BiMTokenizer：通过双向状态空间建模在低码率语音分词中保持语义与声学平衡

基于摘要分析。该研究针对低码率语音编解码中声学保真与语义保留之间的冲突，提出单塔语音编解码器 BiMTokenizer，以双向状态空间骨干结合 Residual Spherical Leech Quantization（RSLQ），尝试避免双塔语义与声学编码器带来的架构开销。主要研究对象是连接连续语音信号与大语言模型的语音 token 表示，并非 EEG 或 BCI。 机制上，双向状态空间骨干用于增强时序建模；RSLQ 提供固定且分离良好的格点量化瓶颈，旨在同时保留语义与声学信息，并避免可学习码本坍塌。摘要未说明状态空间模块的具体结构、量化配置、训练损失、监督来源或推理流程；双向建模所需上下文及其对流式处理延迟的影响也需核对正文。 作者报告，在约 1.1 kbps 的低码率设定下，BiMTokenizer 在干净和含噪语音环境中，相较低码率 codec 基线获得更好的声学重建表现及最低 WER；相较近期双塔基线，其参数量不到一半。作者还报告其语义表示在下游语音理解任务中表现较强。摘要未提供数据集、划分、基线名称、声学指标、WER 数值或任务成绩，因此这些结论目前只能按摘要所述范围理解，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可检验的迁移假设是，固定格点量化瓶颈可能有助于低码率 EEG 表示减少可学习码本失衡，同时保留重建信息与任务判别信息。可复用候选为时序骨干与量化模块，但需要适配 EEG 多通道结构、幅值尺度及任务监督；原研究依赖的语音训练数据与规模尚未明确。EEG 的低信噪比、跨被试分布差异、通道变化及小数据条件可能导致量化失真或判别信息丢失，双向骨干也不能直接视为在线因果解码器。一个小规模可证伪实验是在固定被试内划分、相同骨干和码率下，对比 RSLQ 与可学习码本量化，同时测量重建误差、码字使用情况及运动想象任务 Accuracy，检验压缩是否牺牲任务信息。已有 EEG 相关工作尚未检索确认。