EnCodec (Meta)

EnCodec: High Fidelity Neural Audio Compression (Défossez et al., Meta AI 2022)

Türkçe: EnCodec Yüksek Sadakatli Ses Sıkıştırıcısı

Ayrıntılı Tanım

Meta AI tarafından açık kaynaklı olarak yayınlanan; MP3'ten 10 kat daha küçük dosya boyutlarında bile CD kalitesinde ses iletimi ve tokenizasyonu sağlayan standart nöral ses kodeğidir.

Ne İşe Yarar / Çözülen Problem

Ses ve müzik modellerinin (MusicGen, AudioCraft, Bark) sesi metin benzeri token dizileri halinde okuyup yazabilmesini sağlamıştır.

Nasıl Çalışır? (Teknik & Mekanizma)

Akışkan (streaming) evrişimli bir mimari, çok ölçekli STFT ayırt edicisi ve Residual Vector Quantization (RVQ) kullanır. Saniyede 50 veya 75 karelik token paketleri üretir.

Örnek Senaryo & Pratik Uygulama

Çok zayıf bir 2G çeken köyde bile telefonla konuşurken sesin stüdyo berraklığında karşı tarafa sıfır takılmayla akması.

Benzer Terimlerden Farkı

Sadece konuşma değil; karmaşık müzik parçalarını ve genel çevre seslerini de yüksek sadakatle kodlayabilen evrensel bir kodektir.

İlişkili Terimler (3)

#500

Neural Audio Codec

Nöral Ses Kod Çözücüsü

#502

Residual Vector Quantization (RVQ)

Artık Vektör Kuantalaması

#510