Digitale audio, het geluid dat we horen in onze telefoons en computers, is fundamenteel een registratie van luchtdruk die in de loop van de tijd verandert. Om dit geluid op te slaan, maken computers duizenden keren per seconde snapshots van deze drukveranderingen en wijzen ze een getal toe aan elke snapshot. Hoe nauwkeuriger deze getallen zijn, hoe beter het geluid, maar ook hoe groter het bestand wordt. Decennialang was de standaardmanier om deze bestanden te verkleinen zonder al te veel kwaliteit te verliezen, het vertalen van het geluid naar een andere taal: in plaats van naar drukveranderingen te kijken van moment tot moment, analyseren ingenieurs het geluid als een mix van verschillende muzikale toonhoogtes. Vervolgens gebruiken ze complexe regels over het menselijk gehoor om te beslissen welke toonhoogtes zo zacht zijn of zo verborgen door hardere geluiden, dat het brein ze nooit zou opmerken, en verwijderen ze die delen. Deze methode werkt goed, maar vereist zware wiskundige machines en diepgaande kennis van hoe het menselijk oor functioneert.

Een nieuwe benadering suggereert echter dat we het menselijk oor misschien helemaal niet hoeven te begrijpen om audio effectief te comprimeren. In plaats van de biologie te imiteren, behandelt deze nieuwe methode geluid simpelweg als een stroom getallen die kan worden herschikt. Door een techniek te lenen die oorspronkelijk werd ontworpen om de enorme geheugeneisen van kunstmatige intelligentie-modellen te verkleinen, hebben onderzoekers een systeem gecreëerd dat audio comprimeert door de data zelf wiskundig te hervormen. Het resultaat is een codec die snel draait op standaard computerprocessoren, geen gespecialiseerde hardware vereist en een compressieniveau bereikt dat wedijvert met de meest gevestigde audioformaten, terwijl het op een volledig andere manier werkt.

De onderzoekers achter dit werk, onder leiding van Sahil Gangurde, ontwikkelden een systeem dat ze AudioTQ noemen. Hun doel was om een 'lossy' audiocodec te creëren, een hulpmiddel dat de bestandsgrootte vermindert door permanent informatie weg te gooien, maar één die direct op het ruwe tijdsdomeinsignaal werkt zonder het eerst naar frequenties om te zetten. Traditionele methoden vertrouwen op psychoakoestische modellen, wat ingewikkelde kaarten zijn van de gevoeligheid van het menselijk gehoor, om te beslissen wat er weggegooid moet worden. AudioTQ wijst dit volledig af. In plaats daarvan vertrouwt het op een wiskundige eigenschap waarbij het randomiseren van de rangschikking van getallen de neiging heeft om ze te laten neerslaan in een voorspelbaar, klokvormig patroon. Dit is hetzelfde statistische gedrag dat grote taalmodellen in staat stelt om met minder bits aan geheugen te functioneren.

Het proces begint met het nemen van een blok ruwe audiodata. Stel je een kort fragment van een liedje voor, misschien een halve seconde lang, dat honderden individuele volumemetingen bevat. In een standaardcomputer worden deze metingen opgeslagen als grote, nauwkeurige getallen. Het AudioTQ-systeem past eerst een specifieke wiskundige rotatie toe op dit blok getallen. Deze rotatie is niet willekeurig in de zin van chaos; het is een gestructureerde, snelle berekening die de waarden met elkaar mengt. De onderzoekers ontdekten dat dit mengproces de extreme pieken en stille dalen van de audio afvlakt, waardoor de grillige, onvoorspelbare vorm van het oorspronkelijke geluid wordt getransformeerd in een veel meer uniforme distributie. De data wordt effectief "Gaussiaans", wat betekent dat het netjes rond een centraal gemiddelde cluster met minder extreme uitschieters.

