
توسعهدهندهای با نام مستعار Makestreme موفق شده است یک قطعه موسیقی دو دقیقهای با حجم ۲.۹ مگابایت را به کمک شبکههای عصبی حدود ۱۰۰۰ برابر فشرده کرده و فایل ۲۱ کیلوبایتی حاصل را در قالب هشت کد QR روی کاغذ چاپ کند. این پروژه نوآورانه که روی بسترهایی مانند ESP32 و فناوری LoRa نیز پیادهسازی شده، جهت بازپخش صدا به یک دکودر اختصاصی مبتنی بر هوش مصنوعی نیاز دارد.
فشردهسازی صوتی سنتی به دلیل ماهیت اتلافی فرمتهایی نظیر MP3 قادر به کاهش شدید حجم بدون تخریب کامل صدا نیست. با این حال، استفاده از کدک هوش مصنوعی متنباز EnCodec شرکت متا، دستیابی به نرخ فشردهسازی بسیار بالا را ممکن ساخته است. این کدک عصبی موجهای صوتی را به توکنهای گسسته تبدیل میکند که در نرخ بیت ۳ کیلوبیت بر ثانیه، کیفیتی کاملاً مطلوب و قابل قبول را بازسازی میکند.
در این پروژه، ظرفیت هر کد QR تا حد عملی ۳.۳ کیلوبایت افزایش یافته است. برای تحقق این میزان از تراکم داده، از پایینترین سطح تصحیح خطا استفاده شده است؛ رفتاری که موجب میشود کوچکترین آسیب فیزیکی به کاغذ، فرایند بازسازی فایل صوتی را با مشکل مواجه کند.
علاوه بر چاپ روی کاغذ، فایل ۲۱ کیلوبایتی فشردهشده با استفاده از دو برد ESP32 و ماژولهای فرستنده REYAX RYLR998 روی فرکانس ۸۶۶ مگاهرتز (فناوری LoRa) منتقل شده است. ساختار این انتقال بیسیم شامل موارد زیر است:
ذخیرهسازی نرمافزار و داده روی کاغذ پیشینهای طولانی دارد و به فناوریهایی همچون Cauzin Softstrip در سال ۱۹۸۵ بازمیگردد. اگرچه کاغذ به عنوان یک رسانه فیزیکی میتواند قرنها دوام بیاورد، اما اطلاعات ذخیرهشده در این پروژه تنها حاوی توکنهای عصبی هستند، نه دادههای صوتی خام.
این بدان معناست که رمزگشایی و شنیدن مجدد این آهنگ نیازمند اجرای دقیق دکودر ۲۴ کیلوهرتزی EnCodec است. در نتیجه، ماندگاری این موسیقی علاوه بر سلامت فیزیکی کاغذ، به بقا و دسترسپذیری شبکههای عصبی و نرمافزار رمزگشای آن در طول زمان بستگی دارد.
این مطلب بر اساس خبر Tom’s Hardware بازنویسی و ترجمه شده است.
دیدگاهها۰
برای ثبت نظر، پرسش یا رأی ابتدا وارد حساب کاربری شوید.