Der französische Mathematiker Fabrice Bellard, der einst die Projekte QEMU, FFmpeg, BPG, QuickJS, TinyGL und TinyCC ins Leben rief, hat das Audio-Codierungsformat TSAC sowie die zugehörigen Tools zur Kompression und Dekompression von Audiodateien veröffentlicht. Das Format ist auf die Übertragung von Daten mit sehr niedriger Bitrate ausgelegt, z. B. 5,5 kb/s für Mono und 7,5 kb/s für Stereo, bei gleichzeitiger Wahrung einer akzeptablen Audioqualität für Musik und Sprache. Die Nutzung von TSAC ermöglicht es, ein Musikstück mit einer Dauer von 3,5 Minuten und einer Abtastrate von 44,1 kHz (Stereo) in einer Datei von nur 192 KB zu verpacken, die für das ungeübte Ohr kaum vom Original zu unterscheiden ist. Der Projektcode wird unter der MIT-Lizenz veröffentlicht.
Als Basis für die Entwicklung von TSAC wurde der Audio-Codec Descript verwendet, der erweitert wurde, um Stereo-Audio zu unterstützen und auf ein anderes neuronales Netzwerk-Modell mit Transformer-Architektur umgestellt wurde. Dies erlaubte eine höhere Kompression, indem verlorene Details entsprechend dem Modell der menschlichen Hörwahrnehmung rekonstruiert wurden. Das Modell benötigt etwa 200 MB im komprimierten Zustand und ist in einer deterministischen Darstellung ausgeführt, die garantiert, dass bei Verwendung verschiedener CPU/GPU und der Anzahl der für die Berechnungen eingesetzten Threads dasselbe Ergebnis erzielt wird.
Der Encoder kann ausschließlich mit CPU-Berechnungen arbeiten (zur Beschleunigung werden AVX2-Instruktionen unterstützt), aber für eine hohe Leistung wird empfohlen, die GPU zu nutzen. In der aktuellen Version kann die CUDA-API zur Beschleunigung mit NVIDIA-GPUs der Mikroarchitekturen Ampere, ADA und Hopper (RTX 3090, RTX 4090, RTX A6000, A100 und H100) verwendet werden, die mindestens über 4 GB Grafikspeicher verfügen. Für die Umwandlung von Audiodateien vor der Kodierung wird FFmpeg eingesetzt.
Zusätzlich sollte das Update des von Bellard entwickelten Tools ts_zip erwähnt werden, das für die effektive Kompression von Textdaten vorgesehen ist. Es nutzt ein auf Maschinenlernen basierendes Token-Vorhersagesystem und das große Sprachmodell RWKV 169M v4. Bei der Kompression von Wikipedia-Archiven ermöglichte ts_zip eine Reduzierung der Daten um das 7,3-fache, während der Code des Linux-Kernels um das 7,8-fache komprimiert wurde. Zum Vergleich lag das Kompressionsniveau mit dem Tool xz bei 4,7 und 5,5-fach. Der Preis für die hohe Effizienz der Kompression ist jedoch die niedrige Kompressionsgeschwindigkeit und hohe Ressourcenanforderungen (mindestens 4 GB RAM). Auf einem System mit einer RTX 4090 GPU liegt die Kompressionsleistung bei etwa 1 MB/s.
Quelle: opennet.ru
