Meta/Facebook(๋ฌ์์ ์ฐ๋ฐฉ์์ ๊ธ์ง๋จ)์ ๊ธฐ๊ณ ํ์ต ๋ฐฉ๋ฒ์ ์ฌ์ฉํ์ฌ ํ์ง ์ ํ ์์ด ์์ถ๋ฅ ์ ๋์ด๋ ์๋ก์ด ์ค๋์ค ์ฝ๋ฑ์ธ EnCodec์ ์ถ์ํ์ต๋๋ค. ์ฝ๋ฑ์ ์ค์๊ฐ์ผ๋ก ์ค๋์ค๋ฅผ ์คํธ๋ฆฌ๋ฐํ๊ณ ๋์ค์ ํ์ผ์ ์ ์ฅํ๊ธฐ ์ํด ์ธ์ฝ๋ฉํ๋ ๋ฐ ์ฌ์ฉํ ์ ์์ต๋๋ค. EnCodec ์ฐธ์กฐ ๊ตฌํ์ PyTorch ํ๋ ์์ํฌ๋ฅผ ์ฌ์ฉํ์ฌ Python์ผ๋ก ์์ฑ๋์์ผ๋ฉฐ ๋น์์ ์ ์ฉ๋๋ก๋ง CC BY-NC 4.0(Creative Commons Attribution-NonCommercial) ๋ผ์ด์ ์ค์ ๋ฐ๋ผ ๋ผ์ด์ ์ค๊ฐ ๋ถ์ฌ๋ฉ๋๋ค.
๋ค์ด๋ก๋ํ ์ ์๋ ๋ ๊ฐ์ง ๊ธฐ์ฑ ๋ชจ๋ธ์ด ์ ๊ณต๋ฉ๋๋ค.
- 24kHz ์ํ๋ง ์๋๋ฅผ ์ฌ์ฉํ๊ณ ๋ชจ๋ ธ ์ค๋์ค๋ง ์ง์ํ๋ฉฐ ๋ค์ํ ์ค๋์ค ๋ฐ์ดํฐ์ ๋ํด ํ๋ จ๋ ์ธ๊ณผ ๋ชจ๋ธ(์์ฑ ์ฝ๋ฉ์ ์ ํฉ) ์ด ๋ชจ๋ธ์ 1.5, 3, 6, 12 ๋ฐ 24kbps์ ๋นํธ ์ ์ก๋ฅ ๋ก ์ ์กํ๊ธฐ ์ํด ์ค๋์ค ๋ฐ์ดํฐ๋ฅผ ํจํค์งํ๋ ๋ฐ ์ฌ์ฉํ ์ ์์ต๋๋ค.
- 48kHz์ ์ํ๋ง ์๋๋ฅผ ์ฌ์ฉํ๊ณ ์คํ ๋ ์ค ์ค๋์ค๋ฅผ ์ง์ํ๋ฉฐ ์์ ์ ๋ํด์๋ง ํ๋ จ๋ ๋น์ธ๊ณผ ๋ชจ๋ธ์ ๋๋ค. ์ด ๋ชจ๋ธ์ 3, 6, 12 ๋ฐ 24kbps์ ๋นํธ ์ ์ก๋ฅ ์ ์ง์ํฉ๋๋ค.
