本研究提出了一种新型神经编解码器WaLLoC，旨在提高压缩学习的效率。WaLLoC结合线性变换编码与非线性降维自动编码器，显著增强高频细节的保留能力，并在多种任务中展现出优异性能，具有广泛的应用潜力。

SpeechX是一种通用的语音生成模型，能够实现零-shot语音合成和各种语音转换任务，处理干净和嘈杂信号。SpeechX结合了神经编解码器的语言建模和多任务学习，通过任务相关的提示实现统一和可扩展的建模，并在语音增强和转换任务中提供一致的方法来利用文本输入。实验结果表明，SpeechX在多种任务中表现出可比或更好的性能，包括零-shot语音合成、降噪、目标扬声器提取、语音去除和语音编辑。

本文介绍了MaskSR，一种能够恢复全频44.1 kHz语音的掩码语言模型。通过联合考虑噪声、混响、剪切和低带宽，MaskSR使用预训练的神经编解码器提取离散声学令牌，并通过高效的迭代采样重建目标语音令牌。实验证明，MaskSR在全频语音恢复任务和子任务上取得了竞争力的结果。

SpeechX是一种通用的语音生成模型，能够实现零-shot语音合成和语音转换任务。它结合了神经编解码器的语言建模和多任务学习，通过任务相关的提示实现统一和可扩展的建模，并在语音增强和转换任务中提供一致的方法来利用文本输入。实验结果表明，SpeechX在多种任务中表现出可比或更好的性能。