生成语音时代,重建指标还够评神经音频编解码器吗?

Gauri_the_great · x · 2026-11-19

作者提出一个领域内值得思考的问题:神经音频编解码器如今被大量用于生成式语音模型,但评测仍高度依赖重建类指标,还能撑多久?

目前大多数编解码器仍以 rate-distortion 目标为主,通常组合谱重建损失、对抗损失与量化目标。作者指出这类指标的问题在于:它们无法反映自回归(AR)模型所需学习的条件分布——而出于速度考虑,AR 模型目前占据主导地位。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →