Google har offentliggjort en opdatering af lydkodeken Lyra 0.0.2, der er optimeret til at opnå maksimal taleoverførselskvalitet ved brug af meget langsomme kommunikationskanaler. Kodeken blev åbnet i begyndelsen af april, men blev leveret med tilknytning til et proprietært matematisk bibliotek. I version 0.0.2 er denne mangel blevet udbedret, og der er lavet et åbent alternativ til det nævnte bibliotek — sparse_matmul, som ligesom selve kodeken distribueres under Apache 2.0-licensen. Blandt andre forbedringer kan nævnes muligheden for at bruge build-systemet Bazel med GCC-kompilatoren og brugen af denne kombination som standard i Linux i stedet for Bazel+Clang.
Det skal understreges, at når det kommer til kvaliteten af de overførte stemmedata ved lave hastigheder, overgår Lyra væsentligt traditionelle kodeker, der anvender metoder til digital signalbehandling. For at opnå høj kvalitet i taleoverførsel under begrænsede informationsmængder, anvendes udover almindelige metoder til kompression af lyd og signalbehandling i Lyra en talsystemmodel baseret på maskinlæring, der gør det muligt at genskabe manglende oplysninger baseret på typiske karakteristika ved tale. Den model, der er anvendt til at generere lyd, er trænet ved hjælp af flere tusinde timers optagelser af stemmer på mere end 70 sprog. Ydelsen i den foreslåede implementering er tilstrækkelig til at kode og dekode tale i realtid på smartphones i mellemprisklassen, med forsinkelse under signaloverførsel på niveau med 90 millisekunder.
Kilde: opennet.ru
