AIを使った音声圧縮で従来の圧縮を超えた技術「Encodec」が実現【GIGAZINE】 [少考さん★]

**少考さん ★** · 2022/11/02(水) 11:41:28.82

AIを使った音声圧縮で従来の圧縮を超えた技術「Encodec」が実現
https://gigazine.net/news/20221102-ai-compress-audio/

2022年11月02日 08時00分

ガブリエル・シナエーブ氏らによるMeta AIの研究チームが、インターネットにおける音声の「圧縮」に対してAIを用いることで従来の圧縮よりもさらなる圧縮が可能である、という研究を発表しました。AIを用いた圧縮により、豊かなマルチメディア体験を楽しむことができると説明しています。

Using AI to compress audio files for quick and easy sharing

今日のインターネットにおいて「圧縮」はなくてはならない要素で、圧縮により、高品質な画像やストリーミングが可能になります。しかし、現状の圧縮技術には高速なインターネット接続と十分なストレージ容量が必要になり、高品質で中断のないインターネットは一部の人しか体験できません。

そこでMeta AIの研究チームは、AIを用いてオーディオデータを圧縮することを研究しています。AIを用いたアプローチでは、リアルタイムで音声を圧縮・伸長させ、最先端のサイズ縮小を実現することができると発表しました。今回の研究では64kbpsのMP3と比較して、約10倍の圧縮率をCD品質である48kHzサンプリングのステレオ音声で品質を落とすことなく実用化しています。

（略）

※省略していますので全文はソース元を参照して下さい。

**名無しのひみつ** · 2022/11/02(水) 11:49:56.61

圧縮データを再生したら捏造音声になってたアル

**名無しのひみつ** · 2022/11/02(水) 11:58:44.43

昔からあるオートエンコーダーでも65kbyteを4byteくらいへ圧縮できるよな

**名無しのひみつ** · 2022/11/02(水) 12:09:42.67

実物の音声を聞かなければなんとも

**名無しのひみつ** · 2022/11/02(水) 12:13:08.14

実物の音声を聞いた
たしかに圧縮はうまく出来てるんだろうが
CD音質というのはおそらく嘘だと思う

**名無しのひみつ** · 2022/11/02(水) 12:13:32.14

AIがファイル名を見てテキトーに考えて音を合成する様にすると、全ての音データは数バイトで表現できるようになる。

**名無しのひみつ** · 2022/11/02(水) 12:28:22.93

音声圧縮なのにmp3と比較の時点でなあ
AMRと比較しないと同じ土俵にならないでしょ

**名無しのひみつ** · 2022/11/02(水) 12:29:00.97

>>1
>。今回の研究では64kbpsのMP3と比較して、

320kbpsと比較しろよ…

**名無しのひみつ** · 2022/11/02(水) 12:38:12.71

これ最近AIがやった未知の数式変換と同じだよな
結果が似たような物になるなら既存の法則をぶっ壊しても構わないってやつ

あれはほぼランダムに見える炎の動きを圧縮してたが、これ系の分野はまだまだ伸びると思う

**名無しのひみつ** · 2022/11/02(水) 12:48:30.25

これトレーニングしたモデルは
他の音源でも同じように圧縮に使えるの？

**名無しのひみつ** · 2022/11/02(水) 12:56:03.09

>>8
ネットのストリーミングで320kbpsなんて使ってるサービスは無いんだから比較する意味がない

**名無しのひみつ** · 2022/11/02(水) 13:01:25.93

普通は圧縮に可聴域以外の音域や音量低い部分とかの切り取りがあるからな
ロスレスかそれに準ずる位の細かいモジュール化が行われているんだろうか
例えば倍音成分を補完する事をカーオーディオ等では二十年程前から既にやってるよな
機能を振り分ければある程度は再現可能だから、並列処理させるための手法を編み込んだ即席リマスターの応用みたいなもんだろうか
と思ったら全く同じことが書いてあった
具体的に何してるかは良くわからんけど

