极限压缩边缘音频流

压缩比0.39%

利用梅尔滤波器组频谱特征实现超高压缩效率，在保持任务性能的同时大幅减少传输延迟。

Yu, Lu · Ran, Wang · Ding, Dian · 75587525 · Longyuan, Ge · Juntao, Zhou · Zhang, Yongzhao · Chen, Yi Chao · Cao, Jiannong · 薛广涛

IEEE Transactions on Mobile Computing 2025

参数信息

压缩比

0.39 %

文件大小减少

96.1 %

传输延迟降低

93.10 %

任务性能偏差

5 %

技术优势

实时传输

在1 Mbps带宽下传输延迟比64 kbps MP3降低93.10%，满足边缘计算实时性要求。

性能不降

解压后的梅尔特征与任务无关，在六个主流数据集上的任务性能与SOTA偏差不超过5%。

应用场景

• 实时音频流：外卖、出行等场景低延迟传输音频，无需高带宽。
• 边缘计算：边缘端完成去噪、特征提取和压缩，节省算力和带宽。
• 语音识别：解压特征可直接送入识别模型，压缩几乎不影响准确率。
• 语音情感识别：保留情感相关声学特征，支持实时情感分类。
• 音频分类：通用音频事件分类，不依赖特定任务模型。