电气工程与系统科学 > 音频与语音处理
[提交于 2025年8月28日
]
标题: CodecBench:一个用于声学和语义评估的全面基准
标题: CodecBench: A Comprehensive Benchmark for Acoustic and Semantic Evaluation
摘要: 随着多模态大语言模型(LLMs)的兴起,音频编解码器在将音频编码为离散标记中发挥着越来越重要的作用,使音频能够整合到基于文本的LLMs中。 当前的音频编解码器捕捉两种类型的信息:声学和语义。 由于音频编解码器被应用于语音语言模型的多种场景,它需要建模越来越复杂的信息并适应不同的上下文,例如多说话者场景、背景噪声或更丰富的副语言信息。 然而,现有的编解码器自身的评估受到简单指标和场景的限制,现有的音频编解码器基准测试并未针对复杂的应用场景进行设计,这限制了在复杂数据集上对声学和语义能力的评估性能。 我们引入了 CodecBench,一个全面的评估数据集,从声学和语义的角度在四个数据领域评估音频编解码器性能。 通过这个基准测试,我们的目标是识别当前的局限性,突出未来的研究方向,并促进音频编解码器的发展。 代码可在 https://github.com/RayYuki/CodecBench 获取。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.