神经音频编解码器

该教程用统一的数学符号串联了神经音频编解码器与自编码器、自回归与掩码 token 模型、扩散模型与 flow matching、采样加速以及偏好优化等方法。

神经音频编解码器通常由编码器、量化器和解码器构成：编码器将波形压缩为低帧率潜表示，量化器（如残差向量量化 RVQ）把连续潜变量离散化为多个码本索引，解码器再从 token 重建波形。

音频编解码器追求在极低比特率下保持感知质量，是自回归 token 模型和掩码 token 模型处理音乐音频的前提。