**名無しのひみつ** · 2022/11/02(水) 13:01:53.37

>>5
可逆圧縮では無いからな
不要な成分が割と定位や解像度に関わってたりするし

**名無しのひみつ** · 2022/11/02(水) 13:05:08.68

圧縮率上げると時間かかるんだよな
ものによるしな

**名無しのひみつ** · 2022/11/02(水) 13:16:22.51

>>11
なぜネットストリーミングの話に限定するの？

**名無しのひみつ** · 2022/11/02(水) 13:25:13.22

というか音声サンプルではチリンチリン鳴るアレの音が一切しないな
可聴域の音まで削れてるわ

**名無しのひみつ** · 2022/11/02(水) 13:58:08.89

年寄りとか女の話が長いから
要約してくれるAIはないかな

**名無しのひみつ** · 2022/11/02(水) 14:21:48.61

>>16
元々CD品質には程遠い64kbpsのmp3相当の品質を6kbpsで実現するってだけ
既存の技術だとたぶん16kbpsぐらい必要だったのが半分ぐらいになるかもって話だな

**名無しのひみつ** · 2022/11/02(水) 14:37:17.69

>>18
なるほど目的というか目標は耐えうる音声を目指すことか
最大の圧縮率を目指すんだから配信サービスでの利用云々は違うわなぁ
音も良くて圧縮率も高いなんて欲張りは出来ないよな

**名無しのひみつ** · 2022/11/02(水) 14:48:32.35

>>17
ただ思ったことをそのまま口に出してるだけだから訳せないと思う！

**名無しのひみつ** · 2022/11/02(水) 14:58:30.05

楕円関数の暗号化技術を使う？

**名無しのひみつ** · 2022/11/02(水) 14:59:50.79

インターネットでは多くの場合、音声と動画像はセットで扱われることが多い。
音声の圧縮率が上がっても、全データ量には、ほとんど影響しないダロ。

**名無しのひみつ** · 2022/11/02(水) 15:06:12.80

今、AM放送で使われている1000khzくらいの搬送波でも音声のデジタル化が出来そうだね。

**名無しのひみつ** · 2022/11/02(水) 15:15:19.09

>>21
それはハッシュ関数であって圧縮とは関係ない

**名無しのひみつ** · 2022/11/02(水) 15:16:42.49

>>23
アメリカではとっくの昔にHDラジオってのが始まっていたのね、、、

**名無しのひみつ** · 2022/11/02(水) 15:17:10.37

>>12を訂正
全く同じって事は無いな

**名無しのひみつ** · 2022/11/02(水) 16:21:55.45

理論家が一生懸命考えたものを機械学習で
ぶっ飛ばすとたまらんな

**名無しのひみつ** · 2022/11/02(水) 16:26:51.09

>>27
基礎になってる理論とは別問題だろ
素地は明らかに既存の圧縮方法だけなんだが
ぶっ飛ばすてなに？ｗ

**名無しのひみつ** · 2022/11/02(水) 16:28:08.82

圧縮率上げると時間かかるんだよな
ものによるしな

**名無しのひみつ** · 2022/11/02(水) 16:32:00.15

>>9
あれは人類が知らない係数を発見したって話じゃなかったっけ？
それを未知の数式変換と表現してるならすまん

**名無しのひみつ** · 2022/11/02(水) 16:40:21.07

物理法則にもAIが発見したとされるなんらかの物理定数のニュースがあったけど、巨視的な規模なのか微視的な規模なのかを上手く説明してる記事では無かった
AIの発見を間接的にでも説明出来るのがAIだけになる日も近いな

**名無しのひみつ** · 2022/11/02(水) 17:55:52.74

>>1
円光でっか

**名無しのひみつ** · 2022/11/03(木) 07:16:15.58

そう思うと楽譜って圧縮率すごいな

**名無しのひみつ** · 2022/11/03(木) 17:16:58.16

>>33
正確に解凍するのにめちゃくちゃ時間かかるぞ

**名無しのひみつ** · 2022/11/03(木) 17:36:23.94

クラウドストレージのデータは人知れずこういう学習に使われてんだろうな

**名無しのひみつ** · 2022/11/03(木) 17:52:03.89

>>5
多分JPEGとかと同じで不可逆圧縮なんじゃね
音質は普通に上げられると思う、ただし、原音と1bitも違わない、とは言えないだろうが、
人の耳では全く分からんというか、当人でも当然毎回同じようには歌えないのと一緒で
その程度の違いしかないんじゃないのかね

