美团开源语音编解码方案 LongCat-Audio-Codec
美团 LongCat 团队正式开源专用语音编解码方案 LongCat-Audio-Codec。它提供了一套一站式的 Token 生成器(Tokenizer)与 Token 还原器(DeTokenizer)工具链,其核心功能是将原始音频信号映射为语义与声学并行的 token 序列,实现高效离散化,再通过解码模块重构高质量音频,为Speech LLM提供从信号输入到输出的全链路音频处理支持。 开源平台: Github:https://github.com/meituan-longcat/LongCat-Audio-Codec Hugging Face:https://huggingface.co/meituan-longcat/LongCat-Audio-Codec LongCat-Audio-Codec 模型架构图如下: 据介绍,LongCat-Audio-Codec 核心竞争力源于三大创新设计: 设计一:语义 - 声学双 Token 并行提取机制:兼顾理解与生成 为解决语义空间干扰声学空间导致的重构质量不佳的问题,LongCat-Audio-Codec 采用 “级联训练 - 并行推理”...
