O matemático francês Fabrice Bellard, que fundou na sua época os projetos QEMU, FFmpeg, BPG, QuickJS, TinyGL e TinyCC, publicou um formato de codificação de áudio TSAC e uma ferramenta associada para compactação e descompactação de arquivos de áudio. O formato é voltado para a transmissão de dados com uma taxa de bits muito baixa, por exemplo, 5,5 kb/s para mono e 7,5 kb/s para estéreo, mantendo uma qualidade aceitável para música e fala. O uso do TSAC permite empacotar uma composição musical com duração de 3,5 minutos e uma taxa de amostragem de 44,1 kHz (estéreo) em um arquivo de 192 KB, que será quase indistinguível do original para o ouvido não treinado. O código do projeto é distribuído sob a licença MIT.
Como base para a criação do TSAC, foi utilizado o codec de áudio Descript, que foi ampliado para suportar áudio estéreo e traduzido para utilizar um modelo de aprendizado de máquina baseado em uma rede neural com arquitetura de 'transformer', permitindo aumentar o grau de compactação por meio da reconstrução de detalhes perdidos levando em consideração o modelo de percepção auditiva humana. O modelo ocupa cerca de 200 MB em formato compactado e é apresentado de maneira determinística, o que garante a obtenção de resultados idênticos independentemente da CPU/GPU utilizada e do número de fluxos envolvidos nos cálculos.
O codificador pode operar utilizando apenas a CPU para cálculos (para acelerar, as instruções AVX2 são suportadas), mas para alcançar um alto desempenho é recomendado utilizar a GPU. Neste estado atual, a API CUDA pode ser utilizada para aceleração com GPUs NVIDIA baseadas nas microarquiteturas Ampere, ADA e Hopper (RTX 3090, RTX 4090, RTX A6000, A100 e H100), que possuem pelo menos 4 GB de memória de vídeo. O FFmpeg é usado para a conversão de arquivos de áudio antes da codificação.
Além disso, destaca-se a atualização da ferramenta ts_zip, desenvolvida por Bellard, que visa a compressão eficiente de dados textuais, utilizando um mecanismo de predição de tokens baseado em um sistema de aprendizado de máquina e um grande modelo de linguagem RWKV 169M v4. Ao comprimir o arquivo da Wikipédia, a ferramenta ts_zip conseguiu reduzir os dados em 7,3 vezes, e ao comprimir o código do núcleo Linux 1.2 em 7,8 vezes. Para comparação, os níveis de compressão utilizando a ferramenta xz foram de 4,7 e 5,5 vezes, respectivamente. O preço pela alta eficiência de compressão é a baixa velocidade de compressão e altas demandas de recursos (mínimo de 4 GB de RAM). Em um sistema com GPU RTX 4090, a performance de compressão é de aproximadamente 1 MB/s.
Fonte: opennet.ru
