ICME 2025 | 火山引擎在国际音频编码能力挑战赛中夺得冠军

主要观点总结

本文介绍了小米集团、萨里大学与海天瑞声联合主办的ICME 2025 Audio Encoder Capability Challenge，火山引擎多媒体实验室凭借audiocodec、GAEBT和AudioX三支技术团队在MLP/KNN双评估体系下以明显优势包揽了赛事的前三名。文章还详细描述了火山引擎夺冠队伍Audiocodec的方案，包括搭建自动化评估系统、处理前后静音帧、融合模型和微调模型等方面的内容，以及火山引擎多媒体实验室的背景和成果。

关键观点总结

关键观点1: 挑战赛的背景和目的

ICME 2025 Audio Encoder Capability Challenge旨在评估音频编码模型的特征提取能力，覆盖语音、环境声音和音乐等多个领域，包含多项细分任务。

关键观点2: 火山引擎夺冠方案的核心内容

火山引擎多媒体实验室的audiocodec技术队伍打造的夺冠方案以大规模数据预训练的音频编码模型为基座，通过模型融合、任务微调和前后处理等技术组合，在双赛道上均获得第一，为全场景音频表征提供了统一的高质量解决方案。

关键观点3: 评估数据集和评估方法

挑战赛评估数据集涵盖了多个领域的各种音频数据，包括人声、环境声音和音乐等。评估方法包括基于任务数据的线性微调（MLP）和无参数评估（KNN）两种。

关键观点4: 火山引擎团队的背景和成果

火山引擎多媒体实验室是字节跳动旗下的研究团队，致力于探索多媒体领域的前沿技术。其方案在多项任务中取得高准确率，突破了传统任务特定模型的局限性，证实了其预训练音频编码模型具备强大的音频特征提取和表征能力。

免责声明