Aller au contenu principal
2026 article

SAQCodec: Semantic-Acoustic Fusion and Adaptive Quantization for Ultra-Low Bitrate Speech Coding

0Citations signalées, ce qui n’est pas une note de qualité
1Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Neural speech codecs have recently achieved remarkable progress in low-bitrate speech compression. However, effectively leveraging semantic information and addressing quantization limitations remain challenging, especially under ultra-low bitrate constraints. These factors may affect perceptual naturalness and reconstruction fidelity. To address these issues, we proposeSAQCodec, a neural speech codec that integrates a semantic-aware encoder, adaptive progressive quantization, and distribution-consistent training. Specifically, the semantic-aware encoder incorporates a Dual Cross-Attention Feature Fusion module to facilitate semantic-acoustic alignment. In addition, a Contextual Learning Module trained with a masked language modeling objective is introduced to capture global contextual dependencies. Furthermore, we present an Adaptive Progressive Residual Vector Quantization (APRVQ) scheme, which incorporates an attention weighting (AW) mechanism upon multi-scale RVQ to adaptively aligns quantization precision with feature importance, prioritizing critical features for finer quantization. A Conditional Entropy Quantization loss is employed as an auxiliary regularization to stabilize the quantization process. Experiments at ultra-low bitrates demonstrate that SAQCodec achieves clear performance advantages at extremely low bitrates (0.35 and 0.30 kbps), while remaining competitive with state-of-the-art codecs at higher ultra-low bitrate settings (0.97 and 0.47 kbps) in terms of reconstruction quality and downstream performance. Demos are available athttps://huazhi1024.github.io/SAQCodecDemo/.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
SAQCodec: Semantic-Acoustic Fusion and Adaptive Quantization for Ultra-Low Bitrate Speech Coding
Date Crossref
01/01/2026
Éditeur
Institute of Electrical and Electronics Engineers (IEEE)
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Wuhan University pays non établi dans la notice
    Université ou école supérieure
  • School of Computer Science National Engineering Research Center for Multimedia Software (NERCMS) pays non établi dans la notice
    Université ou école supérieure

Wuhan University et National Engineering Research Center for Multimedia Software (NERCMS) — School of Computer Science.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Advanced Data Compression TechniquesSpeech Recognition and SynthesisSpeech and Audio Processing

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.