本研究提出了一种改进的神经音频编解码器波形再合成方法，探讨了令牌预测与回归策略，并引入新方法，强调学习目标对音频质量的重要性。

本研究使用神经音频编解码器EnCodec生成音频，并学习通用音频模型EncodecMAE，取得了与领先的音频表示模型相媲美或更好的性能。