Το Google κάνει το κοινό του Codec Speech Low Bitrate Lyra

Η Google κυκλοφόρησε τον πηγαίο κώδικα της Lyra codec beta στον GitHub, καθιστώντας απίστευτη την ποιότητα επεξεργασίας ήχου χαμηλού ρυθμού bit σε όλους τους προγραμματιστές. Ο κωδικοποιητής είναι πιο χρήσιμος σε ενσωματωμένες και περιορισμένες περιοχές εύρους ζώνης καταστάσεις όπου πρέπει να αποθηκευτούν όσο το δυνατόν περισσότερα δεδομένα.

Λύρα: Σχεδόν τίποτα δεν ακούγεται ποτέ τόσο καλό

Ο κωδικοποιητής ήχου λειτουργεί με την αρχή της παροχής της πιο φυσικής ομιλίας με τον χαμηλότερο δυνατό ρυθμό δεδομένων. Επιτυγχάνει να δημιουργήσει σχεδόν τρομακτικά επίπεδα αναπαραγωγής ήχου με ρυθμούς bit τόσο χαμηλά όσο 3 kbps. Η Google χρησιμοποιεί συμπίεση Lyra σε πραγματικό χρόνο ήδη στην εφαρμογή Duo, αν και δεν θα κατηγορηθείτε ότι δεν συνειδητοποιείτε καν τη διαφορά από τον κανονικό ήχο εύρους ζώνης.

Για να δείξει πόσο καλύτερη είναι η Lyra από άλλους κωδικοποιητές, η Google παρέχει παραδείγματα μέσω ενός ανάρτηση Σύγκριση του κωδικοποιητή συμπίεσης με μηχανική εκμάθηση με άλλες εναλλακτικές λύσεις 3 και 6 kbps.

Είναι μια διαφορά νυχτερινής ημέρας και η παροχή στους προγραμματιστές σε όλο τον κόσμο πάνω από αυτά τα εργαλεία θα είναι ένας σημαντικός παράγοντας για τη βελτίωση της ποιότητας επικοινωνίας όπου το εύρος ζώνης είναι σπάνιο. Είναι επίσης ένα εξαιρετικό κίνητρο για προγραμματιστές που θέλουν να δημιουργήσουν νέες εφαρμογές σε αναδυόμενες αγορές, κάτι που η Google είναι σίγουρο ότι θα καλύψει φέτος δωρεάν εικονικό διαδικτυακό συνέδριο Google I / O.

Ο πηγαίος κώδικας beta έχει σχεδιαστεί επί του παρόντος με γνώμονα τις συσκευές Arm 64-bit, αν και τα παραδείγματα θα τρέχουν επίσης σε συστήματα Linux 64-bit x86. Ο πηγαίος κώδικας παρέχεται πλήρως τεκμηριωμένος, αν και είναι σε έκδοση beta και η σελίδα GitHub παρέχει οδηγίες εγκατάστασης και πώς να δημιουργήσετε το Lyra σε Linux για στόχους Arm 64-bit.

Για να λάβετε τον πηγαίο κώδικα Lyra beta, μεταβείτε στο Σελίδα Lyra GitHub.

Πώς λειτουργεί η Lyra;

Ενώ η πραγματική διαδικασία που χρησιμοποιεί η Lyra είναι ένας απίστευτα πολύπλοκος συνδυασμός μοντέλων μηχανικής μάθησης που έχουν εκπαιδευτεί χιλιάδες ώρες δεδομένων ομιλίας και βελτιστοποιήσεις της υπάρχουσας τεχνολογίας κωδικοποιητή ήχου, η θεωρία είναι αρκετά απλός.

Κάθε 40ms, οι λειτουργίες λαμβάνονται από την ομιλία και συμπιέζονται στα 3kbps. Αυτές οι δυνατότητες αντιπροσωπεύουν σημεία ενέργειας ομιλίας στο φάσμα συχνοτήτων που είναι πλησιέστερα στην ανθρώπινη ακουστική απόκριση ομιλίας - τα πράγματα που πρέπει να αναγνωρίσουμε και να κατανοήσουμε όταν κάποιος μιλά.

Το βασικό μέρος αυτού που κάνει τη Lyra ξεχωριστή είναι πώς χρησιμοποιεί αυτές τις πληροφορίες:

Ωστόσο, παραδοσιακοί παραμετρικοί κωδικοποιητές, οι οποίοι απλώς εξάγουν από κρίσιμες παραμέτρους ομιλίας που μπορούν στη συνέχεια να είναι χρησιμοποιείται για την αναδημιουργία του σήματος στο άκρο λήψης, την επίτευξη χαμηλών ρυθμών bit, αλλά συχνά ακούγεται ρομποτικό και αφύσικο. Αυτά τα μειονεκτήματα οδήγησαν στην ανάπτυξη μιας νέας γενιάς υψηλής ποιότητας μοντέλων παραγωγής ήχου που διαθέτουν έφερε επανάσταση στο πεδίο με την ικανότητα όχι μόνο να διακρίνει μεταξύ σημάτων, αλλά και να δημιουργήσει εντελώς νέο αυτοί.

Μετά τη μετάδοση, η Lyra ανακατασκευάζει την κυματομορφή συμπληρώνοντας αυτό που λείπει χρησιμοποιώντας αυτήν τη διαδικασία, ενώ κατά κάποιον τρόπο δεν είναι πολύ περίπλοκο υπολογιστικά.

Από τη μία πλευρά, είναι ένα τεχνολογικό θαύμα που θα τρέξει σχεδόν οπουδήποτε. Από την άλλη, δεν είμαι ακόμη 100% πεπεισμένος ότι δεν είναι μαγεία.

10 δυνατότητες του Google Duo που πρέπει πραγματικά να χρησιμοποιείτε

Το Google Duo είναι μια από τις καλύτερες εφαρμογές βιντεοκλήσεων εκεί έξω. Έχει πολλές δυνατότητες και εδώ είναι αυτές που πιστεύουμε ότι θα έπρεπε πραγματικά να χρησιμοποιείτε.

Διαβάστε Επόμενο

Σχετικά με τον Συγγραφέα