فشرده‌سازی صوتی با هوش مصنوعی؛ چاپ یک آهنگ کامل روی کاغذ

فشرده‌سازی صوتی با هوش مصنوعی امکان ذخیره‌سازی و چاپ یک قطعه موسیقی کامل دو دقیقه‌ای را روی یک برگ کاغذ معمولی فراهم کرده است. در این پروژه نوآورانه، با بهره‌گیری از مدل‌های پیشرفته یادگیری ماشین، حجم داده‌های صوتی تا هزار برابر کاهش یافته تا چاپ فیزیکی صوت میسر شود.

فناوری EnCodec و رکوردشکنی در کاهش حجم فایل صوتی

یک برنامه‌نویس با نام مستعار Makestreme با استفاده از کدک متن‌باز متا به نام EnCodec موفق شد حجم یک قطعه موسیقی MP3 را از ۲٫۹ مگابایت به حدود ۲۱ کیلوبایت برساند. این دستاورد فنی، ظرفیت داده‌ها را به اندازه‌ای بهینه‌سازی می‌کند که کل اطلاعات روی ۸ بارکد دوبعدی (QR) جای می‌گیرد.

در روش‌های سنتی رمزگذاری، ذخیره چنین فایلی روی کاغذ به چاپ نزدیک به هزار کد QR نیاز داشت، اما الگوریتم‌های نوین شبکه عصبی ساختار سیگنال‌ها را به توکن‌های بسیار فشرده تبدیل می‌کنند.

ارزیابی کیفیت بازتولید صدا و چالش‌های فنی

فرایند فشرده‌سازی صوتی با هوش مصنوعی نیازمند توازن میان پهنای باند و وضوح خروجی است. عملکرد این مدل در نرخ‌های داده مختلف به شرح زیر ارزیابی می‌شود:

انتقال بی‌سیم و وابستگی به مدل‌های رمزگشا

توسعه‌دهنده این پروژه توانست فایل ۲۱ کیلوبایتی نهایی را از طریق امواج رادیویی لورا (LoRa) و با استفاده از دو میکروکنترلر ESP32 منتقل کند. به دلیل محدودیت‌های مقرراتی چرخه کاری و لزوم مکث‌های ۴۰ ثانیه‌ای میان بسته‌ها، این تبادل بی‌سیم حدود ۹۰ دقیقه به طول انجامید.

اگرچه کاغذ چاپی می‌تواند صدها سال دوام بیاورد، اما بازخوانی این موسیقی مستلزم دسترسی همیشگی به شبکه عصبی و رمزگشای ۲۴ کیلوهرتزی خواهد بود.

این دستاورد نشان می‌دهد که ترکیب فشرده‌سازی صوتی با هوش مصنوعی و بسترهای فیزیکی، پنجره‌های جدیدی برای ذخیره‌سازی داده‌های حجیم در فضاهای فوق‌العاده محدود باز کرده است.