Get best of the week

通讯革命？一种新方法可让您通过音频和视频通话节省100倍或更多的带宽



许多人记得硅谷的系列讲述了一个程序员Richard
Hendrix，他偶然想到了一种革命性的数据压缩算法，并决定
建立自己的初创公司。

该系列的顾问甚至提出了一种评估
此类算法的指标-虚拟的魏斯曼评分。

进一步，该初创公司使用此解决方案进行了视频聊天。

邀请一个受人尊敬的社区讨论另一个完全不同寻常
的音频和视频通话数据压缩原理，该原理从一个新的，
不可预料的方面解决了这个问题。

如果您想参与此解决方案的讨论，并找出它的共同点
乔纳森·斯威夫特（Jonathan Swift）的概念和列夫·托尔斯泰（Leo Tolstoy）的作品，请在猫的照护下进行。

一点理论


让我们笼统地描述现代音频通信的工作原理
-GSM网络上的呼叫以及即时通讯程序和VOIP网络的原理是相同的。

声音的振动先传输到智能手机的麦克风，再传输到
模数转换器（ADC或ADC）：



接下来，由各种编解码器（G711，G729，OPUS，GSM等）执行编码，
添加或不添加加密（SRTP，ZPTP等）。 .d。）并发送到
数据介质。

例如，几乎所有即时通讯程序（WhatsApp，Viber等）都使用相同的编解码器（最近通常是Opus）和几乎相同的略微
修改的协议（基于SIP，WebRTC）。

公共Internet和GSM网络或
Intranet 也可以充当数据传输网络：



加密是此方案中的可选元素，例如，在大多数情况下，
SIP电话不使用加密。

相反，在Messenger中，他们通常使用其专有
协议来加密语音和视频。

然后发生相反的过程-接收者已经接收到数据，对接收到的信息进行解码，然后信号进入DAC（数模转换器），然后进入与扬声器相连的音频放大器：



现代编解码器的特性：

G.711 64 Kb / s。
G.726 16、24、32或40 Kbps
G.729A 8 Kb /秒
GSM 13 Kb /秒
iLBC 13.3 Kb /秒 （30毫秒帧）；15.2 Kb /秒 （20 ms帧）
Speex范围从2.15到22.4 Kb / s。
G.722 64 Kb /秒

因此，例如，在WhatsApp或Skype上进行7分钟的对话期间，大约会
用完1 MB。

请记住这些数字-1 MB用于7分钟的对话，我们将很快需要它们。

“托尔斯泰是革命的镜子……”


让我们回想起这位伟大的俄罗斯作家最著名的小说：

《战争与和平》-列夫·托尔斯泰的史诗小说，描述
了1805-1812年对拿破仑战争时期的俄罗斯社会。小说的结尾把
故事带到了1820年。

小说《战争与和平》托尔斯泰花了七年的心血和努力，
“战争与和平” 的手稿证明了世界上最大的作品之一是如何被创造的：作者的档案中保存了超过5200张精美的作品。

如果您现在想阅读这本小说，则可以轻松下载。

这个文件仅重... 1 MB：



fb2和epub格式，就像zip，rar一样，基本上可以认为是一种
编解码器。

让我们想想-我们在WhatsApp上进行的7分钟对话对于一部
已经撰写7年的出色作品而言，在流量上是相等的！

7分钟的对话由opus编解码器编码，小说由ePub编码，体积相同
-1MB，但有很大的不同！

格列佛游记


从小就人人都知道乔纳森·斯威夫特的这部作品，但实际上这本书并不适合
儿童使用。

《格列佛游记》是成年人的政治讽刺，当然是在18
世纪的背景下。

令人惊讶的是，斯威夫特
在他的《格列佛游记》中热烈反对他的另一当代牛顿，不仅预言了
火星卫星的发现（对其特征进行了相当准确的描述），而且还描​​述了
人与人之间一种相当有趣的交流方式：

“ ...该项目需要完全废除所有词语；
该项目的作者主要提到他的健康益处和节省
时间。

毕竟，很明显，我们发音的每个单词都与一些磨损有关
, , .

, ,
,
.

…
.

, ,
,
,
. ,
, .
, , ,
; ,
, .

,
, , ,
. , , ,
,
.

,
作为所有文明国家都可以理解的通用语言，因为家具和家用
器具到处都是相同或非常相似的，因此可以很容易地理解其用法。
因此，特使可以轻松地与外国国王或
大臣对话，而他们的语言完全不为他们所用……”

因此，您可能已经猜到我正在领导什么：)

为什么要传播数百千米的空气冲击（声音），这很
麻烦编码（为了将这些空气震荡尽可能准确，高效地发送给收件人），以保持必要的带宽，如果
这种传输的语义负载最小，甚至趋于零？

毕竟，人们之间的交流不是通过声音，而是通过含义，内容，语义，思想……

。新的交流系统的概念非常简单-在源侧，声音
振动也被数字化，但不会立即传递到另一侧，而是
转换为文本（语音转换为文本）然后传输来自
订户A 的有意义的文本，该文本：

  • 可以以最小的所需数据带宽进行传输（甚至可以进行HF无线电通信等）
  • 可以使用任何强大的加密算法进行加密

在B端，接收到的消息被解密并作为语音从
订户A 播放（文本到语音）。

您也可以在B侧下载所谓的用户A的语音化身，它将
精确地重复用户A的语音方式。

单独的频道可以传输背景噪音和情绪。



对于视频通信来说，情况都是如此-而且，各个元素
在应用程序中早已存在（各种蒙版，缩放中的背景等）。

是的，有些技术问题目前尚未完全实现
，例如，语音到文本的转换速度至关重要，但是使用
预测性AI转换算法可以显着提高该速度。

最重要的优点是在数据传输介质中需要最小的带宽
。

那些。这个原理不仅可以用于日常的日常
通讯，还可以用于军事和延迟较大的长途通讯
（太空通讯，行星际－月球，火星等：））

尽管这是对该概念的描述，但实际上在我们的项目中，
使用此原理的原型已使用了几个月。

但是下一次更多...

More articles:


All Articles