弹性时间：神经音频编码的动态帧率瓶颈

神经音频自动编码器已成为压缩、特征提取和生成的核心组件。然而，虽然现有系统支持可变比特率，但绝大多数模型仍然以固定的潜在帧速率运行，为信息密度差异很大的区域分配相同的时间预算，这可能会导致不必要的长序列。我们引入了弹性时间，这是一种动态帧率瓶颈，可将固定帧率自动编码器转换为动态帧率自动编码器。我们的方法学习一个轻量级潜在预测器，用于决定哪些帧可以跳过并稍后重建，从而在推理时实现高效的贪婪边界选择。实验表明，我们的方法可以实现部署时间速率控制，同时相对于基线提高效率与质量的权衡。总的来说，我们提供了一种灵活的机制来调整音频自动编码器中的时间分辨率，有可能促进更有效的生成和长上下文任务的下游建模。