{"id":99675,"date":"2021-04-06T22:22:41","date_gmt":"2021-04-06T20:22:42","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/google-opublikoval-audiokodek-lyra-dlya-peredachi-rechi-pri-plohom-kachestve-svyazi"},"modified":"2021-04-06T22:22:41","modified_gmt":"2021-04-06T20:22:42","slug":"google-opublikoval-audiokodek-lyra-dlya-peredachi-rechi-pri-plohom-kachestve-svyazi","status":"publish","type":"post","link":"https:\/\/prohoster.info\/sv\/blog\/news\/google-opublikoval-audiokodek-lyra-dlya-peredachi-rechi-pri-plohom-kachestve-svyazi","title":{"rendered":"Google har publicerat ljudcodec Lyra f\u00f6r att \u00f6verf\u00f6ra tal under d\u00e5liga f\u00f6rh\u00e5llanden.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
N\u00e4r det g\u00e4ller kvaliteten p\u00e5 den \u00f6verf\u00f6rda r\u00f6stdata vid l\u00e5ga hastigheter \u00f6vertr\u00e4ffar Lyra avsev\u00e4rt traditionella kodare som anv\u00e4nder metoder f\u00f6r digital signalbehandling. F\u00f6r att uppn\u00e5 h\u00f6g ljudkvalitet under f\u00f6rh\u00e5llanden med begr\u00e4nsad \u00f6verf\u00f6ringsinformation anv\u00e4nder Lyra, f\u00f6rutom vanliga ljudkomprimeringsmetoder och signalbehandling, en talmodell baserad p\u00e5 maskininl\u00e4rning, vilket g\u00f6r det m\u00f6jligt att \u00e5terskapa saknad information utifr\u00e5n typiska egenskaper hos r\u00f6sten. Modellen som anv\u00e4nds f\u00f6r ljudgenerering har tr\u00e4nats med hj\u00e4lp av flera tusen timmar av r\u00f6stinspelningar p\u00e5 mer \u00e4n 70 spr\u00e5k.
<\/center> <\/p>\n
Kodaren omfattar en encoder och en decoder. Algoritmen f\u00f6r kodarens arbete g\u00e5r ut p\u00e5 att extrahera parametrar f\u00f6r r\u00f6stdata var 40:e millisekund, komprimera dem och \u00f6verf\u00f6ra dem till mottagaren via n\u00e4tverket. F\u00f6r att \u00f6verf\u00f6ra data r\u00e4cker en kommunikationskanal med en hastighet av 3 kilobit per sekund. De extraherade ljudparametrarna inkluderar logaritmiska mel-spektrogram som beaktar energiegenskaperna hos r\u00f6sten i olika frekvensomr\u00e5den och f\u00f6rbereds med h\u00e4nsyn till modellen f\u00f6r m\u00e4nsklig h\u00f6rseluppfattning.
<\/center> <\/p>\n
I decodern anv\u00e4nder en generativ modell som \u00e5terskapar signalspr\u00e5k baserat p\u00e5 de \u00f6verf\u00f6rda ljudparametrarna. F\u00f6r att minska ber\u00e4kningskomplexiteten har en l\u00e4tt modell baserad p\u00e5 en \u00e5terkommande neuronn\u00e4tverk anv\u00e4nts, vilket \u00e4r en variant av WaveRNN-modellen f\u00f6r talsyntes, d\u00e4r en l\u00e4gre samplingfrekvens anv\u00e4nds men flera signaler genereras parallellt i olika frekvensomr\u00e5den. De erh\u00e5llna signalerna kombineras sedan f\u00f6r att f\u00e5 en enhetlig utg\u00e5ngssignal som motsvarar den angivna samplingsfrekvensen. <\/p>\n
F\u00f6r att p\u00e5skynda processen har \u00e4ven specialiserade processorinstruktioner som finns i 64-bits ARM-processorer anv\u00e4nts. Trots anv\u00e4ndningen av maskininl\u00e4rning kan Lyra-codec anv\u00e4ndas f\u00f6r att koda och avkoda tal i realtid p\u00e5 smartphones i medelprisklassen, med en signal\u00f6verf\u00f6ringsf\u00f6rdr\u00f6jning p\u00e5 90 millisekunder. \n K\u00e4lla: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"
![\"Google](\"\/wp-content\/uploads\/2021\/04\/dff1cbc3a2422197df2b4510b0a4fc75.png\")
<\/center> <\/p>\n![\"Google](\"\/wp-content\/uploads\/2021\/04\/5fedbeb0d9e364c54c9fd35dab76f019.png\")
<\/center> <\/p>\n