కొన్ని రోజుల క్రితం ది గూగుల్ డెవలపర్లు విడుదల చేశారు వారు తీసుకున్న బ్లాగ్ పోస్ట్ ద్వారా లైరాను ఓపెన్ సోర్స్ చేసే నిర్ణయం. తక్కువ-బ్యాండ్‌విడ్త్ పరిస్థితులలో అధిక-నాణ్యత వాయిస్ కాల్‌లను ప్రారంభించడానికి యంత్ర అభ్యాసంపై లైరా ఆధారపడి ఉంటుంది.
దీనితో ఇతర డెవలపర్లు వారి అనువర్తనాలను పోషించడానికి అనుమతిస్తుంది కమ్యూనికేషన్ మరియు లైరాను కొత్త దిశలలో అభివృద్ధి చేయండి.
దశాబ్దాలుగా మీడియా అనువర్తనాల యొక్క ప్రధానమైన కోడెక్‌లు డేటాను సమర్ధవంతంగా ప్రసారం చేయడానికి బ్యాండ్‌విడ్త్-ఇంటెన్సివ్ అనువర్తనాలను ప్రారంభించాయి.
వంటి, కోడెక్ అభివృద్ధి, వీడియో మరియు ఆడియో రెండింటికీ, కొనసాగుతున్న సవాలును అందిస్తుంది- ఎప్పటికప్పుడు అధిక నాణ్యతను అందించండి, తక్కువ డేటాను వాడండి మరియు నిజ-సమయ కమ్యూనికేషన్ కోసం జాప్యాన్ని తగ్గించండి.
వీడియో ఆడియో కంటే ఎక్కువ బ్యాండ్‌విడ్త్‌ను వినియోగించినట్లు కనిపిస్తున్నప్పటికీ, ఆధునిక వీడియో కోడెక్‌లు ఈ రోజు వాడుకలో ఉన్న కొన్ని అధిక-నాణ్యత స్పీచ్ కోడెక్‌ల కంటే తక్కువ బిట్ రేట్లను సాధించగలవు.
కలయిక తక్కువ బిట్ రేట్ వాయిస్ మరియు వీడియో కోడెక్‌లు అధిక నాణ్యత గల వీడియో కాలింగ్ అనుభవాన్ని తెస్తాయి తక్కువ బ్యాండ్‌విడ్త్ నెట్‌వర్క్‌లలో కూడా. ఏదేమైనా, చారిత్రాత్మకంగా, ఆడియో కోడెక్ యొక్క తక్కువ బిట్ రేటు, తక్కువ తెలివిగల వాయిస్ సిగ్నల్ మరియు మరింత రోబోటిక్.
అలాగే, కొంతమందికి స్థిరమైన అధిక-నాణ్యత బ్రాడ్‌బ్యాండ్ నెట్‌వర్క్‌కు ప్రాప్యత ఉన్నప్పటికీ, ఈ స్థాయి కనెక్టివిటీ విశ్వవ్యాప్తం కాదు, మరియు బాగా అనుసంధానించబడిన ప్రాంతాల్లో నివసించే ప్రజలు కూడా కొన్నిసార్లు నెట్‌వర్క్ కనెక్షన్లు, పేలవమైన నెట్‌వర్క్ కనెక్షన్లు మరియు కనెక్టివిటీని ఎదుర్కొంటారు.
ఈ సమస్యను పరిష్కరించడానికి, గూగుల్ లైరాను సృష్టించింది, ఇది అధిక-నాణ్యత, అల్ట్రా-తక్కువ-బిట్-రేట్ స్పీచ్ కోడెక్ ఇది నెమ్మదిగా ఉన్న నెట్‌వర్క్‌లలో కూడా వాయిస్ కమ్యూనికేషన్‌ను అందుబాటులో ఉంచుతుంది.
దీన్ని చేయడానికి, పురోగతిని సద్వినియోగం చేసుకుంటూ గూగుల్ సాంప్రదాయ కోడింగ్ పద్ధతులను ప్రయోగించింది వాయిస్ సిగ్నల్స్ యొక్క కుదింపు మరియు ప్రసారం యొక్క కొత్త పద్ధతిని రూపొందించడానికి వేలాది గంటల డేటాతో శిక్షణ పొందిన మోడళ్లతో యంత్ర అభ్యాసంలో.