๊ฐ ๋ชจ๋ธ๋ง๋ค ์ถ๊ฐ ์ธ์ด ๋ชจ๋ธ์ด ์ค๋น๋์ด ์์ด ํ์ง ์ ํ ์์ด ์์ถ๋ฅ ์ ํฌ๊ฒ ๋์ผ ์ ์์ต๋๋ค(์ต๋ 40%). ์ค๋์ค ์์ถ์ ์ํด ๊ธฐ๊ณ ํ์ต ๋ฐฉ๋ฒ์ ์ฌ์ฉํ๋ ์ด์ ์ ๊ฐ๋ฐ๋ ํ๋ก์ ํธ์ ๋ฌ๋ฆฌ EnCodec์ ์์ฑ ํจํค์ง๋ฟ๋ง ์๋๋ผ ์ค๋์ค CD ์์ค์ ํด๋นํ๋ 48kHz์ ์ํ๋ง ์๋๋ก ์์ ์์ถ์๋ ์ฌ์ฉํ ์ ์์ต๋๋ค. ์๋ก์ด ์ฝ๋ฑ ๊ฐ๋ฐ์์ ๋ฐ๋ฅด๋ฉด MP64 ํ์์ ๋นํด 3kbps์ ๋นํธ ์ ์ก๋ฅ ๋ก ์ ์กํ ๋ ๋์ผํ ํ์ง์ ์ ์งํ๋ฉด์ ์ค๋์ค ์์ถ ์ ๋๋ฅผ ์ฝ 3๋ฐฐ ๋์ผ ์ ์์์ต๋๋ค(์: MP64, 6kbps์ ๋์ญํญ์ด ํ์ํฉ๋๋ค. EnCodec์์ ๋์ผํ ํ์ง๋ก ์ ์กํ๋ ค๋ฉด XNUMXkbps์ด๋ฉด ์ถฉ๋ถํฉ๋๋ค.
์ฝ๋ฑ ์ํคํ ์ฒ๋ "๋ณํ๊ธฐ" ์ํคํ ์ฒ๋ฅผ ๊ฐ์ถ ์ ๊ฒฝ๋ง์ ๊ธฐ๋ฐ์ผ๋ก ๊ตฌ์ถ๋์์ผ๋ฉฐ ์ธ์ฝ๋, ์์ํ๊ธฐ, ๋์ฝ๋ ๋ฐ ํ๋ณ๊ธฐ์ 4๊ฐ ๋งํฌ๋ฅผ ๊ธฐ๋ฐ์ผ๋ก ํฉ๋๋ค. ์ธ์ฝ๋๋ ์์ฑ ๋ฐ์ดํฐ์ ๋งค๊ฐ๋ณ์๋ฅผ ์ถ์ถํ๊ณ ์์ถ๋ ์คํธ๋ฆผ์ ๋ ๋ฎ์ ํ๋ ์ ์๋๋ก ๋ณํํฉ๋๋ค. ์์ํ๊ธฐ(RVQ, Residual Vector Quantizer)๋ ์ธ์ฝ๋์ ์คํธ๋ฆผ ์ถ๋ ฅ์ ํจํท ์ธํธ๋ก ๋ณํํ์ฌ ์ ํํ ๋นํธ ์ ์ก๋ฅ ์ ๋ฐ๋ผ ์ ๋ณด๋ฅผ ์์ถํฉ๋๋ค. ์์ํ๊ธฐ์ ์ถ๋ ฅ์ ๋คํธ์ํฌ๋ฅผ ํตํ ์ ์ก์ด๋ ๋์คํฌ ์ ์ฅ์ ์ ํฉํ ๋ฐ์ดํฐ์ ์์ถ ํํ์ ๋๋ค.
๋์ฝ๋๋ ๋ฐ์ดํฐ์ ์์ถ๋ ํํ์ ๋์ฝ๋ฉํ๊ณ ์๋ ์ํ๋ฅผ ์ฌ๊ตฌ์ฑํฉ๋๋ค. ํ๋ณ์๋ ์ธ๊ฐ์ ์ฒญ๊ฐ ์ธ์ ๋ชจ๋ธ์ ๊ณ ๋ คํ์ฌ ์์ฑ๋ ์ํ์ ํ์ง์ ํฅ์์ํต๋๋ค. ํ์ง ๋ฐ ๋นํธ ์ ์ก๋ฅ ์์ค์ ๊ด๊ณ์์ด ์ธ์ฝ๋ฉ ๋ฐ ๋์ฝ๋ฉ์ ์ฌ์ฉ๋๋ ๋ชจ๋ธ์ ๋ค์ ์ ๋นํ ๋ฆฌ์์ค ์๊ตฌ ์ฌํญ์ผ๋ก ๊ตฌ๋ณ๋ฉ๋๋ค(์ค์๊ฐ ์์ ์ ํ์ํ ๊ณ์ฐ์ ๋จ์ผ CPU ์ฝ์ด์์ ์ํ๋จ).
์ถ์ฒ : opennet.ru