چاپ موسیقی روی کاغذ با تکنیک فشرده‌سازی هوش مصنوعی متا

یک کاربر موفق شده یک آهنگ کامل دو دقیقه‌ای را از حجم 2.9 مگابایت به حدود 21 کیلوبایت کاهش دهد و آن را در قالب کد QR روی یک برگه کاغذ ذخیره کند. نکته جالب اینکه برای پخش دوباره آهنگ به دیکودر مبتنی بر شبکه عصبی نیاز است.

این پروژه که با نام Paper Tunes معرفی شده، از کدک صوتی عصبی EnCodec متعلق به متا استفاده می‌کند. این کدک که در سال 2022 متن‌باز شد، فایل صوتی را به مجموعه‌ای از توکن‌های گسسته تبدیل می‌کند و سپس یک دیکودر سازگار می‌تواند این توکن‌ها را دوباره به صدا تبدیل کند.

در این پروژه، یک فایل MP3 با حجم 2.9 مگابایت به حدود 21 کیلوبایت توکن تبدیل شده است؛ یعنی حجم داده تقریباً 1000 برابر کاهش یافته است. این حجم به اندازه‌ای کوچک است که بتوان آن را میان 8 کد QR تقسیم کرد و روی دو طرف یک برگه کاغذ چاپ کرد. در هر طرف نیز 4 کد QR قرار گرفته‌اند تا ظاهری شبیه یک «کاست کاغذی» داشته باشد.

بر اساس گزارش tomshardware هر کد QR در این پروژه حدود 3 کیلوبایت داده باینری را در خود جای می‌دهد. برای افزایش ظرفیت، پایین‌ترین سطح تصحیح خطا انتخاب شده است؛ بنابراین اگر یکی از کدها آسیب ببیند، احتمالاً کل آهنگ دیگر قابل بازیابی نخواهد بود.

نکته مهم این است که کدهای QR خودِ فایل صوتی را ذخیره نمی‌کنند و تنها حاوی توکن‌های تولیدشده توسط EnCodec هستند. بنابراین برای پخش آهنگ باید همان دیکودر مبتنی بر شبکه عصبی و تنظیمات مربوط به آن در دسترس باشد. در نرخ 3 کیلوبیت بر ثانیه، کیفیت صدای بازسازی‌شده طبق گزارش سازنده قابل قبول بوده اما کاهش نرخ به 1.5 کیلوبیت بر ثانیه افت شدید کیفیت را به همراه داشته است.

Makestreme همچنین همین فایل 21 کیلوبایتی را بین دو برد ESP32 از طریق ارتباط رادیویی LoRa منتقل کرده است. این انتقال با ماژول‌های RYLR998 در فرکانس 866 مگاهرتز انجام شده و فایل به بسته‌های 160 بایتی تقسیم می‌شود. با توجه به مکث 40 ثانیه‌ای پس از دریافت هر بسته، انتقال یک آهنگ کامل حدود 90 دقیقه زمان می‌برد.

این پروژه یادآور تلاش‌های قدیمی برای ذخیره نرم‌افزار روی کاغذ است؛ روشی که نمونه‌ای از آن در سال 1985 با بارکد دوبعدی Cauzin Softstrip اجرا شد. با این حال، در Paper Tunes یک مشکل جالب وجود دارد: ممکن است خود کاغذ برای قرن‌ها باقی بماند، اما آهنگ تنها تا زمانی قابل پخش خواهد بود که نرم‌افزار و شبکه عصبی مورد نیاز برای رمزگشایی توکن‌های EnCodec نیز در دسترس باشند.