arXiv · ML· Louis McCallum, Mick Grierson·· 2026-10-07AI 评分28
RAVE与EnCodec音频解码器特征编码分析:输入、深度与分布效应
Feature Encoding in VAE-based Audio Decoders: Effects of Input, Depth and Distribution
AI 导读
对RAVE和EnCodec解码器的系统性分析表明,合成刺激在音高(|ρ|=0.45)和BPM(|ρ|=0.76)编码上表现优于自然音频。 解码器中间层联合编码能力增强,非线性探针使自然音频的跨特征平均R²达0.56,较线性探针提升0.152。 最佳跨层聚类改善了BPM编码强度(r=0.65)与普及度(r=0.75),推进了神经音频模型的可解释性与控制策略。
来源:arXiv · ML · arxiv.org