音频编码

论文要解决 32 位浮点音频无法用 FLAC 无损发行的问题，采用帧内按指数对齐再把相干波形与不相关噪声分开编码的办法，在高分辨率音乐上做到与 24 位整数 FLAC 相当的体积并保留超过 0 dBFS 的峰值，代价是上子帧宽度需要折中选择且极端动态要切换到保底编码。

共分析 48 篇语音/AI 论文

SEMAC 针对五阶 Ambisonics 通道数多、逐通道编码码率随阶数平方增长的问题，用 16、9 或 4 个波束域传输通道加全阶方向能量包络边信息做编码与重建，在 512 和 768 kbit/s 下经 11 名听众的 MUSHRA 验证，16 通道版本评分高于 36 通道全阶 Opus CMF 3，代价是包络在五阶时可占 100 kbit/s 以上且 …

共分析 80 篇语音/AI 论文

该文用部分码本重建加机器听众一致性的方法，测量 17 个多码本编解码器在七类特征上的恢复深度，发现性别最浅、嗓音质量和年龄组最深，且结论只在所用听众、数据集和相对阈值下成立。

本文在冻结双路径神经音频编解码器上分析重复无缩放标量网格的残差量化规律，用预测加例外完整保存的方法降低索引存储，并在 62 与 512 文件上验证比特级还原与码率下降及其适用条件。

共分析 69 篇语音/AI 论文

该论文把随解码数据在线学习的熵编码代价直接送入感知比特分配，用动态规划在块预算下求最小总噪声掩蔽比，并用严格按块与带储备的对照分离出熵感知与协同适应的增量，代价是动态规划编码端约 20 倍于拉格朗日方法的计算量。

HE-NAC 针对音乐高频易被粗量化丢掉的问题，用核心带、中频带、高频带三路残差量化和分阶段冻结训练补足盲上采样的误差，在约 23 kbps 有效码率下主观听感超过同码率 DAC 和 24 kbps 商用 HE-AAC，代价是解码器更大且高频分支增加推理计算量。

MSVAE 针对歌词与连续音频隐变量难对齐的问题，把 64 维隐变量切成两个 32 维子空间分别对齐曲谱与语音识别参考，并以冻结音乐自监督特征为后验基底加门控声学修正，在保持重建的同时用无时间标注的音素前缀实现可懂歌声，代价是两阶段大语料训练与多判别器联合优化。

共分析 146 篇语音/AI 论文

针对低码率神经音频编码导致深伪检测错误上升的问题，论文用混合配对协议定位真假两侧不对称失效，再冻结 DAC 并加入码率条件残差适配器做检测器引导微调，在 ASVspoof 2019 LA 上 0.5 kbps 处把 AASIST 等效错误率大幅降低，同时只增加约 1.75% 参数并保持重建质量基本相当。

针对低码率一阶 Ambisonics 编码问题，论文保留标准 DirAC 分析合成、只重做空间元数据量化，用三维指向向量加跨频带残差向量量化实现恒定码率，在 750bps 元数据下重建接近 48 kbps 参考并保留可用于声事件定位检测的空间线索，代价是仍依赖外部单声道编解码器恢复 W 通道。

论文把每帧多开一层 RVQ 值不值得花作为可学习的边际效用问题，用与目标码率无关的因果控制器预测效用，再用精确序列化前缀预算做分配，在不超预算下改善三域重建与部分冻结表征任务，但因果在线增益小于离线最优且主观增益仅在语音上显著。

论文在笔记本与手机上实测四种神经音频解码器与 AAC-LC 和 Opus 的解码能耗与 ViSQOL 质量，报告神经端以更低码率达到相近质量但解码能耗更高，并用传输能量系数门限量化何时省下的传输能耗才能抵消多出的解码能耗，其中 EnCodec 门限最低而手机端 DAC 与 SNAC 多组超过 200 mJ/kbit 且全频段解码慢于实时。

MyoCodec 针对肌电信号的流式与多任务需求，用因果 Transformer 编码加六级残差向量量化把 2 千赫兹肌电压成每通道 50 赫兹 2400 比特每秒的离散表示，在十二个公开数据集上训练后重建与四个下游任务上可复现地优于对照，但数据偏向打字与手势且下游结构未为离散 token 重设计。

共收录 1354 篇 interspeech-2026 会议论文的 Reader 深度解读

SAGE 用复数 STFT 上的三阶段 SwinV2 变分自编码器加延迟蒸馏 CLAP 语义，在 105M 参数和 Stable Audio Open 同级推理成本下达到 SAME-L 的主观质量并在客观重建与十九个探测任务上领先，代价是两阶段大算力训练与对 SDR 类样本精确指标的让步。

BACH 把八种约 1 kbps 的神经音频编解码器放在五种生物声健康任务上，用原始域、压缩表示域和重构音频域三条路径对比，发现重构保真度高的编解码器不一定保留诊断语义，而解耦语义的编解码器下游更好但重构受限。

针对音乐重建中相位不准与声像塌陷问题，论文用 K 加权感知滤波、相位相关损失与幅度相位分离的 MSLR 监督改造连续变分自编码器，并在多分辨率评价与消融中验证高频谐波与空间保持的收益及其对内部数据的依赖。