{"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\/hr\/blog\/news\/google-opublikoval-otkrytyj-audiokodek-lyra-v2","title":{"rendered":"Google je objavio otvoreni audio kodek Lyra V2","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Tvrtka Google predstavila je audio kodek Lyra V2, koji koristi metode strojne obrade za postizanje maksimalne kvalitete prijenosa govora pri vrlo sporim komunikacijskim kanalima. Nova verzija isti\u010de se prelaskom na novu arhitekturu neuronske mre\u017ee, podr\u0161kom za dodatne platforme, pro\u0161irenim mogu\u0107nostima upravljanja protokom podataka, pove\u0107anjem performansi i postizanjem vi\u0161ih kvaliteta zvuka. Referentna implementacija koda napisana je na C++ i distribuirana je pod Apache 2.0 licencom. <\/p>\n
Po kvaliteti prenesenih glasovnih podataka pri niskim brzinama, Lyra zna\u010dajno nadilazi tradicionalne kodeke koji koriste metode digitalne obrade signala. Za postizanje visoke kvalitete prijenosa glasa u uvjetima ograni\u010denog volumena prenesenih informacija, osim uobi\u010dajenih metoda kompresije zvuka i transformacije signala, Lyra koristi jezi\u010dni model zasnovan na sustavu strojne obrade, koji omogu\u0107uje rekonstrukciju nedostaju\u0107ih informacija na temelju tipi\u010dnih karakteristika govora. <\/p>\n
Kodek uklju\u010duje kodera i dekodera. Algoritam rada kodera svodi se na ekstrakciju parametara glasovnih podataka svakih 20 milisekundi, njihovo komprimiranje i prijenos primatelju preko mre\u017ee s protokom podataka od 3.2kbps do 9.2kbps. Na strani primatelja, dekoder koristi generativni model za rekonstrukciju izvornih glasovnih signala na temelju prenesenih zvu\u010dnih parametara, koji uklju\u010duju logaritamske mel-spektrograma, uzimaju\u0107i u obzir karakteristike energije govora u razli\u010ditim frekvencijskim pojasovima, pripremljene s obzirom na model ljudskog slu\u0161nog percepcije. <\/p>\n
U Lyra V2 kori\u0161ten je novi generativni model temeljen na konvolucijskoj neuronskoj mre\u017ei SoundStream, koja se odlikuje niskim zahtjevima za ra\u010dunalnim resursima, \u0161to omogu\u0107uje dekodiranje u stvarnom vremenu \u010dak i na slabo opremljenim sustavima. Model kori\u0161ten za generiranje zvuka treniran je koriste\u0107i nekoliko tisu\u0107a sati snimaka glasova na vi\u0161e od 90 jezika. Za izvo\u0111enje modela koristi se TensorFlow Lite. Performanse predlo\u017eene implementacije su dovoljne za kodiranje i dekodiranje govora na pametnim telefonima ni\u017eih cjenovnih razreda. <\/p>\n
Osim kori\u0161tenja druge generativne metode, nova verzija se tako\u0111er isti\u010de uklju\u010divanjem u arhitekturu kodeka sekcija s kvantizatorom RVQ (Residual Vector Quantizer), koji se izvr\u0161ava na strani po\u0161iljatelja prije prijenosa podataka, a na strani primatelja nakon prijema podataka. Kvantizator pretvara parametre koje isporu\u010duje kodek u skupine paketa, kodiraju\u0107i informacije u vezi s odabranom brzinom prijenosa. Kako bi se osigurala razli\u010dita razina kvalitete, predvi\u0111eni su kvantizatori za tri brzine prijenosa (3.2 kps, 6 kbps i 9.2 kbps), gdje je ve\u0107a brzina bolja kvaliteta, ali ve\u0107i zahtjevi za propusnost.
<\/center> <\/p>\n
Nova arhitektura omogu\u0107ila je smanjenje ka\u0161njenja prijenosa signala sa 100 na 20 milisekundi. U usporedbi, Opus kodak za WebRTC pokazao je ka\u0161njenja od 26,5 ms, 46,5 ms i 66,5 ms na testiranim bitrate-ovima. Tako\u0111er, zna\u010dajno je porasla u\u010dinkovitost enkodera i dekodera \u2014 u usporedbi s prethodnom verzijom, zabilje\u017eeno je ubrzanje do 5 puta. Na primjer, na pametnom telefonu Pixel 6 Pro, novi kodak obavlja enkodiranje i dekodiranje 20-milisekundne uzorke za 0,57 ms, \u0161to je 35 puta br\u017ee od potrebnog za prijenos u stvarnom vremenu. <\/p>\n
![\"Google](\"\/wp-content\/uploads\/2022\/10\/54943fd2b2c5c2d008c8c35e462f4a4b.jpg\")
<\/center> <\/p>\n