**名無しのひみつ** · 2022/11/03(木) 19:26:51.43

送りAI青い空って曲だ
受けAI青い空のCDかけますね

圧縮率100万倍w
こうですかw

**名無しのひみつ** · 2022/11/03(木) 19:50:27.06

>>36
記事にそう書いてるぞ＞不可逆圧縮

**名無しのひみつ** · 2022/11/03(木) 19:52:11.03

細かい事言うと非可逆と書いてあるけどな
というかなんで最近記事を見ないのが殆どなんだろう
ニュースの内容受けずに話して面白いか？

**名無しのひみつ** · 2022/11/03(木) 23:13:14.69

AIは人の耳の性能までシミュレートできないからおそらくパターン抽出を使った圧縮だろう
極論を言えばMIDIで演奏を忠実に再現してるなものと同じ
そりゃまあ極小サイズでCD音質にもなるわなという
合成音声も守備範囲になればさらに表現力は増すだろうが現状は無理そうやね

**名無しのひみつ** · 2022/11/04(金) 00:19:54.46

エンコードとデコードがセットなので、どちらかと言うと擬似的な再現による補完というよりも
音の解像度にも関わるより細やかな波形の圧縮技術により簡略化かつ大規模に削る技術が出来たという話っぽいな
記事のソースに言われてる論文を見たわけでは無いけど、仕組みの画像を見た感じでは終始原音には忠実だと強調しているように見える

翻訳部だけど

＞デコーダーは最後のステップです。圧縮された信号を可能な限りオリジナルに近い波形に戻します。非可逆圧縮の鍵は、人間が認識できない変化を識別することです。

**名無しのひみつ** · 2022/11/04(金) 00:51:25.18

圧縮するにしたがって減る音って割と中～低音域とかで、しかもビットレート差なのかどこか断続的な音になる、というか明瞭感下がるんだよね
ポータブルプレーヤーがまだあった(SD容量小さい)時期に、64kbpsあたりのMP3で聴いてた人ならなんとなく判ると思うけど
ただAIだとそこら辺があまり籠らず明瞭で中高音域の楽器がすっぽり抜けてるところが違いが出てて面白い

**名無しのひみつ** · 2022/11/04(金) 10:00:23.76

>>39
AIだから不可逆なのは当たり前だから
上の話だけなら１だけ見れば十分

**名無しのひみつ** · 2022/11/04(金) 10:01:59.84

>>43
早速具体的な中身を知らねえ事が露呈してるだろうに

**名無しのひみつ** · 2022/11/04(金) 11:15:47.55

メタのAIチーム凄すぎない？
本業のクソっぷりと差がありすぎる

**名無しのひみつ** · 2022/11/04(金) 11:58:37.37

AIだから不可逆の意味が分からない
可逆なら可逆で相関関数と係数の決定に機械学習が介入して圧縮率向上する余地はある

**名無しのひみつ** · 2022/11/04(金) 16:36:50.95

>>44
意味不明だが。十分だと言ってるのにアホなの？

**名無しのひみつ** · 2022/11/04(金) 17:00:15.15

>>47
お前は馬鹿の部類だな
AIだったらなぜ不可逆がデフォなの？理由は？

**名無しのひみつ** · 2022/11/04(金) 17:02:06.17

>>46
それな

**名無しのひみつ** · 2022/11/04(金) 17:35:59.46

「この部分の情報は捨ててもだいたいこうだろう」で圧縮技術が進んでくと
「こいつが喋るならだいたいこうだろ」に行きつくのかね
モザイク破壊みたいに

**名無しのひみつ** · 2022/11/04(金) 17:45:29.65

> お前は馬鹿の部類だな
十分だと言ってるのにバカなのかなあｗ

> AIだったらなぜ不可逆がデフォなの？理由は？
普通に考えればそうしかならんわ、ほんとバカｗ
大体、それで何が言いたいんだ？だから読め、というつもりかｗお前はどこまで低能なんだよｗ

