量子位
·
清华大学生数科技：从波形到隐空间，AudioLBM引领音频超分新范式
内容提要
清华大学与生数科技合作开发了音频超分辨率模型AudioLBM，能够将低采样率音频提升至192 kHz，显著改善音质。该模型基于桥类生成模型，采用隐空间建模，提升了音频生成的效率与质量，推动了音频超分领域的发展。
关键要点
-
清华大学与生数科技合作开发音频超分辨率模型AudioLBM，提升低采样率音频至192 kHz。
-
音频超分辨率技术提升语音清晰度、音乐细节与沉浸式音频体验。
-
高频细节在低采样率信号中损失严重，音频生成领域面临挑战。
-
OpenAI推出的Sora 2模型能生成96 kHz音频，设立新技术标杆。
-
清华大学与生数科技在ICASSP 2025和NeurIPS 2025发表了两项成果：Bridge-SR和AudioLBM。
-
Bridge-SR首次将薛定谔桥模型引入语音超分任务，实现高效、高保真的语音超分。
-
AudioLBM在波形连续隐空间中构建低分辨率到高分辨率的隐变量桥接生成过程。
-
AudioLBM提出频率感知机制，实现任意采样率到任意采样率的超分过程。
-
级联桥类模型设计使得模型能力从48 kHz扩展至96 kHz与192 kHz。
-
AudioLBM在Any-to-48kHz超分任务上取得新的SOTA表现，显著提升通用性。
-
李畅和陈泽华为两项目的第一作者，分别来自中国科学技术大学和清华大学。
延伸解读
音频超分辨率的应用前景
音频超分辨率技术在多个领域具有广泛应用潜力，包括老旧录音修复、语音通信增强和音乐制作等。随着AudioLBM的推出，音频质量的提升将为用户带来更清晰的听觉体验，尤其在高保真音频需求日益增长的背景下，市场前景值得关注。
技术挑战与解决方案
音频超分辨率面临的主要挑战是高频细节的损失。AudioLBM通过引入频率感知机制和级联桥类模型，有效提升了音频生成的质量和效率。这种创新方法不仅解决了高分辨率数据稀缺的问题，还为未来的音频生成技术提供了新的思路。
与现有技术的比较
与OpenAI的Sora 2模型相比，AudioLBM在音频超分辨率领域实现了更高的采样率（192 kHz），展现出更强的通用性和适应性。尽管Sora 2在96 kHz音频生成上设立了标杆，但AudioLBM的多功能框架可能在未来的应用中占据更重要的位置。
延伸问答
AudioLBM模型的主要功能是什么？
AudioLBM模型能够将低采样率音频提升至192 kHz，显著改善音质。
清华大学与生数科技的合作成果有哪些？
他们开发了音频超分辨率模型AudioLBM和轻量化语音波形超分模型Bridge-SR。
AudioLBM是如何提升音频生成效率的？
AudioLBM采用隐空间建模和频率感知机制，提升了音频生成的效率与质量。
Bridge-SR模型的创新点是什么？
Bridge-SR首次将薛定谔桥模型引入语音超分任务，实现高效、高保真的语音超分。
AudioLBM在音频超分任务中的表现如何？
AudioLBM在Any-to-48kHz超分任务上取得新的SOTA表现，显著提升通用性。
AudioLBM的设计理念是什么？
AudioLBM通过构建低分辨率到高分辨率的隐变量桥接生成过程，实现通用音频超分。
