懂AI
snac_44khz

snac_44khz

多尺度神经音频编解码器实现低比特率音频压缩

SNAC(Multi-Scale Neural Audio Codec)是一种创新的音频压缩模型，采用分层令牌方法将44kHz音频压缩至2.6kbps的低比特率。该模型引入粗糙令牌的低频采样机制，优化了音频编码效果。SNAC主要针对音乐数据训练，适用于音乐和音效处理。它提供多个预训练模型，支持不同采样率和比特率，便于在Python项目中进行音频编码和解码。SNAC在保持音质的同时，实现了高效的音频压缩，为音频处理领域提供了新的解决方案。

Huggingface模型SNACGithub低比特率神经音频编解码器音乐生成开源项目音频压缩
GitHubHugging Face

SNAC项目介绍

SNAC(Multi-Scale Neural Audio Codec)是一个创新的音频压缩项目，它能够以低比特率将音频压缩为离散代码。该项目的主要目标是为音乐和音效生成提供高效的音频编码解决方案。

项目概述

SNAC采用了类似于SoundStream、EnCodec和DAC的分层令牌编码方法，但引入了一个简单而巧妙的改进：粗糙令牌的采样频率更低，覆盖更广的时间跨度。这种方法使得SNAC能够在保持音频质量的同时，实现更高的压缩率。

本项目中介绍的模型能够将44 kHz的音频压缩到2.6 kbps的比特率，使用了4个RVQ层级，令牌率分别为14、29、57和115 Hz。这种多层级的设计使得SNAC能够更好地捕捉音频的不同时间尺度特征。

预训练模型

SNAC项目提供了多个预训练模型，以适应不同的应用场景：

  1. snac_24khz：适用于语音，采样率24 kHz，比特率0.98 kbps。
  2. snac_32khz：适用于音乐和音效，采样率32 kHz，比特率1.9 kbps。
  3. snac_44khz（本文介绍的模型）：适用于音乐和音效，采样率44 kHz，比特率2.6 kbps。

这些模型目前仅支持单声道音频处理。

使用方法

SNAC的使用非常简单。用户可以通过pip安装SNAC包：

pip install snac

然后，可以使用Python代码轻松实现音频的编码和解码：

import torch
from snac import SNAC

model = SNAC.from_pretrained("hubertsiuzdak/snac_44khz").eval().cuda()
audio = torch.randn(1, 1, 44100).cuda()  # B, 1, T

with torch.inference_mode():
    codes = model.encode(audio)
    audio_hat = model.decode(codes)

用户还可以在一次调用中同时完成编码和重建：

with torch.inference_mode():
    audio_hat, codes = model(audio)

项目特点

  1. 低比特率：SNAC能够在极低的比特率下实现高质量的音频压缩。
  2. 多尺度编码：通过使用不同时间分辨率的令牌序列，SNAC能够更好地捕捉音频的时间结构。
  3. 灵活性：提供多个预训练模型，适应不同的应用场景和音频类型。
  4. 易用性：简单的API设计，使得开发者能够轻松集成SNAC到他们的项目中。

结语

SNAC项目为音频压缩和生成领域带来了新的可能性。通过其创新的多尺度编码方法，SNAC在低比特率下实现了高质量的音频压缩，为音乐和音效生成提供了强大的工具。随着项目的进一步发展，我们可以期待看到更多基于SNAC的有趣应用出现。

编辑推荐精选

问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多