Grundaren av QEMU och FFmpeg har publicerat ljudkodeken TSAC.

Den franske matematikern Fabrice Bellard, som har grundat projekten QEMU, FFmpeg, BPG, QuickJS, TinyGL och TinyCC, har publicerat ett ljudkodningsformat kallat TSAC samt relaterade verktyg för komprimering och dekomprimering av ljudfiler. Formatet är inriktat på datatransmission med mycket låg bithastighet, till exempel 5.5 kb/s för mono och 7.5 kb/s för stereo, samtidigt som det bibehåller en acceptabel ljudkvalitet för musik och tal. Användningen av TSAC gör det möjligt att komprimera en musikkomposition som varar i 3.5 minuter och har en samplingsfrekvens på 44.1 kHz (stereo) till en filstorlek på 192 KB, vilket nästan är omöjligt att skilja från originalet för en oinsatt lyssnare. Projektkoden är distribuerad under MIT-licensen.

Som grund för skapandet av TSAC har ljudcodec Descript använts, som har vidareutvecklats för att stödja stereo-ljud och har omvandlats till att använda en annan maskininlärningsmodell baserad på en neuronnätverksarkitektur med ’transformer’, vilket har ökat komprimeringsgraden genom att rekonstruera förlorade detaljer med hänsyn till den mänskliga hörselns uppfattning. Modellen tar upp cirka 200 MB i komprimerad form och är utformad i en deterministisk representation, vilket garanterar samma resultat oavsett använda CPU/GPU och antalet trådar som används under beräkningarna.

Kodaren kan arbeta med beräkningar enbart med CPU (för acceleration stöds AVX2-instruktioner), men för att uppnå hög prestanda rekommenderas det att använda GPU. För närvarande kan API CUDA användas för acceleration med NVIDIA-GPU:er baserade på mikroarkitekturerna Ampere, ADA och Hopper (RTX 3090, RTX 4090, RTX A6000, A100 och H100), som har minst 4 GB videominne. För att konvertera ljudfiler innan kodning används FFmpeg.

Det är värt att nämna uppdateringen av verktyget ts_zip, som utvecklas av Bellard, avsett för effektiv komprimering av textdata, och som använder en mekanism för tokenförutsägelse baserad på en maskininlärningssystem och den stora språkmodellen RWKV 169M v4. Vid komprimering av Wikipedia-arkivet lyckades ts_zip minska datamängden med 7,3 gånger, och vid komprimering av Linux-kärnans kod 1,2 — med 7,8 gånger. Som jämförelse var kompressionsnivåerna med verktyget xz 4,7 och 5,5 gånger, respektive. Den höga kompressionseffektiviteten kommer till ett pris av låg kompressionshastighet och stora resurskrav (minst 4 GB RAM). På en system med GPU RTX 4090 är kompressionsprestandan cirka 1 MB/s.

Källa: opennet.ru