Sáng tạo: Nén bài hát 2.9MB xuống 21KB bằng AI, lưu trữ qua 8 mã QR

Theo tin từ IT ngày 16 tháng 8, Tom's Hardware hôm nay đưa tin một nhà sáng tạo có tên Makestreme đã trình diễn một loại "băng từ giấy" đặc biệt: anh đã nén một bài hát MP3 dài khoảng 2 phút, dung lượng khoảng 2.9MB xuống còn khoảng 21KB, sau đó chia nhỏ thành 8 mã QR và in lên hai mặt của tờ giấy.

Nhờ đó, toàn bộ bài hát có thể được lưu trữ trên một tờ giấy, nhưng khi phát lại vẫn cần đến EnCodec, bộ giải mã âm thanh thần kinh do Meta phát triển, để giải mã.

Điểm mấu chốt của dự án này không nằm ở việc nén MP3 theo nghĩa truyền thống, mà là tận dụng EnCodec để chuyển đổi dạng sóng âm thanh thành các Token mã hóa tiềm ẩn rời rạc. Trong dự án này, anh đã sử dụng chế độ 3 kbps của EnCodec để chuyển đổi tệp MP3 gốc khoảng 2.9MB thành dữ liệu khoảng 21KB, giúp giảm dung lượng tới 99.9%.

Lưu ý từ IT: EnCodec là bộ giải mã âm thanh thần kinh được Meta mã nguồn mở vào năm 2022. Nó sử dụng bộ mã hóa mạng thần kinh để chuyển đổi âm thanh thành các Token rời rạc, sau đó được bộ giải mã mạng thần kinh tương ứng khôi phục lại thành âm thanh.

Các thử nghiệm của dự án cho thấy, ở chế độ 3 kbps, bài hát được khôi phục vẫn có độ nghe tốt, trong khi nếu giảm xuống mức 1.5 kbps, chất lượng âm thanh sẽ giảm đi đáng kể.

Theo thử nghiệm của Makestreme, một mã QR thực tế chỉ có thể chứa tối đa khoảng 3.3KB dữ liệu nhị phân, vì vậy 21KB dữ liệu Token của EnCodec cần được chia thành 8 mã QR. Mỗi mã QR chứa 1 byte số thứ tự và một phần dữ liệu Token tương ứng. Tờ giấy được bố trí 4 mã QR ở mỗi mặt, thiết kế tổng thể tương tự như cấu trúc "hai mặt" của băng từ hoặc đĩa than truyền thống.

Để tối đa hóa mật độ dữ liệu trên mỗi mã QR, chương trình tạo mã đã sử dụng mức độ sửa lỗi thấp nhất. Điều này có nghĩa là khả năng dự phòng dữ liệu để phục hồi lỗi rất hạn chế; nếu một trong các mã QR bị hư hỏng nặng, toàn bộ tệp bài hát có thể không được khôi phục hoàn chỉnh.

Dự án cũng thử nghiệm phương thức truyền tải không dây. Makestreme đã sử dụng hai bo mạch phát triển ESP32 kết hợp với mô-đun không dây LoRa REYAX RYLR998 để truyền khoảng 21KB dữ liệu bài hát trên băng tần 866 MHz. Tệp tin được chia thành các gói dữ liệu 160 byte, đảm bảo truyền dữ liệu toàn vẹn thông qua cơ chế xác nhận (ACK) và truyền lại.

Tuy nhiên, tốc độ truyền không dây này rất chậm. Chương trình gửi của dự án cố định thời gian chờ 40 giây sau khi mỗi gói dữ liệu nhận được xác nhận mới gửi gói tiếp theo. Tính toán với tệp khoảng 21KB cần truyền khoảng 134 gói dữ liệu, chỉ riêng thời gian chờ đợi đã lên tới gần 90 phút. Do đó, việc truyền một bài hát mất khoảng 1 tiếng rưỡi.

Lưu ý từ IT: LoRa là một công nghệ không dây hướng tới các kịch bản truyền thông công suất thấp, khoảng cách xa, thường nhấn mạnh vào khoảng cách liên lạc và tiết kiệm năng lượng thay vì tốc độ truyền dữ liệu cao, vì vậy nó không phù hợp để truyền nhanh các tệp lớn như bài hát.

Trái ngược với truyền tải LoRa, một nhà phát triển khác gần đây đã thực hiện truyền dữ liệu với tốc độ khoảng 190 KB/s bằng cách hiển thị liên tục mã QR trên điện thoại di động với tốc độ 60 khung hình/giây. So với đó, phương án LoRa của dự án Makestreme tập trung nhiều hơn vào các thử nghiệm truyền thông dữ liệu tốc độ thấp, khoảng cách xa.

Tất nhiên, cách làm "in nội dung kỹ thuật số lên giấy" như thế này không phải là lần đầu tiên xuất hiện. Ngay từ năm 1985, Cauzin đã tung ra công nghệ mã vạch 2D Softstrip, cho phép các tạp chí in mã này để người dùng đọc bằng thiết bị chuyên dụng. Dung lượng dữ liệu mỗi dải đạt tối đa khoảng 5500 byte, nhưng khi các phương tiện lưu trữ chi phí thấp như đĩa mềm trở nên phổ biến, các giải pháp lưu trữ phần mềm trên giấy này dần rút lui khỏi ứng dụng thực tế.

Dự án của Makestreme có một điểm khác biệt quan trọng so với cách lưu trữ mã vạch giấy truyền thống: những gì được lưu trong mã QR không phải là bài hát gốc, mà là các Token đã được mã hóa bởi EnCodec. Do đó, ngay cả khi giấy và mã QR có thể bảo quản lâu dài, người dùng vẫn cần phiên bản mạng thần kinh giải mã EnCodec tương ứng mới có thể chuyển đổi các Token này trở lại thành âm thanh.