**名無しのひみつ** · 2022/11/04(金) 19:24:03.00

>>51
だから不可逆圧縮になるのが当たり前っていう理由を聴いてるんだが？日本語すら理解出来ない知能なのかな？

「リアルタイムで圧縮・伸長させる」って概前だけ見て知った気になってる恥ずかしい阿保
馬鹿とアホがセットで来てるわ

**名無しのひみつ** · 2022/11/04(金) 19:39:42.83

不可逆圧縮を理解していない可能性

**名無しのひみつ** · 2022/11/04(金) 19:59:50.46

ワイの特許にmp3の発明者が被せてきてワイがブロックしたんやがw

**名無しのひみつ** · 2022/11/04(金) 20:45:18.39

なんでお前らよく知らない技術の話でそのもの調べることもせず知ったような単語並べて言い合いしてるわけ？

**名無しのひみつ** · 2022/11/04(金) 20:50:31.96

>>48
可逆圧縮ならAIいらんだろ

**名無しのひみつ** · 2022/11/04(金) 22:00:25.72

>>56
だからなぜそう思うの？
圧縮容量やそのアルゴリズムに関わるんだが？
可逆圧縮なら一定の圧縮しか出来ないのか？馬鹿なんじゃないの？

**名無しのひみつ** · 2022/11/05(土) 01:09:12.05

リアルタイムいけるなら携帯の音声品質も上がるな

**名無しのひみつ** · 2022/11/05(土) 01:42:39.25

マジで知らない分野

**名無しのひみつ** · 2022/11/05(土) 02:43:17.68

馬鹿だのアホだのといった言葉がポンポン出てくるやつって、性格が悪くて嫌われているんだりうな。
こんなスレで知識をひけらかすのもさもありなんだな。

**名無しのひみつ** · 2022/11/05(土) 04:14:13.20

>>57
可逆圧縮ならどの周波数を残してどの周波数を捨てるかという判断が不要になるから
君が可逆圧縮でAIが有効と考える理由を述べよ

**名無しのひみつ** · 2022/11/05(土) 08:39:05.20

周波数を捨ててるわけじゃないだろ
AIは人の耳のことわからないからどれを捨てるかなんて判断できない
AIが得意なのは回帰とパターン抽出
楽器の出す音には決まった波形パターンがあるからそういうのは得意だろう

GitHubにソースあるからぱっと見すると波形と長さに分割してデータ化してる

**名無しのひみつ** · 2022/11/05(土) 09:39:18.76

>>61
ほらな何も知らないｗ何も説明出来てなくてワロタ
このEncodecも全く同じ事をしてるんだが？記事すら読んでないなコイツ
仕組みを説明しろっつってんのに語る内容が薄っぺらい上に間違ってる

判断が不要じゃないワケ無いだろそれ？なぜ不要になるの？
お前は既に知らない領域の話だけど、波形データの圧縮率を上げる為に符号化する部分の選択が可逆圧縮と不可逆圧縮で同じになる理由を説明しろ

お前はただそれっぽく語ってるだけの無知だな

**名無しのひみつ** · 2022/11/05(土) 10:28:54.07

>>46
イラストのAIみたいに、ぱっと聞いたらそれっぽく聞こえるように、作り上げる系じゃないの

**名無しのひみつ** · 2022/11/05(土) 10:56:32.69

昔のMIDI音源みたいに学習モデルやグラボが変わったら音質が変わるみたいなことが起こるんだろうなw

**名無しのひみつ** · 2022/11/05(土) 13:19:16.84

通信が速くなったので圧縮技術も廃れてしまったかと思ったが、まだHDDが一杯になる問題は残っているのな。

**名無しのひみつ** · 2022/11/05(土) 17:47:28.67

>>63
可逆圧縮でAIが有効と考える理由は？

否定しかしないから誰からも支持されない
オレは持論を述べたぞ

**名無しのひみつ** · 2022/11/05(土) 17:51:30.07

>>52
> だから不可逆圧縮になるのが当たり前っていう理由を聴いてるんだが？
普通に考えればそうしかならんわ、ほんとバカｗと言ってるのに日本語理解できないらしいｗ

>日本語すら理解出来ない知能なのかな？
まさにお前がなｗ
てか、このキチガイはそれで十分だと言ってるのに、何が何でもその先まで読め、と強制したいのかねえｗ
十分の意味も理解してないっぽいがほんま狂ってるわなｗ

**名無しのひみつ** · 2022/11/05(土) 17:57:06.98

>>67
都合の悪いものは見えなくなるのか？スレで否定されてるのってお前だぞ
それに

＞波形データの圧縮率を上げる為に符号化する部分の選択が可逆圧縮と不可逆圧縮で同じになる理由を説明しろ

ここでお前の根拠無い自説を否定しつつお前の知らないだろう事柄をあえて聴いていい加減間違いに気付くか待ってるんだが

**名無しのひみつ** · 2022/11/05(土) 17:58:32.90

>>68
お前は理由が説明出来ない
だから馬鹿だと書いてるんだがなにか？
「日本語すら理解出来ない知能なのかな？」はマジでその通りだろ何言ってんだキチガイ
いい加減憤死の限界突破してシネ

