Prantsuse matemaatik Fabrice Bellard, kes asutas kunagi projektid QEMU, FFmpeg, BPG, QuickJS, TinyGL ja TinyCC, avaldas helikodeerimise vormingu TSAC ja sellega seotud tööriistad helifailide kokkusurumiseks ja dekompressimiseks. Vorming on suunatud andmete edastamisele väga madala bittikiirusel, näiteks 5.5 kb/s mono ja 7.5 kb/s stereo puhul, säilitades samas vastuvõetava kvaliteedi muusikas ja kõnes. TSAC kasutamine võimaldab pakkida 3.5 minuti pikkuse muusikakompositsiooni, mille proovivõtufrekvents on 44.1 kHz (stereo), faili suurusega 192 KB, mis on peaaegu eristamatu originaalist tavalise kuulaja jaoks. Projekti kood on saadaval MIT litsentsi alusel.
TSACi loomisel kasutati helikoodekit Descript, mida on laiendatud stereohelitugi jaoks ja üle viidud teise süvaõppemudeli, mille põhjal on transformeeriv arhitektuur, mis on võimaldanud suurendada kokkusurumise määra, arvestades kadunud detailide rekonstrueerimist inimese kuulmisvõimekuse mudeli põhjal. Mudel võtab kokku umbes 200 MB ja on esitatud deterministlikus esitusvormis, mis garanteerib sama tulemuse saamise sõltumata kasutatavatest CPU/GPU-st ja arvutustes osalevate lõimede arvust.
Kodeerija saab töötada vaid CPU kasutades (kiirendamiseks toetatakse AVX2 juhiseid), kuid kõrge jõudluse saavutamiseks on soovitatav kasutada GPU-d. Praeguses versioonis võib kasutada CUDA API-d, et kiirendada töötlemist NVIDIA GPU-del, mis põhinevad mikroarhitektuuridel Ampere, ADA ja Hopper (RTX 3090, RTX 4090, RTX A6000, A100 ja H100), millel on vähemalt 4 GB videomälu. Helifailide konverteerimiseks enne kodeerimist kasutatakse FFmpeg'i.
Lisaks tasub mainida, et Fabrice Bellard arendab ts_zip utiliiti, mis on ette nähtud tekstide efektiivseks kokkusurumiseks, kasutades tekstiennustuse mehhanismi, mis põhineb masinõppe süsteemi ja suure keelemudeli RWKV 169M v4. Wikipedia arhiivi kokkusurumisel suutis ts_zip utiliit andmeid kokku suruda 7.3 korda, samal ajal kui Linuxi tuumakoodi 1.2 puhul oli kokkusurumine 7.8 korda. Võrdluseks, xz utiliidi kasutamise kokkusurumise määrad olid vastavalt 4.7 ja 5.5 korda. Suure efektiivsuse hind on madal kokkusurumiskiirus ja suured ressursinõuded (vähemalt 4 GB RAM). RTX 4090 GPU süsteemis on kokkusurumise jõudlus umbes 1 MB/s.
Allikas: opennet.ru
