创作者 Makestreme 将一首约 2 分钟、约 2.9MB 的 MP3 歌曲，通过 Meta 开源的 EnCodec 神经音频编解码器压缩为约 21KB 的 Token 数据，并拆分到 8 个二维码中打印在纸张两面。该实验展示了 AI 编解码、二维码存储和低速无线传输结合的可能性，也提醒企业关注长期可读性、容错能力和技术依赖风险。
今日技术观察 IT之家 8 月 16 日消息，据 Tom's Hardware 今日报道，一位名为 Makestreme 的创作者展示了一种特殊的“纸质磁带”：他将一首时长约 2 分钟、大小约 2.9MB 的 MP3 歌曲压缩至约 21KB，再拆分成 8 个二维码打印到纸张两面。整张纸因此可以保存完整歌曲，但播放时仍需要 Meta 开发的 EnCodec 神经音频编解码器进行解码。这一项目的关键并不是传统意义上的 MP3 压缩，而是利用 EnCode 01 背景速览 近日，一位创作者展示了一个颇具实验意味的“纸质磁带”项目：将一首约 2 分钟、原始 MP3 文件约 2.9MB 的歌曲，借助 EnCodec 神经音频编解码器转换为约 21KB 的编码数据，再拆分成 8 个二维码打印在纸张正反两面。需要注意的是，二维码里保存的并不是传统意义上的 MP3 文件，而是 EnCodec 生成的离散 Token，播放时仍依赖对应的神经网络解码器还原音频。 02 趋势影响 这个案例的关注点不只是“压缩率很高”，更在于 AI 编解码正在改变数据表达方式。EnCodec 这类神经音频技术通过模型将音频波形转为更紧凑的编码，再由模型恢复声音。在测试中，3 kbps 模式下仍能保持一定可听性，而更低码率会明显影响音质。这说明 AI 压缩在存储、传输和边缘设备场景中具备探索价值，但它并不等同于无损压缩，也不能简单替代现有音频格式。 03 企业应用启发 对企业数字化和软件开发团队而言，这类实验提供了几个启发：第一，数据不一定只能以原始文件形态流转，模型生成的中间表示也可能成为存储和传输对象；第二，在带宽受限、离线分发、低功耗设备或远距离通信场景中，可以评估“低码率编码加分段传输”的方案；第三，二维码、LoRa 等看似传统或低速的技术，仍可与 AI 编解码结合，用于原型验证、备份介质研究或特殊环境下的数据交换。 04 合规观察 但从合规和安全角度看，企业不宜只关注技术趣味性。二维码纠错能力降低后，纸面损坏可能导致数据无法完整恢复；Token 需要特定版本的解码模型支持，长期归档存在可读性风险；如果用于传输业务数据，还需考虑数据加密、完整性校验、授权读取、版权许可和个人信息保护等问题。对于音频内容本身，企业也应确认来源、授权范围和使用边界，避免因压缩或转码掩盖内容合规问题。 05 开放讨论 值得讨论的是：企业在什么场景下真的需要把 AI 编码后的数据作为主要存储对象，而不是保存标准格式文件？当数据依赖特定模型才能还原时，长期归档应如何管理模型版本、运行环境和解码工具？在低带宽或离线环境中，企业更应优先优化传输协议、压缩算法，还是重新设计业务数据结构？这些问题比单次实验本身更值得持续观察。 公开来源参考 创客把 2.9MB 歌曲压缩至 21KB，用 8 个二维码打印到纸上保存