Lyra 1.3 ઓપન ઓડિયો કોડેક અપડેટ

Google એ Lyra 1.3 ઑડિઓ કોડેકનું પ્રકાશન પ્રકાશિત કર્યું છે, જેનો હેતુ મર્યાદિત માત્રામાં પ્રસારિત માહિતીની સ્થિતિમાં ઉચ્ચ ગુણવત્તાની વૉઇસ ટ્રાન્સમિશન હાંસલ કરવાનો છે. Lyra કોડેકનો ઉપયોગ કરતી વખતે 3.2 kbps, 6 kbps અને 9.2 kbpsના બિટરેટ પર સ્પીચ ગુણવત્તા લગભગ 10 kbps, 13 kbps અને 14 kbps ઓપસ કોડેકનો ઉપયોગ કરતી વખતે બિટરેટની સમકક્ષ હોય છે. આ સમસ્યાને ઉકેલવા માટે, ઑડિઓ કમ્પ્રેશન અને સિગ્નલ કન્વર્ઝનની પરંપરાગત પદ્ધતિઓ ઉપરાંત, Lyra મશીન લર્નિંગ સિસ્ટમ પર આધારિત સ્પીચ મોડેલનો ઉપયોગ કરે છે, જે તમને લાક્ષણિક ભાષણ લાક્ષણિકતાઓના આધારે ખૂટતી માહિતીને ફરીથી બનાવવાની મંજૂરી આપે છે. સંદર્ભ કોડ અમલીકરણ C++ માં લખાયેલ છે અને Apache 2.0 લાયસન્સ હેઠળ વિતરિત કરવામાં આવે છે.

ઑક્ટોબરમાં સૂચિત Lyra 1.2 ના ધરમૂળથી પુનઃડિઝાઇન કરેલા પ્રકાશનથી વિપરીત, નવા ન્યુરલ નેટવર્ક આર્કિટેક્ચરમાં અનુવાદિત, સંસ્કરણ 1.3 આર્કિટેક્ચરલ ફેરફારો વિના મશીન લર્નિંગ મોડલને ઑપ્ટિમાઇઝ કરે છે. નવું સંસ્કરણ વજન સંગ્રહિત કરવા અને અંકગણિત કામગીરી કરવા માટે 32-બીટ ફ્લોટિંગ પોઈન્ટ નંબરોને બદલે 8-બીટ પૂર્ણાંકોનો ઉપયોગ કરે છે, જેના પરિણામે પિક્સેલ 43 પ્રો સ્માર્ટફોન પર પરીક્ષણ કરતી વખતે મોડેલના કદમાં 20% ઘટાડો અને 6% સ્પીડઅપ થાય છે. વાણીની ગુણવત્તા સમાન સ્તરે જાળવવામાં આવી હતી, પરંતુ પ્રસારિત ડેટાનું ફોર્મેટ બદલાઈ ગયું છે અને તે અગાઉના પ્રકાશનો સાથે સુસંગત નથી.

સોર્સ: opennet.ru