开源音频编解码器 Opus 的核心库 libopus 迎来 1.6 版本更新，新版本在延续 1.5 版引入的机器学习特性基础上，进一步加入多项基于神经网络的语音增强能力，并带来高采样率支持和编码接口改进 。Opus 作为广泛应用于语音通话、在线会议与流媒体场景的开源标准，此次更新被开发者社区视为在音质增强与可用性上的一次重要升级 。
Opus 1.6 的主要改动包括：新增宽带到全带宽的带宽扩展（BWE）模块，支持 96 kHz 采样率的 “Opus HD” 实验性模式，对 Deep Redundancy（DRED）机制进行了显著改进，引入全新的 24 位编码/解码 API，以及针对定点实现的一系列优化 。其中，DRED 旨在在网络抖动和丢包环境下提高音频恢复能力，新版本通过改进冗余编码策略，在复杂网络条件中有望提供更稳定的主观听感 。
此次新增的语音带宽扩展功能为实验性模块，基于神经网络模型，将 0–8 kHz 的宽带语音推断生成 8–20 kHz 的高频语音内容，从而在接收端重建接近全带宽的语音效果 。开发者在演示页面中指出，该模型无需额外的侧信息就能工作，可用于增强任何以往版本 Opus 编码生成的宽带语音流，因此在解码端部署时不会破坏现有协议兼容性 。模型背后的核心判断是，语音的音素信息已经基本包含在低频段中，高频主要是可被推断的音质细节；相比之下，从窄带（电话级）直接扩展到宽带在技术上更困难、可靠性更差，因此本次只针对宽带到全带宽场景进行增强 。
在具体应用方式上，该 BWE 模型可以选择性地将宽带语音解码为 48 kHz 采样的全带宽语音，并且可以与 Opus 1.5 中引入的宽带增强方法组合使用，以进一步提升整体听感 。不过，开发者也明确表示，这一模型并非用于替代混合模式下原生编码的高频内容，对超宽带或全带宽输入不会自动启用，以避免对本就高质量的原始数据进行过度“加工” 。由于其为解码端可选增强算法，后续模型改进也不会影响现有流媒体传输格式，从而为持续迭代留出了空间 。
除了机器学习相关增强外，Opus 1.6 还引入了对 96 kHz 音频的实验性支持，即所谓 “Opus HD”，这一特性主要面向对高解析度音频有需求的应用场景，被开发者视为值得关注的方向性尝试 。新提供的 24 位编码/解码 API 则为专业音频处理和高动态范围内容提供了更佳的技术基础，配合定点实现优化，有助于在嵌入式设备与资源受限平台上获得更高效的运行表现 。
更多关于 Opus 1.6 的技术细节与下载链接已在 Opus 官方网站公布，开发者和厂商可据此评估集成与升级方案 ：
https://opus-codec.org/release/stable/2025/12/15/libopus-1_6.html