De Franse wiskundige Fabrice Bellard, de oprichter van projecten zoals QEMU, FFmpeg, BPG, QuickJS, TinyGL en TinyCC, heeft een audiocodecformaat genaamd TSAC en de bijbehorende toolkit voor het comprimeren en decomprimeren van audiobestanden gepubliceerd. Het formaat is gericht op datatransmissie met een zeer lage bitrate, bijvoorbeeld 5.5 kb/s voor mono en 7.5 kb/s voor stereo, terwijl acceptabele muziek- en spraakkwaliteit behouden blijft. Het gebruik van TSAC maakt het mogelijk om een muziekstuk van 3.5 minuten met een samplefrequentie van 44.1 kHz (in stereo) in een bestand van 192 KB te verpakken, dat voor een ongetrainde luisteraar nauwelijks van het origineel te onderscheiden zal zijn. De code van het project wordt verspreid onder de MIT-licentie.
De basis voor de creatie van TSAC is de audiocodec Descript, die is uitgebreid om stereogeluid te ondersteunen en is omgezet naar een andere machine learning-model op basis van een neurale netwerkarchitectuur genaamd 'transformer'. Dit heeft geleid tot een hogere compressiegraad door het reconstrueren van verloren details, rekening houdend met de menselijke auditieve waarneming. Het model neemt ongeveer 200 MB in beslag in gecomprimeerde vorm en is gepresenteerd in een deterministische weergave die ervoor zorgt dat dezelfde resultaten worden verkregen ongeacht de gebruikte CPU/GPU en het aantal betrokken threads tijdens de berekeningen.
De encoder kan alleen met de CPU voor berekeningen werken (ter versnelling worden AVX2-instructies ondersteund), maar om een hoge prestaties te bereiken, wordt het aanbevolen om de GPU in te schakelen. In de huidige versie kan de CUDA API worden gebruikt voor versnelling met NVIDIA GPU's op basis van de microarchitecturen Ampere, ADA en Hopper (RTX 3090, RTX 4090, RTX A6000, A100 en H100), die ten minste 4 GB videogeheugen hebben. Voor het converteren van audiobestanden voor het coderen wordt FFmpeg gebruikt.
Bovendien kan de ontwikkelde ts_zip-tool van Bellard worden opgemerkt, die bedoeld is voor effectieve compressie van tekstgegevens, gebruikmakend van een tokenvoorspellingsmechanisme gebaseerd op een systeem voor machine learning en het grote taalmodel RWKV 169M v4. Bij het comprimeren van het Wikipedia-archief heeft de ts_zip-tool het mogelijk gemaakt om gegevens met 7,3 keer te comprimeren, en bij de compressie van de Linux-kernelcode 1.2 met 7,8 keer. Ter vergelijking, de compressieniveaus bij gebruik van de xz-tool waren respectievelijk 4,7 en 5,5 keer. De prijs van de hoge compressie-efficiƫntie is een lage compressiesnelheid en hoge middelenvereisten (minimaal 4 GB RAM). Op een systeem met een GPU RTX 4090 bedraagt de compressieprestaties ongeveer 1 MB/s.
Bron: opennet.ru
