Google Lyra অডিও কোডেক জন্য অনুপস্থিত উৎস খুলেছে

Google Lyra 0.0.2 অডিও কোডেক-এ একটি আপডেট প্রকাশ করেছে, যা খুব ধীরগতির যোগাযোগ চ্যানেল ব্যবহার করার সময় সর্বাধিক ভয়েস গুণমান অর্জনের জন্য অপ্টিমাইজ করা হয়েছে। কোডেকটি এপ্রিলের শুরুতে খোলা হয়েছিল, তবে এটি একটি মালিকানাধীন গাণিতিক গ্রন্থাগারের সাথে একত্রে সরবরাহ করা হয়েছিল। সংস্করণ 0.0.2-এ, এই ত্রুটিটি দূর করা হয়েছে এবং নির্দিষ্ট লাইব্রেরির জন্য একটি উন্মুক্ত প্রতিস্থাপন তৈরি করা হয়েছে - sparse_matmul, যা, কোডেক এর মতো, Apache 2.0 লাইসেন্সের অধীনে বিতরণ করা হয়। অন্যান্য উন্নতির মধ্যে রয়েছে জিসিসি কম্পাইলারের সাথে ব্যাজেল বিল্ড সিস্টেম ব্যবহার করার ক্ষমতা এবং লিনাক্সে ব্যাজেল+ক্ল্যাং-এর পরিবর্তে ডিফল্টরূপে এই বান্ডেলের ব্যবহার।

আসুন আমরা স্মরণ করি যে কম গতিতে প্রেরিত ভয়েস ডেটার মানের ক্ষেত্রে, Lyra প্রথাগত কোডেকগুলির থেকে উল্লেখযোগ্যভাবে উচ্চতর যা ডিজিটাল সিগন্যাল প্রক্রিয়াকরণ পদ্ধতি ব্যবহার করে। অডিও কম্প্রেশন এবং সিগন্যাল রূপান্তরের প্রচলিত পদ্ধতির পাশাপাশি, সীমিত পরিমাণে প্রেরিত তথ্যের পরিস্থিতিতে উচ্চ মানের ভয়েস ট্রান্সমিশন অর্জন করতে, লিরা একটি মেশিন লার্নিং সিস্টেমের উপর ভিত্তি করে একটি স্পিচ মডেল ব্যবহার করে, যা আপনাকে অনুপস্থিত তথ্যের উপর ভিত্তি করে পুনরায় তৈরি করতে দেয়। সাধারণ বক্তৃতা বৈশিষ্ট্য। শব্দ উৎপন্ন করতে ব্যবহৃত মডেলটি 70 টিরও বেশি ভাষায় কয়েক হাজার ঘন্টা ভয়েস রেকর্ডিং ব্যবহার করে প্রশিক্ষিত হয়েছিল। প্রস্তাবিত বাস্তবায়নের কার্যকারিতা রিয়েল-টাইম স্পিচ এনকোডিং এবং মধ্য-মূল্যের স্মার্টফোনে ডিকোডিংয়ের জন্য যথেষ্ট, যার সংকেত ট্রান্সমিশন বিলম্ব 90 মিলিসেকেন্ড।

উত্স: opennet.ru