Meta / Facebook (e thibetsoe Russia Federation) e hlahisitse codec e ncha ea molumo, EnCodec, e sebelisang mekhoa ea ho ithuta mochine ho eketsa tekanyo ea khatello ntle le ho lahleheloa ke boleng. Codec e ka sebelisoa ka bobeli bakeng sa ho hasanya molumo ka nako ea nnete le bakeng sa khouto bakeng sa ho boloka lifaele hamorao. Ts'ebetso ea litšupiso tsa EnCodec e ngotsoe ka Python ho sebelisoa moralo oa PyTorch mme e na le laesense tlasa laesense ea CC BY-NC 4.0 (Creative Commons Attribution-NonCommercial) bakeng sa tšebeliso e seng ea khoebo feela.
Mefuta e 'meli e lokiselitsoeng e fumaneha bakeng sa ho khoasolla:
- Moetso oa sesosa o sebelisang sekhahla sa sampole sa 24 kHz, o ts'ehetsang molumo oa monophonic feela, 'me o koetliselitsoe ho data e fapaneng ea molumo (e loketseng khouto ea puo). Moetso ona o ka sebelisoa ho paka data ea molumo bakeng sa phetiso ka litheko tse nyane tsa 1.5, 3, 6, 12 le 24 kbps.
- Moetso o se nang mabaka o sebelisang sekhahla sa sampole sa 48 kHz, se tšehetsang molumo oa stereo le ho koetlisetsoa 'mino feela. Mohlala o ts'ehetsa li-bitrate tsa 3, 6, 12 le 24 kbps.
Bakeng sa mohlala o mong le o mong, ho lokiselitsoe mohlala oa puo e eketsehileng, e leng se u lumellang hore u finyelle keketseho e kholo ea tekanyo ea khatello (ho fihlela ho 40%) ntle le tahlehelo ea boleng. Ho fapana le merero e ntlafalitsoeng pele e sebelisang mekhoa ea ho ithuta ka mochini bakeng sa khatello ea molumo, EnCodec e ka sebelisoa eseng feela bakeng sa ho paka puo, empa hape le bakeng sa khatello ea 'mino ka sekhahla sa sampole sa 48 kHz, se tsamaellanang le boemo ba li-CD tsa audio. Ho ea ka baetsi ba codec e ncha, ha ba fetisa ka bitrate ea 64 kbps ha ba bapisoa le sebopeho sa MP3, ba khonne ho eketsa tekanyo ea khatello ea molumo ka makhetlo a ka bang leshome ha ba ntse ba boloka boemo bo tšoanang (mohlala, ha ba sebelisa. MP3, bandwidth ea 64 kbps ea hlokahala, bakeng sa phetisetso e nang le boleng bo tšoanang ho EnCodec e lekane 6 kbps).
Mohaho oa codec o hahiloe holim'a marang-rang a marang-rang a nang le mohaho oa "transformer" 'me o itšetlehile ka lihokelo tse' nè: encoder, quantizer, decoder le discriminator. Encoder e hula liparamente tsa data ea lentsoe ebe e fetolela molatsoana o pharalletseng ho sekhahla sa foreimi e tlase. Quantizer (RVQ, Residual Vector Quantizer) e fetola phallo e hlahisoang ke encoder hore e be lipakete tsa lipakete, e hatella tlhahisoleseling ho latela bitrate e khethiloeng. Sehlahisoa sa quantizer ke setšoantšo se hatelitsoeng sa data, se loketseng ho fetisoa ka marang-rang kapa ho boloka ho disk.
Decoder e khetha setšoantšo se hatelitsoeng sa data ebe se hlophisa leqhubu la molumo oa mantlha. Khethollo e ntlafatsa boleng ba lisampole tse hlahisitsoeng, ho ela hloko mohlala oa kutloisiso ea kutlo ea motho. Ho sa tsotelehe boemo ba boleng le bitrate, mefuta e sebelisoang bakeng sa khouto le decoding e khetholloa ka litlhoko tse itekanetseng tsa lisebelisoa (lipalo tse hlokahalang bakeng sa ts'ebetso ea nako ea nnete li etsoa motheong o le mong oa CPU).
Source: opennet.ru