AudioTQ: A Data-Oblivious 6-Bit CPU Audio Codec via Randomized Hadamard Rotation and Lloyd-Max Quantization
تقدم هذه الورقة البحثية AudioTQ، وهو برنامج ترميز صوتي في المجال الزمني وغير معتمد على البيانات، يحقق ضغطاً بمعدل 6 بت في الوقت الفعلي على وحدات المعالجة المركزية القياسية من خلال الجمع بين دوران "فاست والشم-هادامارد" العشوائي وتكميم "لويد-ماكس" وطبقة تصحيح المتبقي، مما يؤدي إلى تقليل حجم الملف بشكل كبير مع الحفاظ على نسبة إشارة إلى ضجيج (SQNR) تبلغ حوالي 30 ديسيبل.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
إن الصوت الرقمي، وهو الصوت الذي نسمعه في هواتفنا وحواسيبنا، هو في الأساس سجل لتغير ضغط الهواء بمرور الوقت. ولتخزين هذا الصوت، تأخذ الحواسيب لقطات لهذه التغيرات في الضغط آلاف المرات في الثانية، وتخصص رقماً لكل لقطة. وكلما كانت هذه الأرقام أكثر دقة، كان الصوت أفضل، ولكن حجم الملف يصبح أكبر أيضاً. ولعقود من الزمن، كانت الطريقة القياسية لتقليص حجم هذه الملفات دون فقدان الكثير من الجودة هي ترجمة الصوت إلى لغة مختلفة: فبدلاً من النظر إلى تغيرات الضغط لحظة بلحظة، يقوم المهندسون بتحليل الصوت كمزيج من نغمات موسيقية مختلفة. ثم يستخدمون قواعد معقدة حول السمع البشري لتحديد أي النغمات هادئة جداً أو مخفية بواسطة أصوات أعلى بحيث لا يلاحظها الدماغ أبداً، ومن ثم يحذفون تلك الأجزاء. تعمل هذه الطريقة بشكل جيد، لكنها تتطلب آلات رياضية ثقيلة ومعرفة عميقة بكيفية عمل الأذن البشرية.
ومع ذلك، يشير نهج جديد إلى أننا قد لا نحتاج إلى فهم الأذن البشرية على الإطلاق لضغط الصوت بفعالية. فبدلاً من محاولة محاكاة البيولوجيا، يعامل هذا النهج الجديد الصوت ببساطة كتدفق من الأرقام التي يمكن إعادة ترتيبها. ومن خلال استعارة تقنية صُممت في الأصل لتقليص متطلبات الذاكرة الهائلة لنماذج الذكاء الاصطناعي، ابتكر الباحثون نظاماً يضغط الصوت عن طريق إعادة تشكيل البيانات رياضياً نفسها. والنتيجة هي برنامج ترميز (codec) يعمل بسرعة على معالجات الكمبيوتر القياسية، ولا يتطلب أجهزة متخصصة، ويحقق مستوى من الضغط يضاهي أكثر تنسيقات الصوت استقراراً، كل ذلك مع العمل بطريقة مختلفة تماماً.
قام الباحثون وراء هذا العمل، بقيادة ساحيل غانغورد (Sahil Gangurde)، بتطوير نظام يسمونه AudioTQ. كان هدفهم هو إنشاء برنامج ترميز صوتي فاقد للبيانات (lossy audio codec)، وهي أداة تقلل حجم الملف عن طريق التخلص من بعض المعلومات بشكل دائم، ولكنها تعمل مباشرة على إشارة المجال الزمني الخام دون تحويلها إلى ترددات أولاً. تعتمد الطرق التقليدية على نماذج علم النفس الصوتي (psychoacoustic models)، وهي خرائط معقدة لحساسية السمع البشري، لتقرير ما يجب حذفه. أما AudioTQ فيرفض هذا تماماً؛ إذ يعتمد بدلاً من ذلك على خاصية رياضية حيث يؤدي توزيع الأرقام عشوائياً إلى جعلها تستقر في نمط منتظم يشبه شكل الجرس. وهذا هو السلوك الإحصائي نفسه الذي يسمح لنماذج اللغات الكبيرة بالعمل بعدد أقل من بتات الذاكرة.
تبدأ العملية بأخذ كتلة من بيانات الصوت الخام. تخيل مقطعاً قصيراً من أغنية، رب الله ثانية واحدة مثلاً، يحتوي على مئات القياسات الفردية لمستوى الصوت. في الكمبيوتر القياسي، تُخزن هذه القياسات كأرقام كبيرة ودقيقة. يقوم نظام AudioTQ أولاً بتطبيق دوران رياضي محدد على هذه الكتلة من الأرقام. هذا الدوران ليس عشوائياً بمعنى الفوضى؛ بل هو عملية حسابية مهيكلة وسريعة تمزج القيم معاً. وقد وجد الباحثون أن عملية المزج هذه تنعم القمم الحادة والوديان الهادئة للصوت، محولةً الشكل المتعرج وغير المتوقع للصوت الأصلي إلى توزيع أكثر تجانساً. تصبح البيانات فعلياً "غاوسية" (Gaussian)، مما يعني أنها تتجمع بدقة حول متوسط مركزي مع وجود عدد أقل من القيم المتطرفة.
