Den franske matematiker Fabrice Bellard, som har grundlagt projekterne QEMU, FFmpeg, BPG, QuickJS, TinyGL og TinyCC, har offentliggjort lydkodningsformatet TSAC samt tilhørende værktøjer til kompression og dekompression af lydfiler. Formatet er designet til overførsel af data med meget lav bitrate, for eksempel 5,5 kb/s for mono og 7,5 kb/s for stereo, samtidig med at der opretholdes acceptabel kvalitet for musik og tale. TSAC muliggør kompression af musiknumre, der varer 3,5 minutter med en samplingfrekvens på 44,1 kHz (stereo), i en fil på 192 KB, som næsten ikke kan skelnes fra originalen af en uerfaren lytter. Projektets kode distribueres under MIT-licensen.
Som grundlag for TSAC er lydkodecen Descript blevet udvidet til at understøtte stereo-lyd og omarbejdet til at anvende en anden maskinlæringsmodel baseret på en transformermodel, hvilket har gjort det muligt at øge kompressionsgraden ved at rekonstruere mistede detaljer med hensyntagen til menneskelig høresans. Modellen fylder cirka 200 MB i komprimeret format og præsenteres i en deterministisk form, som garanterer det samme resultat uanset de anvendte CPU/GPU'er og antallet af tråde, der bruges under beregningerne.
Encoder kan køre ved kun at bruge CPU til beregninger (AVX2-instruktioner understøttes for acceleration), men for at opnå høj ydeevne anbefales det at bruge GPU. I den nuværende version kan CUDA API anvendes til acceleration ved brug af NVIDIA GPU'er baseret på mikroarkitekturerne Ampere, ADA og Hopper (RTX 3090, RTX 4090, RTX A6000, A100 og H100), som har mindst 4 GB videohukommelse. FFmpeg anvendes til konvertering af lydfiler før kodning.
Derudover kan det nævnes, at den af Bellard udviklede ts_zip-værktøj er designet til effektiv kompression af tekstdata ved hjælp af en token-forudsigelsesmekanisme baseret på en maskinlæringssystem og den store sprogmodel RWKV 169M v4. Ved kompression af Wikipedia-arkivet gjorde ts_zip det muligt at komprimere dataene med 7,3 gange, og ved kompression af Linux-kerne koden 1.2 — med 7,8 gange. Til sammenligning var kompressionsniveauerne ved brug af xz-værktøjet henholdsvis 4,7 og 5,5 gange. Prisen for den høje kompressionseffektivitet er lav kompressionshastighed og store ressourcekrav (mindst 4 GB RAM). På et system med en GPU RTX 4090 er kompressionsydelsen omtrent 1 MB/s.
Kilde: opennet.ru
