摘要 - 神经音频编解码器通过有效将连续音频信号转换为离散令牌,具有显着高级的音频组合。这些编解码器可以通过对这些令牌进行训练的生成模型来保留高质量的声音,并使复杂的声音生成。但是,现有的神经编解码器模型通常在大型,未分化的音频数据集上进行训练,从而忽略了语音,音乐和环境声音效果等声音域之间的基本差异。这种监督使数据建模复杂化,并为声音发电的可控性带来了其他挑战。为了解决这些问题,我们介绍了源 - 触发性神经音频编解码器(SD-CODEC),这是一种结合音频编码和源分离的新型方法。通过共同学习音频重新合成和分离,SD-Codec明确地将来自不同域的音频信号分配给不同的代码书,以及一组离散表示。实验结果表明,SD-Codec不仅保持竞争性的重新合成质量,而且还得到了分离结果的支持,还证明了潜在空间中不同来源的成功分离,从而增强了音频编解码器中的可解释性,并提供了对音频产生过程的潜在控制。索引术语 - 神经音频编解码器,源分离,表示学习,量化。
数字技术正成为我们日常生活中日益重要的一部分。这对环境产生了重大影响,这是由设备数量不断增加(数据中心、网络设备、用户终端)造成的。尤其是视频流,它占了互联网总流量的 75% 以上 [1],因此造成了很大一部分影响。因此,减小通过互联网交换的视频的大小可以减轻数字技术带来的一些不便。MPEG 和 ITU 等标准化组织已经发布了多项视频编码标准(2003 年的 AVC [2]、2013 年的 HEVC [3] 和 2020 年的 VVC [4]),在保持可接受的视觉质量的同时减小了视频的大小。最近,压缩社区正在研究基于神经的编码器。在短短几年内,它们的图像编码性能已达到与 VVC [5] 相当的水平。然而,由于额外的时间维度,视频编码对于神经编码器来说仍然是一项具有挑战性的任务。
Webex AI Codec 是一种基于 AI 的新型语音编解码器。它的工作原理是将原始音频样本映射到语音向量中,这些语音向量是通过对数百万小时的多种人类语言语音进行训练而学习到的。这些向量被压缩为高效的比特流。这允许大量传输冗余以从数据包丢失中恢复。在接收器上,解码器从接收到的语音向量中重建音频,包括补偿丢失的音频帧。结果是一个极具弹性的通信系统,可实现无噪音、高保真和清晰的语音通信。阅读 Webex AI Codec 白皮书以了解有关这项突破性技术的更多信息。
目的:本研究旨在开发一个装饰有适体(APS)和转铁蛋白(TF)的二元纳米夹纸系统,并装有daunorubicin(drn)和叶黄素(LUT)(LUT)来治疗白血病。方法:分别设计和合成寡核苷酸AP和含TF的配体。AP装饰的DRN纳米颗粒(AP-DRN NP)和TF-LUT NP。通过AP-DRN NPS和TF-LUT NP的自组装制备AP和LUT-CORODAD的DRN和LUT-CORODAR-CORODAD的纳米递送系统(AP/TF-DRN/LUT NPS)。与单个配体装饰,单个药物 - 负载和自由药的配方相比,在白血病细胞系和含细胞小鼠模型上评估了系统的体外和体内效率。结果:AP/TF-DRN/LUT NP是球形和纳米化的(187.3±5.3 nm),并装有约85%的药物。AP/TF-DRN/LUT NP的体外细胞毒性高于单个配体装修的细胞毒性。 双药物载有AP/TF-DRN/LUT NP的肿瘤细胞抑制比单一药物抑制更高,这表现出两种药物的协同作用。 ap/tf-drn/lut nps达到了最有效的抗血性活性和体内毒性。 结论:本研究表明,由于这两种药物在该系统中的协同作用,AP/TF-DRN/LUT NP是一种有前途的药物分娩系统,用于对白血病的靶向治疗。 该系统的局限性包括在大规模生产过程中的稳定性以及从长凳到床边的应用。 关键字:急性髓细胞白血病,daunorubicin,Luteolin,Aptamer,Transferrin,nanodrug-delivery SystemAP/TF-DRN/LUT NP的体外细胞毒性高于单个配体装修的细胞毒性。双药物载有AP/TF-DRN/LUT NP的肿瘤细胞抑制比单一药物抑制更高,这表现出两种药物的协同作用。ap/tf-drn/lut nps达到了最有效的抗血性活性和体内毒性。结论:本研究表明,由于这两种药物在该系统中的协同作用,AP/TF-DRN/LUT NP是一种有前途的药物分娩系统,用于对白血病的靶向治疗。该系统的局限性包括在大规模生产过程中的稳定性以及从长凳到床边的应用。关键字:急性髓细胞白血病,daunorubicin,Luteolin,Aptamer,Transferrin,nanodrug-delivery System
来源:Activate Consulting《Activate 技术和媒体展望,2022》(2021 年 10 月)主要来源可参见该文件