Lyra 1.3 ओपन ऑडिओ कोडेक अपडेट

Google ने Lyra 1.3 ऑडिओ कोडेकचे प्रकाशन प्रकाशित केले आहे, ज्याचा उद्देश मर्यादित प्रमाणात प्रसारित केलेल्या माहितीच्या परिस्थितीत उच्च दर्जाचे व्हॉइस ट्रान्समिशन साध्य करणे आहे. Lyra कोडेक वापरताना 3.2 kbps, 6 kbps आणि 9.2 kbps च्या बिटरेट्सवर उच्चार गुणवत्ता अंदाजे Opus कोडेक वापरताना 10 kbps, 13 kbps आणि 14 kbps च्या बिटरेट्सच्या समतुल्य असते. या समस्येचे निराकरण करण्यासाठी, ऑडिओ कॉम्प्रेशन आणि सिग्नल रूपांतरणाच्या पारंपारिक पद्धतींव्यतिरिक्त, लिरा मशीन लर्निंग सिस्टमवर आधारित स्पीच मॉडेल वापरते, जे आपल्याला विशिष्ट भाषण वैशिष्ट्यांवर आधारित गहाळ माहिती पुन्हा तयार करण्यास अनुमती देते. संदर्भ कोड अंमलबजावणी C++ मध्ये लिहिलेली आहे आणि Apache 2.0 लायसन्स अंतर्गत वितरित केली आहे.

नवीन न्यूरल नेटवर्क आर्किटेक्चरमध्ये अनुवादित केलेल्या Lyra 1.2 च्या ऑक्टोबरमध्ये मूलत: रीडिझाइन केलेल्या रिलिझच्या विपरीत, आवृत्ती 1.3 वास्तुशास्त्रीय बदलांशिवाय मशीन लर्निंग मॉडेलला अनुकूल करते. नवीन आवृत्ती वजन संग्रहित करण्यासाठी आणि अंकगणित ऑपरेशन्स करण्यासाठी 32-बिट फ्लोटिंग पॉइंट क्रमांकांऐवजी 8-बिट पूर्णांक वापरते, परिणामी Pixel 43 Pro स्मार्टफोनवर चाचणी करताना मॉडेलच्या आकारात 20% घट आणि 6% गती वाढते. भाषण गुणवत्ता समान स्तरावर राखली गेली होती, परंतु प्रसारित डेटाचे स्वरूप बदलले आहे आणि मागील प्रकाशनांशी सुसंगत नाही.

स्त्रोत: opennet.ru