Гоогле чини свој говорни кодек Лира са ниском брзином преноса битним

Гоогле је објавио свој изворни код Лира аудио цодец бета на ГитХуб-у, чинећи обраду звука невероватног квалитета с малим битреатом доступном свим програмерима. Кодек је најкориснији у ситуацијама са уграђеним и ограниченим пропусним опсегом када је потребно сачувати што више података.

Лира: Готово ништа никада није звучало тако добро

Аудио кодек ради на принципу пружања најприроднијег говора уз најнижу могућу брзину преноса података. Успева у стварању готово језивих нивоа репродукције звука са битрејтима од само 3 кбпс. Гоогле користи компресију Лира у реалном времену већ у својој апликацији Дуо, мада вас не би кривили што нисте ни схватили разлику од уобичајеног пропусног опсега звука.

Да би показао колико је Лира боља од осталих кодека, Гоогле пружа примере путем а блог пост поређење кодека компресије вођеног машинским учењем са другим алтернативама од 3 и 6 кбпс.

Разлика је ноћ у дану, а пружање програмерима света преко ових алата бит ће значајан покретач у побољшању квалитета комуникације тамо где је пропусност ретка. Такође је одличан мотив за програмере који желе да креирају нове апликације на тржиштима у развоју, нешто што ће Гоогле сигурно покрити у овогодишњим

бесплатна виртуелна Гоогле И / О конференција на мрежи.

Бета изворни код је тренутно дизајниран за 64-битне Арм уређаје, иако ће се примери изводити и на 64-битним к86 Линук системима. Изворни код је у потпуности документован, мада је у бета верзији, а ГитХуб страница садржи упутства за инсталацију и како направити Лиру на Линуку за 64-битне циљеве Арм.

Да бисте добили изворни код Лира бета, идите на Страница Лира ГитХуб.

Како функционише Лира?

Иако је стварни процес који Лира користи невероватно сложена комбинација модела машинског учења на којима су обучени хиљадама сати говорних података и оптимизација постојеће технологије аудио кодека, теорија је сасвим добра једноставно.

Сваких 40 мс функције се преузимају из говора и компресују на 3 кбпс. Ове карактеристике представљају говорне енергетске тачке у фреквенцијском спектру најближе људском слушном говорном одговору - ствари које треба да препознамо и разумемо када неко говори.

Кључни део онога што Лиру чини посебном је како користи ове информације:

Међутим, традиционални параметарски кодеци, који из говора једноставно издвајају критичне параметре који тада могу бити користи се за поновно стварање сигнала на пријемном крају, постизање малих брзина преноса, али често звучи роботски и неприродно. Ови недостаци довели су до развоја нове генерације висококвалитетних аудио генеративних модела који јесу револуционисао је поље тиме што је могао не само да прави разлику између сигнала, већ и да генерише потпуно нове оне.

Након преноса, Лира обнавља таласни облик попуњавајући оно што недостаје користећи овај процес, иако некако није превише рачунски сложена.

С једне стране, то је технолошко чудо које ће се одвијати готово било где. С друге стране, још увек нисам 100% уверен да то није врачање.

10 Гоогле Дуо функција које бисте заиста требали да користите

Гоогле Дуо је једна од најбољих апликација за видео позиве. Има пуно карактеристика, а ево и оних за које мислимо да би их заиста требало користити.

Прочитајте следеће

О аутору