Google maak ontbrekende bronne oop vir Lyra Audio Codec

Google het 'n opdatering van die Lyra 0.0.2 oudio-kodek gepubliseer, wat geoptimaliseer is om maksimum stemkwaliteit te bereik wanneer baie stadige kommunikasiekanale gebruik word. Die kodek is vroeg in April geopen, maar is saam met 'n eie wiskunde-biblioteek gebundel. In weergawe 0.0.2 is hierdie tekortkoming uitgeskakel en 'n oop plaasvervanger is geskep vir die gespesifiseerde biblioteek - sparse_matmul, wat, soos die kodek self, onder die Apache 2.0-lisensie versprei word. Ander verbeterings sluit in die vermoë om die Bazel-boustelsel met die GCC-samesteller te gebruik en hierdie bundel by verstek op Linux in plaas van Bazel+Clang te gebruik.

Onthou dat die kwaliteit van die oorgedra stemdata teen lae snelhede Lyra aansienlik beter is as tradisionele codecs wat digitale seinverwerkingsmetodes gebruik. Om hoë kwaliteit stemoordrag te bereik in toestande van 'n beperkte hoeveelheid oorgedra inligting, bykomend tot die gewone metodes van klankkompressie en seinomskakeling, gebruik Lyra 'n spraakmodel gebaseer op 'n masjienleerstelsel waarmee u die ontbrekende inligting kan herskep gebaseer op tipiese spraakkenmerke. Die model wat gebruik word om die klank te genereer, is opgelei deur etlike duisende ure se stemopnames in meer as 70 tale te gebruik. Die werkverrigting van die voorgestelde implementering is voldoende om spraak in reële tyd op slimfone van die middelprysklas te enkodeer en te dekodeer, met 'n seintransmissievertraging van 90 millisekondes.

Bron: opennet.ru

Voeg 'n opmerking