轻量神经语音编解码器

实时个性化语音通信

同时实现高质量语音压缩与低时延个性化语音转换，大幅降低模型复杂度，保障语音版权安全。

Xusheng, Yang · Wei, Xiao · Zixiang, Wang · Ge, Meng · Shang, Shidong · 邹月娴

Neural Networks 2026

参数信息

模型参数缩减

38 ×

语音质量（ViSQOL）

4.32

语音适应时延

40 ms

说话人相似度（Resemblyzer）

92.61 %

主观说话人相似度（S-MOS）

4.67

技术优势

参数缩减38倍

通过全因果镜像解码器和标量量化替代残差矢量量化，在保持语音质量的同时大幅降低复杂度。

时延仅40毫秒

语音适应在压缩域内以低时延完成，满足实时交互对响应速度的苛刻要求。

自带版权防护

系统本身防止未授权声音模仿，无需额外版权管理模块，降低商用部署的合规风险。

应用场景

• 实时音视频通信：以38分之一参数量提供同等音质，并支持40ms级个性化变声，直接融入现有通话链路。
• 低时延语音交互：40 ms语音适应满足对话式AI对即时反馈的严格时延要求。
• 边缘语音处理：38倍参数缩减使模型可部署于边缘设备，本地完成个性化语音处理。
• 语音助手：内置版权防护让助手可使用授权音色，防止声音克隆滥用。