A francia matematikus Fabrice Bellard, aki létrehozta a QEMU, FFmpeg, BPG, QuickJS, TinyGL és TinyCC projekteket, közzétette a TSAC hangkódolási formátumot és a vele kapcsolatos eszközöket a hangfájlok tömörítéséhez és kicsomagolásához. A formátum célja az adatok nagyon alacsony bitrátán történő továbbítása, például 5.5 kb/s mono és 7.5 kb/s stereo esetén, miközben megőrzi a zene és beszéd megfelelő minőségét. A TSAC használatával egy 3,5 perces, 44.1 kHz-es mintavételi frekvenciájú (stereo) zeneszámot 192 KB méretű fájlba lehet csomagolni, amely a laikus fül számára szinte megkülönböztethetetlen az eredetitől. A projekt kódja MIT licenc alatt terjesztődik.
A TSAC létrehozásához alapként a Descript hangkódolót használták, amelyet kibővítettek a sztereó hang támogatására és új gépi tanulási modellt alkalmaztak, amely egy „transformer” architektúrára épül, lehetővé téve a tömörített hibahelyreállítást az emberi hallás észlelésének modellezésével. A modell körülbelül 200 MB helyet foglal el tömörített formában, és determinisztikus megjelenítéssel van ellátva, amely garantálja az azonos eredményt a használt CPU/GPU és a számítások során használt szálak számától függetlenül.
A kódoló képes csak CPU-t használni a számításokhoz (az AVX2 utasítások gyorsításához támogatottak), de a magas teljesítmény elérése érdekében ajánlott GPU-t használni. Jelenlegi formájában a CUDA API alkalmazható az NVIDIA GPU-k felgyorsítására az Ampere, ADA és Hopper mikroarchitektúrák (RTX 3090, RTX 4090, RTX A6000, A100 és H100) esetén, amelyek legalább 4 GB videomemóriával rendelkeznek. A hangfájlok kódolás előtti átalakításához FFmpeg használható.
Továbbá érdemes megemlíteni a Bellard által fejlesztett ts_zip eszközt, amely hatékony szöveges adatcompresszióra szolgál, gépi tanuláson alapuló token előrejelzési mechanizmussal és a RWKV 169M v4 nagy nyelvi modellel. A Wikipédia archívumának tömörítésekor a ts_zip eszköz lehetővé tette az adatok 7,3-szoros tömörítését, míg a Linux kernel 1.2 kódja 7,8-szoros tömörítést ért el. Összehasonlításképpen, az xz eszköz használatával elért tömörítési arányok 4,7 és 5,5-ször voltak. A magas tömörítési hatékonyság ára a lassú tömörítési sebesség és a nagy erőforrásigény (minimálisan 4 GB RAM). RTX 4090 GPU-val a tömörítési teljesítmény körülbelül 1 MB/s.
Forrás: opennet.ru
