Francuski matematičar Fabrice Bellard, koji je osnovao projekte QEMU, FFmpeg, BPG, QuickJS, TinyGL i TinyCC, objavio je format kodiranja zvuka TSAC i pripadajuće alate za kompresiju i dekompresiju zvučnih datoteka. Format je usmjeren na prijenos podataka s vrlo niskom brzinom prijenosa, na primjer, 5.5 kb/s za mono i 7.5 kb/s za stereo, uz očuvanje prihvatljive kvalitete muzike i govora. Korištenje TSAC-a omogućuje pakiranje muzičke kompozicije trajanja 3.5 minuta i uzorkovanje od 44.1 kHz (stereo) u datoteku veličine 192 KB, koja će biti gotovo neprimjetna od originala za uho neupućenog slušatelja. Kod projekta distribuiran je pod MIT licencom.
Kao osnova za stvaranje TSAC-a korišten je zvučni kodek Descript, koji je proširen za podršku stereo zvuku i prebačen na korištenje drugog modela strojnog učenja temeljenog na neuronskoj mreži s arhitekturom ‘transformer’, što je omogućilo povećanje stupnja kompresije kroz rekonstrukciju izgubljenih detalja s obzirom na model ljudskog slušnog percepcije. Model zauzima oko 200 MB u komprimiranom obliku i oblikovan je u determinističkom prikazu, što jamči postizanje identičnog rezultata bez obzira na korištene CPU/GPU i broj korištenih niti prilikom izračuna.
Kodirajući može raditi s korištenjem isključivo CPU-a (za ubrzanje se podržavaju AVX2 instrukcije), ali za postizanje visoke performanse preporučuje se korištenje GPU-a. U trenutnoj verziji može se primijeniti CUDA API za ubrzanje koristeći NVIDIA GPU-ove temeljen na mikroarhitekturama Ampere, ADA i Hopper (RTX 3090, RTX 4090, RTX A6000, A100 i H100), koji imaju minimum 4 GB video memorije. Za konverziju zvučnih datoteka prije kodiranja koristi se FFmpeg.
Dodatno se može istaknuti ažuriranje alata ts_zip, kojeg razvija Bellard, a koji je namijenjen učinkovitom kompresiranju tekstualnih podataka, koristeći mehanizam predikcije tokena temeljen na sustavu strojnog učenja i velikoj jezičnoj modelu RWKV 169M v4. Pri kompresiji arhiva Wikipedije, alat ts_zip omogućio je kompresiju podataka do 7.3 puta, dok je pri kompresiji koda jezgre Linux 1.2 to bilo 7.8 puta. Za usporedbu, razine kompresije korištenjem alata xz iznosile su 4.7 i 5.5 puta, respektivno. Cijena visoke učinkovitosti kompresije je niska brzina kompresije i velike zahtjeve za resursima (minimumno 4 GB RAM-a). Na sustavu s GPU RTX 4090, brzina kompresije iznosi približno 1 MB/s.
Izvor: opennet.ru
