{"id":105223,"date":"2022-10-01T09:36:41","date_gmt":"2022-10-01T07:36:42","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/google-opublikoval-otkrytyj-audiokodek-lyra-v2"},"modified":"2022-10-01T09:36:41","modified_gmt":"2022-10-01T07:36:42","slug":"google-opublikoval-otkrytyj-audiokodek-lyra-v2","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/google-opublikoval-otkrytyj-audiokodek-lyra-v2","title":{"rendered":"Google har offentliggjort den \u00e5bne lydkodek Lyra V2","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Google har pr\u00e6senteret lydb\u00e5ndkoderen Lyra V2, der bruger maskinl\u00e6ringsmetoder for at opn\u00e5 den bedst mulige talekvalitet ved brug af meget langsomme kommunikationskanaler. Den nye version adskiller sig ved at anvende en ny arkitektur til neurale netv\u00e6rk, st\u00f8tte for flere platforme, udvidede muligheder for bitrate-styring, forbedret ydeevne og opn\u00e5else af h\u00f8jere lydkvalitet. Den referenceimplementering af koden er skrevet i C++ og distribueres under Apache 2.0 licensen. <\/p>\n
I forhold til kvaliteten af overf\u00f8rte stemmedata ved lave hastigheder overg\u00e5r Lyra betydeligt traditionelle kodekser, der anvender metoder til digital signalbehandling. For at opn\u00e5 h\u00f8j kvalitet ved overf\u00f8rsel af stemme under betingelser med begr\u00e6nset dataoverf\u00f8rsel anvendes, udover almindelige metoder til komprimering af lyd og signalbehandling, en stemmemodel baseret p\u00e5 et maskinl\u00e6ringssystem, der g\u00f8r det muligt at genskabe manglende information baseret p\u00e5 typiske taleegenskaber. <\/p>\n
Kodeken inkluderer en encoder og en decoder. Encoderens arbejdsalgoritme g\u00e5r ud p\u00e5 at udtr\u00e6kke parametre for stemmedata hvert 20. millisekund, komprimere dem og sende dem til modtageren over netv\u00e6rket med en bitrate fra 3,2 kbps til 9,2 kbps. P\u00e5 modtagerens side bruger decoder en generativ model til at genskabe det oprindelige talesignal baseret p\u00e5 de sendte lydparametre, som inkluderer logaritmiske mel-spektrogrammer, der tager h\u00f8jde for energikvaliteterne i talen inden for forskellige frekvensomr\u00e5der og er forberedt med hensyn til modellen for menneskelig h\u00f8reopfattelse. <\/p>\n
I Lyra V2 er der anvendt en ny generativ model baseret p\u00e5 den konvolutive neurale netv\u00e6rk SoundStream, som har lave krav til beregningsressourcer, hvilket muligg\u00f8r realtidsdekodering selv p\u00e5 lav-effekt systemer. Den model, der anvendes til lydgenerering, er tr\u00e6net med brug af flere tusinde timer af optagelser af stemmer p\u00e5 mere end 90 sprog. TensorFlow Lite anvendes til at k\u00f8re modellen. Ydeevnen i den foresl\u00e5ede implementering er tilstr\u00e6kkelig til at kode og dekode tale p\u00e5 smartphones i lavprisklassen. <\/p>\n
Ud over brugen af en anden generativ model er den nye version ogs\u00e5 bem\u00e6rkelsesv\u00e6rdig ved at inkludere en arkitektur med kvantiseringselementer med RVQ (Residual Vector Quantizer), som udf\u00f8res p\u00e5 senderens side f\u00f8r overf\u00f8rsel af data og p\u00e5 modtagerens side efter modtagelse af data. Kvantisatoren konverterer de parametre, som codec'en udgiver, til s\u00e6t af pakker, der koder informationen i forhold til den valgte bitrate. For at sikre forskellige kvalitetsniveauer er der forudset kvantisatorer til tre bitrater (3.2 kps, 6 kbps og 9.2 kbps), jo h\u00f8jere bitrate, jo bedre kvalitet, men h\u00f8jere krav til b\u00e5ndbredde.
<\/center> <\/p>\n
Den nye arkitektur har gjort det muligt at reducere signaloverf\u00f8rselsforsinkelsen fra 100 til 20 millisekunder. Til sammenligning viste Opus-kodeken for WebRTC, at de testede bitrate havde forsinkelser p\u00e5 26,5 ms, 46,5 ms og 66,5 ms. Ydermere er ydeevnen for b\u00e5de encoder og decoder steget betydeligt \u2014 sammenlignet med den tidligere version er der observeret en acceleration p\u00e5 op til 5 gange. For eksempel, p\u00e5 smartphone'en Pixel 6 Pro udf\u00f8rer den nye kodek kodning og dekodning af en 20-millisekunders pr\u00f8ve p\u00e5 0,57 ms, hvilket er 35 gange hurtigere, end hvad der kr\u00e6ves for realtidskontrol. <\/p>\n
![\"Google](\"\/wp-content\/uploads\/2022\/10\/54943fd2b2c5c2d008c8c35e462f4a4b.jpg\")
<\/center> <\/p>\n