Matematicianul francez Fabrice Bellard, care a fondat proiectele QEMU, FFmpeg, BPG, QuickJS, TinyGL și TinyCC, a publicat un format de codare audio numit TSAC și un instrumentar asociat pentru comprimarea și decompresarea fișierelor audio. Formatul este orientat spre transmiterea datelor cu un bitrate foarte scăzut, de exemplu, 5.5 kb/s pentru mono și 7.5 kb/s pentru stereo, menținând o calitate acceptabilă a muzicii și vocii. Utilizarea TSAC permite ambalarea unei compoziții muzicale de 3.5 minute, cu o frecvență de eșantionare de 44.1 kHz (stereo), într-un fișier de 192 KB, care va fi aproape indistinctibil de original pentru urechea neexperimentaților. Codul proiectului este distribuit sub licența MIT.
Ca bază pentru crearea TSAC a fost utilizat codec-ul audio Descript, care a fost extins pentru a suporta sunet stereo și adaptat pentru a utiliza un alt model de învățare automată bazat pe rețele neuronale cu arhitectura 'transformer', care a permis creșterea gradului de comprimare prin reconstrucția detaliilor pierdute în conformitate cu modelul de percepție auditivă umană. Modelul ocupă aproximativ 200 MB în formă comprimată și este realizat într-o prezentare deterministă, care garantează obținerea acelorași rezultate, indiferent de CPU/GPU utilizate și de numărul de fire implicate în calcule.
Encoder-ul poate funcționa utilizând pentru calcule doar CPU (instrucțiunile AVX2 sunt suportate pentru accelerare), dar pentru a obține performanțe ridicate, se recomandă utilizarea GPU-ului. În starea actuală, se poate folosi API-ul CUDA pentru accelerare utilizând GPU-uri NVIDIA bazate pe microarhitecturile Ampere, ADA și Hopper (RTX 3090, RTX 4090, RTX A6000, A100 și H100), care au cel puțin 4 GB de memorie video. Pentru conversia fișierelor audio înainte de codare, se folosește FFmpeg.
De asemenea, merită menționat că utilitarul ts_zip, dezvoltat de Bellard, a fost actualizat pentru a comprima eficient datele textuale, folosind un mecanism de predicție a token-urilor bazat pe un sistem de învățare automată și pe un model de limbaj mare RWKV 169M v4. La comprimarea arhivei Wikipedia, utilitarul ts_zip a reușit să comprime datele de 7.3 ori, iar la comprimarea codului sursă Linux 1.2 — de 7.8 ori. În comparație, nivelurile de compresie cu utilitarul xz au fost de 4.7 și, respectiv, 5.5 ori. Prețul acestei eficiențe ridicate este o viteză de compresie scăzută și cerințe mari de resurse (minim 4 GB RAM). Pe un sistem cu GPU RTX 4090, performanța de compresie este de aproximativ 1 MB/s.
Sursa: opennet.ro
