Google dia nampiditra codec audio vaovao, Lyra, namboarina mba hahatratrarana ny kalitaon'ny feo ambony indrindra na dia mampiasa fantsona fifandraisana miadana be aza. Ny fehezan-dalΓ na fampiharana Lyra dia nosoratana tamin'ny C ++ ary misokatra eo ambanin'ny lisansa Apache 2.0, fa anisan'ireo fiankinan-doha takiana amin'ny asa dia misy tranomboky manokana libsparse_inference.so miaraka amin'ny fampiharana kernel ho an'ny kajy matematika. Marihina fa vonjimaika ny tranomboky manan-tompo - amin'ny hoavy dia mampanantena i Google fa hamolavola fanoloana misokatra ary hanome fanohanana ireo sehatra samihafa.
Raha ny momba ny kalitaon'ny angon-drakitra alefa amin'ny hafainganam-pandeha ambany, Lyra dia ambony lavitra noho ny codec nentim-paharazana izay mampiasa fomba fanodinana famantarana nomerika. Mba hahatratrarana ny fifindran'ny feo avo lenta amin'ny toe-javatra voafetra amin'ny fampahalalam-baovao alefa, ankoatry ny fomba mahazatra amin'ny famatrarana feo sy ny fiovam-peo, Lyra dia mampiasa modely kabary mifototra amin'ny rafitra fianarana milina, izay ahafahanao mamerina ny vaovao tsy hita mifototra amin'ny toetra mampiavaka ny kabary. Ny maodely nampiasaina hamokarana ny feo dia nofanina tamin'ny fampiasana fandraketana feo an'arivony ora tamin'ny fiteny 70 mahery.
Ny codec dia misy encoder sy decoder. Ny algorithm an'ny encoder dia miompana amin'ny fitrandrahana ny mari-pamantarana angon-drakitra feo isaky ny 40 milisegondra, manindry azy ireo ary mampita izany amin'ny mpandray amin'ny tambajotra. Ny fantsom-pifandraisana manana hafainganam-pandeha 3 kilobits isan-tsegondra dia ampy ho an'ny fampitana angon-drakitra. Ny mari-pamantarana feo nalaina dia ahitana ny logarithmic mel spectrograms izay mandinika ny toetran'ny angovon'ny lahateny amin'ny elanelana matetika ary voaomana amin'ny fiheverana ny modely amin'ny fomba fijerin'ny olombelona.
Ny decoder dia mampiasa maodely miteraka izay, mifototra amin'ny mari-pamantarana feo nampitaina, dia mamerina ny famantarana ny kabary. Mba hampihenana ny fahasarotan'ny kajy, dia nampiasaina ny maodely maivana mifototra amin'ny tamba-jotra neural miverimberina, izay variana amin'ny maodely synthesis kabary WaveRNN, izay mampiasa fatran'ny santionany ambany kokoa, fa miteraka famantarana maromaro mifanandrify amin'ny elanelana matetika. Ireo famantarana vokarina dia apetraka avy eo mba hamokatra famantarana tokana mifanaraka amin'ny tahan'ny sampling voafaritra.
Ny torolΓ lana momba ny processeur manokana misy amin'ny processeur ARM 64-bit dia ampiasaina koa amin'ny fanafainganana. Vokatr'izany, na dia eo aza ny fampiasana ny fianarana milina, ny Lyra codec dia azo ampiasaina amin'ny famandrihana sy famadihana kabary amin'ny fotoana tena izy amin'ny finday avo lenta midadasika, mampiseho fahatarana fampitana famantarana 90 milliseconds.
Source: opennet.ru