**名無しのひみつ** · 2022/11/05(土) 18:13:21.83

>>68
「理由。普通に考えればそうしかならん」

何も説明してないよなこれ？馬鹿でしょコイツ？

**名無しのひみつ** · 2022/11/05(土) 18:43:15.16

>>70
> お前は理由が説明出来ない
しているのにお前が日本語理解できないキチガイだからそう思ってるだけｗ

>>71
してるよ？
まあお前アスペかもなｗまあ１で十分というのに強要したりとお前は異常だよｗ

**名無しのひみつ** · 2022/11/05(土) 19:46:55.56

文字データと読み上げるAIを指定するだけ！

**名無しのひみつ** · 2022/11/05(土) 22:08:46.76

>>72
具体的な中身が無いんで書いてくれる？「十分だ、わからないか？」じゃねえんだよ
お前は詐欺師だな、ペテンだよ
科学板に要らねえ
無理なら消えな

**名無しのひみつ** · 2022/11/06(日) 05:55:57.88

アスペこそ科学版から出ていって欲しい。。

**名無しのひみつ** · 2022/11/06(日) 06:20:59.69

>>29 圧縮すれば送信インフラは細くて済むが、再生側で展開時の負担は増すわな。更に音声でこういう技術が進歩しても、情報量の多い映像で解決せんと貢献は小さいし。

**名無しのひみつ** · 2022/11/06(日) 06:21:41.10

人間はいずれ気づくだろうよ
無音が最強だとな
はやく俺の高みまで登ってこい

**名無しのひみつ** · 2022/11/06(日) 06:32:06.85

>>77
星新一のショートストーリーであったな。
音声広告が氾濫して、静寂を得るには、
高価な無音レコードを買うしかなくなるみたいな話。

**名無しのひみつ** · 2022/11/06(日) 07:09:31.49

>>78
無料コンテンツに漏れなく広告が付いてて広告を外すには有料のプレミア会員にならないといけない現状を正確に言い当ててるな

**名無しのひみつ** · 2022/11/06(日) 12:39:25.41

>>75
「AI使って圧縮しました」のどこに仕組みの示唆が入ってんだよ
いい加減答えろよ言葉足らずｗ
知らねえくせに出しゃばんなアホ

**名無しのひみつ** · 2022/11/06(日) 14:08:03.76

>>74
> 具体的な中身が無いんで
書いてるじゃんｗそもそも予想通りだったわけで何を発狂してるのやらｗ
大体、お前はそこまで興味のない記事をいかなる事があっても全部読めとかキチガイすぎるわなｗ
AIだから不可逆だろうってのは自然であって、そもそも自分だってそう判断する癖にほんま狂人ｗ
そこまで興味はなかったというだけであって、何というかアスペの上、異常な幼児的攻撃性というかｗ

> お前は詐欺師だな、ペテンだよ
いいえ？お前は基地がいだがなｗ

> 科学板に要らねえ
> 無理なら消えな
誰が見てもキチガイのお前がいらんよｗ

**名無しのひみつ** · 2022/11/06(日) 15:14:24.91

>>81
だからどこ？簡単に答えられるだろアホ

**名無しのひみつ** · 2022/11/06(日) 15:15:08.20

>>81
全く意味が無いなコイツのレスの中身
なんで科学板にいるのコイツ？なんのため？

**名無しのひみつ** · 2022/11/06(日) 17:51:05.60

アスペでキチガイって手に負えられんな

**名無しのひみつ** · 2022/11/06(日) 17:52:16.04

普段の人付き合いがどうなのか気になる

**名無しのひみつ** · 2022/11/06(日) 18:27:32.58

あくまでも「音声」というのがミソで、雑音を排除して意味が伝わる程度に音声らしき音に変換するから、高圧縮ができる
いわばケータイで電話するのと同じようなもの
音楽、特にライブ音源なんかには使えない

**名無しのひみつ** · 2022/11/06(日) 19:49:28.33

>>84
自演でコロコロID変えつつワケも判らないのに
知った気になってアスペ扱いするヤツのほうが
よほどキチガイに見えるよ

**名無しのひみつ** · 2022/11/07(月) 07:28:43.36

映像からみたらデーターサイズも微々たるもんやろ
今さら意味あるのけ？

**名無しのひみつ** · 2022/11/08(火) 16:51:28.54

非可逆圧縮なら、音質が多少変わることを
容認してるということ。
だから楽譜と歌詞にまで圧縮できる。

とボーカロイドが出たときに言われてたな。