بمجرد إعادة تشكيل البيانات في هذا النمط المتوقع، يمكن للنظام ضغطها بكفاءة مذهلة. ولأن الأرقام تتبع الآن شكلاً قياسياً معروفاً، يمكن للنظام استخدام خريطة محسوبة مسبقاً لاستبدال كل رقم بشفرة أصغر بكثير. فبدلاً من تخزين القيمة الكاملة والدقيقة، يقوم النظام ببساطة بتسجيل في أي "سلة" أو فئة يقع فيها الرقم. في هذا التصميم المحدد، استخدم الباحثون شفرة مكونة من 6 بت، مما يسم يسمح بـ 64 فئة مختلفة. وهذا يمثل انخفاضاً كبيراً عن الدقة الأصلية البالغة 24 أو 32 بت المستخدمة في التسجيلات الاستوديوية عالية الجودة. ومع ذلك، فإن مجرد خفض الدقة سيؤدي إلى ضوضاء حادة تشبه التشويش. ولإصلاح ذلك، يضيف النظام تصحيحاً صغيراً من بت واحد؛ حيث يتحقق مما إذا كان الرقم الأصلي أعلى قليلاً أو أقل من مركز سلته ويسجل هذا الاتجاه. يعمل هذا البت الإضافي كمقبض للضبط الدقيق، مما يسمح للنظام بإعادة بناء الصوت بدقة تبدو وكأنها 7 بت، رغم أنه يخزن 6 بت فقط من البيانات الرئيسية بالإضافة إلى بت واحد للتصحيح.
تتضمن الخطوة النهائية تعبئة هذه الشفرات في ذاكرة الكمبيوتر القياسية. وبما أن الحواسيب تعالج البيانات بكفاءة أكبر في مجموعات من 8 بت (بايت)، فإن النظام يدمج بذكاء الشفرة المكونة من 6 بت وتصحيح الـ 1 بت في حاوية واحدة مكونة من 8 بت، تاركاً بت واحداً فارغاً. يضمن هذا المحاذاة قدرة البرنامج على العمل بسرعات عالية على نواة معالج واحدة دون الحاجة إلى مسرعات أجهزة خاصة. والنتيجة هي ملف أصغر بكثير من الأصلي؛ ففي الاختبارات، قلل النظام حجم تسجيل استوديو عالي الجودة بنسبة 74 بالمائة تقريباً، مما يعني أن ملفاً كان حجمه 20 ميجابايت أصبح ما يزيد قليلاً عن 5 ميجابايت.
وعلى الرغم من الاختزال الكبير في البيانات، تظل جودة الصوت المعاد بناؤه عالية بشكل ملحوظ. فعندما قارن الباحثون الصوت المضغوط بالأصلي، وجدوا أن الموجات تطابقت بنسبة تزيد عن 99.95 بالمائة. لقد حافظ النظام على الهجمات الحادة للطبول والتفاصيل الدقيقة للكلام دون التشوه الذي يصاحب عادةً الضغط الشديد. وبلغت نسبة الإشارة إلى ضوضاء التكميم (signal-to-quantization-noise ratio) -وهي مقياس لكمية الصوت المفيد المتبقي مقارنة بالضوضاء الناتجة عن الضغط- حوالي 30 ديسيبل. وهذا المستوى من الدقة ينافس التنسيقات الراسخة مثل MP3 أو AAC، ومع ذلك تم تحقيقه دون تحليل المحتوى الترددي للصوت أو نمذجة السمع البشري.
كما حدد الباحثون سيناريو محددًا يمكن أن يفشل فيه هذا الأسلوب. فإذا تماشى إشارة الصوت تماماً مع البنية الرياضية للدوران نفسه، فلن تتوزع البيانات بالتساوي، وسينهار الضغط، مما يؤدي إلى تشوه شديد. ولمنع ذلك، يتضمن النظام آلية أمان يمكنها اكتشاف مثل هذا التوافق وإزاحة البيانات قليلاً قبل المعالجة، مما يضمن بقاء الطريقة قوية. هذه الميزة ذاتية التصحيح، جنباً إلى جنب مع القدرة على العمل على الأجهزة القياسية، تشير إلى أن التقنيات "المتجاهلة للبيانات" (data-oblivious) يمكن أن توفر مساراً جديداً لضغط الصوت. إنها تثبت أنه من خلال فهم الطبيعة الإحصائية للبيانات نفسها، بدلاً من البيولوجيا الخاصة بالمستمع، من الممكن بناء أدوات صوتية فعالة وعالية الجودة تكون خفيفة الوزن وقوية في آن واحد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.