# 美团开源LongCat-Audio-Codec：突破性语音编解码方案，超低比特率高保真，赋能实时AI语音交互 - Link: https://paooo.com/aigc-news/13428/ - Published: 2026-06-20T00:42:22+08:00 - Author: Prompt 语宙研究院 > **💡 站外导读：**随着语音大模型的快速发展，如何高效、高质量地将语音信号数字化， > 并在语义理解与声学保真间取得完美平衡，成为制约实时交互体验的核心瓶颈。传统编解码 > 方案往往顾此失彼，导致信息丢失或延迟过高。美团LongCat团队开源的LongCat-Audio-Codec， > 正是瞄准这一行业痛点，通过创新的双Token并行机制与流式解码架构，旨在为智能音箱、 > 车载语音、实时翻译等高频场景提供底层技术支撑。 ## LongCat-Audio-Codec是什么 LongCat-Audio-Codec 是美团 [LongCat](https://ai-bot.cn/sites/61432.html) 团队开源 的语音编解码方案，专为语音大语言模型（Speech LLM）设计。通过语义和声学双 Token 并行 提取机制，兼顾语音的语义理解与声学特征保留，解决了传统方案中语义与声学信息难以平衡 的问题。低延迟流式解码器支持实时交互，将解码延迟控制在百毫秒级，满足车载语音助手、 实时翻译等场景的需求。具备超低比特率高保真与集成超分辨率设计，在极低比特率下实现 高保真音频重建，同时提升输出音频的采样率和自然度。LongCat-Audio-Codec 提供了一站 式的 Token 生成器与还原器工具链，支持灵活的码本配置，可根据下游任务调整码本数量， 适应不同场景。其多阶段训练策略进一步优化了高压缩率和高音质的平衡。 阅读目录 * [LongCat-Audio-Codec是什么](https://paooo.com/aigc-news/13428/#longcataudiocodec%e6%98%af%e4%bb%80%e4%b9%88) * [LongCat-Audio-Codec的主要功能](https://paooo.com/aigc-news/13428/#longcataudiocodec%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd) * [LongCat-Audio-Codec的技术原理](https://paooo.com/aigc-news/13428/#longcataudiocodec%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86) * [LongCat-Audio-Codec的项目地址](https://paooo.com/aigc-news/13428/#longcataudiocodec%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80) * [LongCat-Audio-Codec的应用场景](https://paooo.com/aigc-news/13428/#longcataudiocodec%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af) * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/13428/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight) ![LongCat-Audio-Codec](https://paooo.com/wp-content/uploads/2026/05/LongCat-Audio- Codec-website-1.avif) ## LongCat-Audio-Codec的主要功能 * **语义与声学并行 Token 化**：将原始音频信号映射为语义与声学并行的 token 序列， 兼顾语音的语义信息和声学特征。 * **低延迟流式解码**：采用帧级增量处理模式，实现低延迟音频解码，满足实时交互需求。 * **超低比特率高保真**：在极低比特率下实现高保真音频重建，同时集成超分辨率设计， 提升音频自然度。 ## LongCat-Audio-Codec的技术原理 * **语义-声学双Token并行提取**：通过双向Transformer架构提取语义Token，聚焦语音的 核心信息；同时结合改进的量化技术提取声学Token，补充韵律、音色等副语言特征，解决 语义与声学信息平衡问题。 * **低延迟流式解码**：采用帧级增量处理模式，控制对未来语音Token的依赖，将解码延迟 控制在百毫秒级，满足实时交互场景的需求。 * **超低比特率高保真与集成超分辨率**：通过模型优化与训练机制，在低比特率下实现高保 真音频重建；同时将超分辨率思想嵌入解码器，提升输出音频的采样率和自然度。 * **灵活的声学码本配置**：支持根据下游任务调整声学码本数量，适应不同场景的需求， 如少音色或多音色场景。 * **多阶段训练策略**：设计了多阶段训练策略，分别满足高压缩率下的重构需求、高音质 合成需求以及个性化定制需求。 ## LongCat-Audio-Codec的项目地址 * **Github仓库**：https://github.com/meituan-longcat/LongCat-Audio-Codec * **Hugging Face模型库**：https://huggingface.co/meituan-longcat/LongCat-Audio- Codec ## LongCat-Audio-Codec的应用场景 * **智能音箱**：提升语音交互的实时性和自然度，使音箱能更快速、更准确地理解和回应 用户的语音指令。 * **车载语音助手**：满足车载场景下的实时交互需求，提供低延迟的语音反馈，增强驾驶 体验。 * **实时翻译**：在低延迟的流式解码支持下，实现高质量的实时语音翻译，减少翻译过程 中的延迟。 * **语音识别与合成**：为语音识别和合成系统提供高效的音频处理支持，提高语音识别的 准确性和语音合成的自然度。 * **长音频建模**：支持长音频的高效编码和解码，适用于需要处理长音频内容的场景，如有 声读物、播客等。 * **多语言语音处理**：支持多语言的语音处理，为跨语言的语音应用提供技术支持。 #### 📝 站长洞察 (Editor’s Insight) 美团开源LongCat-Audio-Codec，远不止是发布一个工具库，而是其在多模态AI基础设施层面 的关键布局。当前，[大模型](https://paooo.com/ai-study/)竞争已从纯文本的“深水区”卷 向语音、视觉等多模态“新战场”。高效的音频编解码是语音大模型落地应用的“咽喉要道”， 直接决定了用户体验的流畅度与真实感。美团此举，通过解决语义与声学信息平衡、实现超低 比特率与超低延迟这一对核心矛盾，实质上是在为自身乃至行业的语音AI应用扫清底层技术 障碍。这标志着互联网巨头正从应用创新深入到影响行业标准的“硬核”技术开源，其价值在于 推动整个生态的算力效率与交互体验升级，是构建下一代“环境智能”不可或缺的一块拼图。 [🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（ paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示 词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发 者与创作者提供一手、可复现的深度技术洞察。 [📄 Markdown 纯净版](https://paooo.com/aigc-news/13428/?format=md) 💡 这篇内容对您有启发吗？ [📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/) **🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词 咒语库 [🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/) [📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)