EnCodec, codec cusub oo Meta ah

Dhawaan Meta ( hore Facebook) waxay daaha ka qaaday codec cusub oo maqal ah oo loo yaqaan EnCodec, in wuxuu adeegsadaa farsamooyinka barashada mashiinka si loo kordhiyo saamiga cadaadiska iyada oo aan lumin tayada.

Habka cusubi wuxuu cadaadin karaa oo demi karaa codka wakhtiga dhabta ah si loo gaaro dhimista cabbirka casriga ee casriga ah. codec waxaa loo isticmaali karaa labadaba streaming audio waqtiga dhabta ah sida loo codeeyo kaydinta dambe ee faylasha.

Maanta, waxaanu faahfaahinaynaa horumarka cilmi-baadhista Aasaasiga ah ee AI (FAIR) ee ay ka samaysay aagga isku-buufinta maqalka ee ku shaqaynaysa AI. Bal qiyaas inaad dhegaysato fariinta codka saaxiibka ah ee aagga xidhiidhkoodu liito oo aan joogsan ama shil lahayn. Cilmi-baaristeenu waxay muujineysaa sida aan u isticmaali karno AI si ay nooga caawiso inaan gaarno tan.

InCodec bixiyaan laba nooc diyaar u ah in la soo dejiyo:

1. Qaabka sababa ee isticmaala xadiga muunada 24kHz, taageera kaliya codka monophonic, waxaana lagu tababaray xog maqal oo kala duwan (ku haboon codaynta hadalka). Qaabka waxaa loo isticmaali karaa in lagu xidho xogta maqalka ah ee gudbinta ee heerarka yara ee 1,5, 3, 6, 12 iyo 24 kbps.
2. Nooc aan sabab lahayn oo isticmaala xadiga muunada 48kHz, taageera codka stereo, waxaana lagu tababaray muusiga kaliya. Moodelku waxa uu taageeraa heerarka yara ee 3, 6, 12 iyo 24 kbps.

Nooc kasta, qaab luqadeed oo dheeri ah ayaa loo diyaariyay, maxaa u ogolaanaya koror weyn saamiga cadaadiska (ilaa 40%) iyada oo aan tayada lumin. Si ka duwan mashruucyadii hore si loogu dabaqo farsamooyinka barashada mashiinka si loo cadaadiyo maqalka, EnCodec looma isticmaali karo oo kaliya baakadaha hadalka, laakiin sidoo kale riixitaanka muusiga oo leh inta jeer ee muunada 48 kHz, oo u dhiganta heerka CD-yada maqalka ah.

Marka loo eego kuwa soo saaray codec-ka cusub, iyaga oo gudbinaya xoogaa xadi ah 64 kbps marka loo eego qaabka MP3, waxa ay ku guulaysteen in ay kordhiyaan saamiga isku xidhka maqalka ilaa toban jeer iyaga oo ilaalinaya isla heerka tayada (tusaale, marka la isticmaalayo MP3). waxay u baahan tahay xawaaladaha 64 kbps, si loogu wareejiyo tayada isku midka ah ee EnCodec, 6 kbps ayaa ku filan).

Xogtan ayaa markaa lagu kala saari karaa iyadoo la isticmaalayo shabakad neural ah. Waxaan gaarnay qiyaastii 10x xajmi isku xidhid ah marka la barbar dhigo MP3 at 64kbps, iyada oo aan tayada lumin. Iyadoo farsamooyinkan hore loogu sii sahamiyay hadalka, waxaanu nahay kuwii ugu horreeyay ee ka dhigaya inay ku shaqeeyaan 48 kHz muunad maqal stereo ah (ie tayada CD), taas oo ah heerka qaybinta muusikada.

Qaab dhismeedka codec Waxay ku dhisan tahay shabakad neerfaha ah oo leh qaab-dhismeed "isbedal". oo ku salaysan afar curaarta: encoder, quantizer, codeer iyo takooriye:

• El nuqul ka soo saara halbeegyada xogta codka oo u beddela qulqulka baakadaysan oo heer hoose ah.
• El qiyaase (RVQ, Residual Vector Quantizer) waxay u beddeshaa qulqulka wax soo saarka codeeyaha oo u beddela xirmooyin xirmo ah, isagoo ku cadaadinaya macluumaadka marka loo eego heerka la doortay. Soo saarida quantizer-ku waa matalaad la cufan ee xogta ku habboon gudbinta shabakadda ama kaydinta saxanka.
• El qurxinta wuxuu dejiyaa matalaadda xogta la cufan wuxuuna dib u dhisaa mowjadda dhawaaqa asalka ah.
• El takoorid waxay wanaajisaa tayada shaybaarada la soo saaray (muunada) iyadoo la tixgalinayo qaabka aragtida maqalka aadanaha.

Iyadoo aan loo eegin heerka tayada iyo bitrate-ka, moodooyinka loo isticmaalo codaynta iyo dejinta waxay ku kala duwan yihiin shuruudaha kheyraadka dhexdhexaadka ah ( xisaabaadka looga baahan yahay hawlgalka waqtiga-dhabta ah waxaa lagu sameeyaa hal xudunta CPU).

Ugu dambeyntii, kuwiina daneynaya, waa inaad ogaataa in hirgelinta tixraaca ee EnCodec ay ku qoran tahay Python iyadoo la adeegsanayo qaabka PyTorch oo uu shati ku hoos jiro CC BY-NC 4.0 (Creative Commons Attribution-NonCommercial) shatiga isticmaalka aan ganacsiga ahayn kaliya.

Haddii aad xiisaynayso inaad wax badan ka ogaato, waxaad kala tashan kartaa faahfaahinta halkan xiriirka soo socda.