Codec-SUPERB: An In-Depth Analysis of Sound Codec Models

声音编解码器在减少数据传输延迟和作为分词器的双重作用下彰显其至关重要的作用。近年来，编解码器模型有了重大发展。理想的声音编解码器应该能够保留内容、语言学特征、说话者和音频信息。然而，在不同的论文中，模型是根据其选择的实验设置进行评估的，因此哪种编解码器实现最佳声音信息保留的问题仍未得到解答。本研究介绍了Codec-SUPERB，它是Codec声音处理通用性能基准的缩写。它是一个生态系统，旨在通过代表性的声音应用和基于声音领域知识的信号级指标来评估编解码器模型。Codec-SUPERB通过在线排行榜简化结果共享，促进社区驱动的基准数据库内的合作，从而刺激编解码器的新发展周期。此外，我们进行了深入的分析，从应用和信号的角度提供了有关编解码器模型的见解，与以往主要集中在信号级比较的编解码器论文有所不同。最后，我们将发布代码、排行榜和数据，以加速社区内的进展。

评估声音编解码器模型的性能和信息保存能力是一个重要的问题，但是目前没有一个普遍适用的基准测试系统来进行评估。

本文提出了一个名为Codec-SUPERB的基准测试系统，该系统旨在评估声音编解码器模型在各种应用和信号级别指标上的性能，并促进社区合作和数据共享。

本文提出的Codec-SUPERB基准测试系统可以帮助研究人员评估声音编解码器模型的性能和信息保存能力。该系统提供了在线排行榜、开源代码和数据集等资源，方便研究人员进行实验和研究。本文还提供了一些有关声音编解码器模型的应用和信号层面的深入分析和洞察。

近年来，已经有很多研究关注声音编解码器模型的性能和信息保存能力，如《A Comparison of Audio Source Separation Tools for Music Analysis》、《Perceptual Evaluation of Speech Quality (PESQ)》等。