冻结的编码器-解码器对，并集成 Mamba 增强的 U-Net 架构捕捉长程语音时序依赖。在 1 kbps 超低比特率下，该框架将 8 kHz 轻量源编码器直接映射到 48 kHz 目标解码器，实现了优异的宽带重建和感知质量。该工作已被 Interspeech 2026 接收。
正文 · AI 翻译
摘要：神经音频编解码器取得了显著性能，但作为封闭生态系统运行，其编码器-解码器对刚性联合训练，严重阻碍了互操作性。为解决这一问题，我们提出 BridgeCodec，一个通用框架，通过在失配的冻结端点之间转换潜在表示来解耦这些配对。我们将这种跨编解码器转换建模为薛定谔桥最优传输问题，从而无需预定义噪声先验即可在不同分布之间实现稳健映射。为高效捕捉长距离语音时序依赖，我们集成了 Mamba 增强的 U-Net 架构。我们在一个极端部署场景中验证 BridgeCodec：将轻量级 8 kHz 源编码器直接映射到 48 kHz 目标解码器，超低比特率为 1 kbps。实验结果表明，BridgeCodec 实现了优越的宽带重建和高感知质量，成功桥接了严重瓶颈的异构编解码器。
| 评论： | 被 Interspeech 2026 接收 |
| 主题： | 声音 (cs.SD)；人工智能 (cs.AI)；机器学习 (cs.LG)；音频与语音处理 (eess.AS) |
| 引用为： | arXiv:2610.15453 [cs.SD] |
| （或 arXiv:2610.15453v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.15453 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Jing Yang [查看电子邮件]
[v1]
2026年10月11日星期日 08:54:53 UTC（151 KB）
来源：arXiv cs.AI · arxiv.org