Стандартный способ оцифровки речи: снимают показания громкости тысячи раз в секунду. Это похоже на дегустацию бульона чайной ложкой — каждый глоток водянист, а подробностей почти нет. Поток данных разбухает, хотя смысла — крохи.
Учёные предложили вначале «уварить» звуковой сигнал. Пропускают его сквозь фильтры, разделяющие на частотные полосы, — получается частотная карта. Затем полосы смешивают в несколько каналов, выжимая суть и повышая информационную плотность. Так из жидкого бульона получают концентрированный соус: одной капли хватает, чтобы ощутить вкус. Интересно, что наше ухо поступает так же: мембрана в улитке раскладывает звук на 3500 частотных полос прежде, чем мозг сложит из них речь. Метод опирается на идею Фурье: любой сигнал собирается из простых волн. Нейросети сами отыскивают самые осмысленные комбинации, отсеивая шум. Итог — при той же скорости передачи слушатели единодушно предпочли «умно сжатую» речь обычной. Технология пригодится для космической связи и слуховых аппаратов, где битрейт и энергия на вес золота.
Внутреннее ухо — это живой анализатор спектра: его мембрана расщепляет звук на 3500 полос, и только после этого мозг склеивает их в слова.