Aktuell | Forschung | c't | heise magazine

KI schlägt MP3

Mit künstlicher Intelligenz komprimiert ein Codec von Meta AI Musikstücke zehnmal dichter als der MP3-Standard. Trotzdem sollen Encoder und Decoder auf einer CPU in Echtzeit laufen.

Das Meta-AI-System besteht aus Encoder und Decoder in Form neuronaler Netze. Während des Trainings lernt das Netz, vor allem die vom Menschen wahrnehmbaren Verluste zu minimieren.

Bild: Meta AI

Das Entwicklerteam von Meta AI hat die Musikkompression „EnCodec“ vorgestellt. Dabei handelt es sich um ein verlustbehaftetes KI-Kompressionsverfahren, das die Audiodaten mithilfe eines neuronalen Netzes kodiert – und über ein quasi gespiegeltes Konstrukt dekodiert. Ein zusätzlicher Quantisierer legt die Kompressionsrate fest. Beide Netze sind darauf trainiert, wahrnehmbare Verluste zu minimieren. Damit die Netze dies lernen, steuern wahrnehmungsbezogene Verlustfaktoren, sogenannte Diskriminatoren, die Trainingsphase. Diese Diskriminatoren haben die Entwickler mithilfe von Erkenntnissen aus der Psychoakustik gewichtet.

Ihnen zufolge kodieren und dekodieren bereits Single-Core-Prozessoren mit EnCodec in Echtzeit, und zwar in allen Qualitätseinstellungen. Insbesondere bei einer Bandbreite von 64 kbps stellten die Entwickler für ihren Codec gegenüber MP3 eine Verzehnfachung der Kompression fest, ohne einen höheren Qualitätsverlust. Für die Zukunft plant Meta AI, die KI-Kompressionstechnik auf Videos auszuweiten. Zudem könnten entsprechend optimierte Chips für Mobilgeräte die erforderliche Bandbreite für Kommunikation und Streaming in Zukunft deutlich senken. (agr@ct.de)