一种神经语音压缩方法及系统

本发明提供了一种神经语音压缩方法及系统，其中方法包括：获取原始语音数据，将原始语音数据通过编码器进行编码，得到隐藏向量；将隐藏向量输入至分层残差矢量量化模块，将隐藏向量量化为基于多尺度并行token流的离散化编码；将离散化编码输入至解码器进行解码，以重建语言信号，得到目标语言信号；其中，编码器被配置为在对原始语音数据进行编码时，引入通过跨模态蒸馏技术将教师网络模型中提取的高层语义表示；解码器被配置为与多尺度判别器进行对抗性训练增强的神经解码器。通过本发明，利用深度学习可学习信号潜在结构，在低比特率场景中取得突破性进展，且提高了建模能力和压缩质量，可以广泛应用于语音通信、音频存储、边缘智能设备等场景。