Zodra de data in dit voorspelbare patroon is hervormd, kan het systeem het met verrassende efficiëntie comprimeren. Omdat de getallen nu een standaard, bekende vorm volgen, kan het systeem een vooraf berekende kaart gebruiken om elk getal te vervangen door een veel kleinere code. In plaats van de volledige, nauwkeurige waarde op te slaan, legt het systeem simpelweg vast in welk "bakje" of categorie het getal valt. In dit specifieke ontwerp gebruikten de onderzoekers een 6-bits code, die ruimte biedt voor 64 verschillende categorieën. Dit is een aanzienlijke vermindering van de oorspronkelijke 24-bits of 32-bits precisie die wordt gebruikt bij hoogwaardige studio-opnames. Echter, het simpelweg laten vallen van de precisie zou een harde, statische ruis introduceren. Om dit op te lossen, voegt het systeem een kleine, enkelvoudige bit correctie toe. Het controleert of het oorspronkelijke getal iets hoger of lager was dan het midden van zijn bakje en legt die richting vast. Deze extra bit fungeert als een fijnafstemmingsknop, waardoor het systeem het geluid kan reconstrueren met een resolutie die aanvoelt als 7 bits, ook al slaat het slechts 6 bits aan hoofddata plus één bit correctie op.

De laatste stap is het verpakken van deze codes in het standaard computermgeheugen. Omdat computers data het meest efficiënt verwerken in blokken van 8 bits (bytes), combineert het systeem slim de 6-bits code en de 1-bit correctie in één enkele 8-bits container, waarbij één bit leeg wordt gelaten. Deze uitlijning zorgt ervoor dat de software met hoge snelheden kan draaien op een enkele processorcore zonder speciale hardwareversnellers nodig te hebben. Het resultaat is een bestand dat aanzienlijk kleiner is dan het origineel. In tests reduceerde het systeem de grootte van een hoogwaardige studio-opname met ongeveer 74 procent, wat betekent dat een bestand dat oorspronkelijk 20 megabyte was, slechts iets meer dan 5 megabyte werd.

Ondanks de drastische reductie in data, blijft de kwaliteit van het gereconstrueerde geluid opmerkelijk hoog. Wanneer de onderzoekers de gecomprimeerde audio vergeleken met het origineel, vonden ze dat de waveforms overeenkwamen met een correlatie van meer dan 99,95 procent. Het systeem behield de scherpe aanvallen van drums en de subtiele details van spraak zonder de vervorming die meestal gepaard gaat met agressieve compressie. De signaal-ruisverhouding (signal-to-quantization-noise ratio), een maatstaf voor hoeveel nuttig geluid overblijft ten opzichte van de ruis die door compressie wordt geïntroduceerd, bereikte ongeveer 30 decibel. Dit is een niveau van getrouwheid dat concurreert met gevestigde formaten zoals MP3 of AAC, maar dit werd bereikt zonder ooit de frequentie-inhoud van het geluid te analyseren of het menselijk gehoor te modelleren.

De onderzoekers identificeerden ook een specifiek scenario waarin deze methode zou kunnen falen. Als het audiosignaal toevallig perfect uitlijnt met de wiskundige structuur van de rotatie zelf, zal de data niet gelijkmatig verspreiden en zal de compressie instorten, wat resulteert in ernstige vervorming. Om dit te voorkomen, bevat het systeem een veiligheidsmechanisme dat een dergelijke uitlijning kan detecten en de data vóór verwerking licht kan verschuiven, zodat de methode robuust blijft. Deze zelfcorrigerende functie, gecombineerd met de mogelijkheid om op standaard hardware te draaien, suggereert dat data-onafhankelijke technieken een nieuw pad kunnen bieden voor audiocompressie. Het demonstreert dat door het begrijpen van de statistische aard van de data zelf, in plaats van de biologie van de luisteraar, het mogelijk is om efficiënte, hoogwaardige audiotechnieken te bouwen die zowel lichtgewicht als krachtig zijn.