AI寫歌之前，得先學會「讀」聲音！這集小皮介紹神經音訊編碼器（Neural Audio Codec）：一秒聲音有兩萬四千個數字，太多太細，所以要用編碼器壓成密碼、再用解碼器還原——代表作有Google 2021年的SoundStream和Meta 2022年的EnCodec（最低1.5 kbps）。密碼怎麼來？RVQ（殘差向量量化）用好幾本密碼本，第一本抓輪廓、下一本補誤差，一層一層補細節；2024年的X-Codec在進密碼本前先加入HuBERT的語意特徵，讓token更好懂，開源歌曲生成模型YuE就用它的精簡版。這些音訊token，就是MusicGen、YuE等音樂生成AI的基礎。
參考資料：
EnCodec (Meta AI) － GitHub：https://github.com/facebookresearch/encodec
High Fidelity Neural Audio Compression (EnCodec) － arXiv：https://arxiv.org/abs/2210.13438
SoundStream: An End-to-End Neural Audio Codec － arXiv：https://arxiv.org/abs/2107.03312
Codec Does Matter (X-Codec) － arXiv：https://arxiv.org/abs/2408.17175
X-Codec － GitHub：https://github.com/zhenye234/xcodec
YuE － GitHub：https://github.com/multimodal-art-projection/YuE