లైరా యొక్క కోడ్ వేగం కోసం C ++ లో వ్రాయబడింది, సామర్థ్యం మరియు ఇంటర్‌ఆపెరాబిలిటీ, ప్లస్ ఇది అబ్సెయిల్‌తో బాజెల్ ఫ్రేమ్‌వర్క్‌ను మరియు పూర్తి యూనిట్ పరీక్షల కోసం గూగుల్ టెస్ట్ ఫ్రేమ్‌వర్క్‌ను ఉపయోగిస్తుంది.
ప్రాథమిక API ప్యాకెట్ మరియు ఫైల్ స్థాయిలో ఎన్కోడింగ్ మరియు డీకోడింగ్ కోసం ఇంటర్ఫేస్ను అందిస్తుంది. పూర్తి సిగ్నల్ ప్రాసెసింగ్ టూల్‌చెయిన్ కూడా అందించబడింది మరియు వివిధ ఫిల్టర్లు మరియు పరివర్తనాలను కలిగి ఉంటుంది.
“మా నమూనా అనువర్తనం లైరా యొక్క స్థానిక కోడ్‌ను జావా ఆధారిత Android అనువర్తనంలో ఎలా సమగ్రపరచాలో చూపించడానికి Android NDK తో కలిసిపోతుంది. లైరాను నడపడానికి అవసరమైన వెక్టర్ బరువులు మరియు క్వాంటిఫైయర్లను కూడా మేము అందిస్తున్నాము, ”అని గూగుల్ తెలిపింది. ఈ విడుదల డెవలపర్‌లకు ఆడియోను లైరాతో ఎన్కోడ్ చేయడానికి మరియు డీకోడ్ చేయడానికి అవసరమైన సాధనాలను అందిస్తుంది, ఇది 64-బిట్ ఆండ్రాయిడ్ ARM ప్లాట్‌ఫామ్ కోసం ఆప్టిమైజ్ చేయబడింది, Linux కోసం ఒక వెర్షన్‌తో.
ఉత్పాదక నమూనాను ఉపయోగించి లక్షణాలు వేవ్ రూపంలోకి డీకోడ్ చేయబడతాయి. జనరేటివ్ మోడల్స్ అనేది ఒక నిర్దిష్ట రకం మెషీన్ లెర్నింగ్ మోడల్, పరిమిత సంఖ్యలో ఫంక్షన్ల నుండి పూర్తి ఆడియో తరంగ రూపాన్ని పున reat సృష్టి చేయడానికి బాగా సరిపోతుంది.
లైరా యొక్క నిర్మాణం సాంప్రదాయ ఆడియో కోడెక్‌లతో సమానంగా ఉంటుంది, ఇది దశాబ్దాలుగా ఇంటర్నెట్ కమ్యూనికేషన్‌కు వెన్నెముకగా ఉంది. ఈ సాంప్రదాయ కోడెక్‌లు డిజిటల్ సిగ్నల్ ప్రాసెసింగ్ పద్ధతులపై ఆధారపడి ఉండగా, లైరా అధిక-నాణ్యత స్పీచ్ సిగ్నల్‌ను పునర్నిర్మించే ఉత్పాదక నమూనా సామర్థ్యంలో నివసిస్తుంది.
గూగుల్ తన ఉచిత వీడియో కాలింగ్ అనువర్తనం డుయోలో లైరాను అమలు చేసింది మరియు ఇది ఇతర అనువర్తనాలకు అనుకూలంగా ఉంటుందని భావించినందున కోడ్‌ను ఓపెన్ సోర్స్‌గా మారుస్తున్నట్లు తెలిపింది.
పెద్ద మొత్తంలో వాయిస్ ఆర్కైవ్ చేయడం, బ్యాటరీ జీవితాన్ని ఆదా చేయడం లేదా బిజీగా ఉన్న పరిస్థితుల్లో నెట్‌వర్క్ రద్దీని తగ్గించడం కోసం లైరా అనువైన అనువర్తనాలు చాలా ఉన్నాయని గూగుల్ నమ్ముతుంది.
"శక్తివంతమైన మరియు ప్రత్యేకమైన అనువర్తనాలను అందించడానికి లైరాకు వర్తించే ఓపెన్ సోర్స్ కమ్యూనిటీని వివరించే సృజనాత్మకతను చూడటానికి మేము ఎదురుచూస్తున్నాము" అని గూగుల్ తెలిపింది.
మూలం: https://opensource.googleblog.com
వ్యాఖ్యానించిన మొదటి వ్యక్తి అవ్వండి