Шмат хто памятае што серыял «Крэмніевая даліна» распавядае пра праграміста Рычарда.
Хендрыкс, які выпадкова прыдумаў рэвалюцыйны алгарытм сціску дадзеных і вырашыў
пабудаваць свой стартап.
Кансультанты серыяла нават прапанавалі метрыку, з дапамогай якой можна ацэньваць
падобныя алгарытмы - выдуманы каэфіцыент Вайзмана (Weissman Score).
Далей па сюжэце стартап зрабіў відыачат, выкарыстоўваючы гэтае рашэнне.
Паважанай супольнасці прапануецца да абмеркавання іншы, зусім незвычайны
прынцып сціску дадзеных для аўдыё і відэазванкоў, які вырашае праблему з новай,
нечаканага боку.
Калі вы хочаце паўдзельнічаць у абмеркаванні гэтага рашэння, а таксама даведацца што агульнага ў гэтай
канцэпцыі з Джонатанам Свіфтам і творамі Льва Талстога, прашу пад кат.
крыху тэорыі
Апішам у агульных рысах як працуе сучасная аўдыёсувязь - прынцып аднолькавы як для
званкоў па GSM сеткі, так і для месэнджэраў і VOIP сетак.
Гукавыя ваганні паступаюць на мікрафон смартфона, далей у аналога-лічбавай.
пераўтваральнік (АЛП або ADC):
Далей адбываецца кадаваньне разнастайнымі кодэкамі (G711, G729, OPUS, GSM і г.д.),
дадаецца ці не дадаецца шыфраванне (SRTP, ZPTP і г.д.) і адпраўляецца ў сераду
перадачы даных.
Напрыклад амаль усе месэнджэры (WhatsApp, Viber і г.д.) карыстаюцца аднымі і тымі ж кодэкамі (у апошні час гэта як правіла Opus), і практычна аднымі і тымі ж злёгку
змененымі пратаколамі (на аснове SIP, WebRTC).
У якасці сеткі перадачы даных можа выступаць і паблік інтэрнэт і GSM сетка або
інтранэт:
Шыфраванне - неабавязковы элемент у гэтай схеме, напрыклад у большасці выпадкаў для
SIP тэлефаніі шыфраванне не выкарыстоўваецца.
А вось у мэсэнджарах наадварот - як правіла выкарыстоўваюцца сваіх прапрыерытарных.
пратаколы для шыфравання голасу і відэа.
Далей адбываецца зваротны працэс - адрасат, атрымаўшы дадзеныя, дэкадуе атрыманую інфармацыю, затым сігнал паступае на ЛАП (лічба-аналагавы пераўтваральнік) і потым паступае ў гукавы ўзмацняльнік, падлучаны да дынаміка:
Характарыстыкі сучасных кодэкаў:
G.711 64 Кб/сек.
G.726 16, 24, 32 ці 40 Кб/ сек.
G.729А 8 Кб/ сек.
GSM 13 Кб/ сек.
iLBC 13.3/30 Кб / сек. (15.2 мс фрэйма); 20 Кб/ сек. (XNUMX мс фрэйма)
Speex Дыяпазон ад 2.15 да 22.4 Кб/ сек.
G.722 64 Кб/сек.
Такім чынам напрыклад пры 7 хвіліннай размове па WhatsApp або Скайп будзе
зрасходавана каля 1 МБ.
Запомнім гэтыя лічбы - 1Мб на 7 хвілін размовы, неўзабаве яны нам спатрэбяцца.
“Леў Талстой як люстэрка… рэвалюцыі…”
Давайце ўспомнім самы знакаміты раман гэтага вялікага рускага пісьменніка:
«Вайна і мір» — раман-эпапея Льва Мікалаевіча Талстога, які апісвае рускае
грамадства ў эпоху войн супраць Напалеона ў 1805-1812 гадах. Эпілог рамана даводзіць
апавяданне да 1820 года.
Раману "Вайна і мір" Л.М. Талстой прысвяціў сем гадоў напружанай і ўпартай працы. Пра тое, як стваралася адно з найбуйнейшых сусветных твораў, сведчаць рукапісы
"Войны і міры": у архіве пісьменніка захавалася звыш 5200 дробна спісаных лістоў.
Калі вы зараз захочаце прачытаць гэты раман, тое яго можна лёгка спампаваць.
І гэта файл важыць за ўсё… 1 МБ:
Фарматы fb2 і epub, роўна як і zip, rar у прынцыпе можна рассмартваць як свайго роду
кодэкі.
Давайце задумаемся - 7 хвілін нашай размовы па WhatsApp роўныя па аб'ёме трафіку
вялікаму твору, які пісалася 7 гадоў!
Размова 7 хвілін кадзіраваўся кодэкам opus, раман кадзіраваўся ePub, аб'ём адзін і той жа –
1Мб, але якая каласальная розніца!
Падарожжы Гулівера
Усё ведаюць гэты твор Джонатана Свіфта з дзяцінства, але насамрэч гэтая кніга не для
дзяцей.
“Падарожжы Гулівера” – гэта палітычная сатыра для дарослых, вядома ў кантэксце 18
стагоддзя.
Дзіўна тое, што Свіфт, будучы заўзятым супернікам іншага свайго сучасніка -
Ньютана, у сваіх "Падарожжах Гулівера" не толькі прадказаў адкрыццё спадарожнікаў
Марса (з даволі дакладным апісаннем іх характарыстык), але і апісаў даволі цікавы
спосаб камунікацый паміж людзьмі:
“…праект патрабаваў поўнага скасавання ўсіх слоў;
аўтар гэтага праекта спасылаўся галоўным чынам на яго карысць для здароўя і зберажэнне
часу.
Бо відавочна, што кожнае вымаўленае намі слова спалучана з некаторым зносам.
лёгкіх і, такім чынам, прыводзіць да скарачэння нашага жыцця.
А бо словы сутнасць толькі назовы рэчаў, то аўтар праекту выказвае здагадку,
што для нас будзе значна зручней насіць пры сабе рэчы, неабходныя для выражэння нашых.
думак і жаданняў.
… шматлікія вельмі навукоўцы і мудрыя людзі карыстаюцца гэтым новым спосабам выражэння сваіх
думак пры дапамозе рэчаў.
Адзінай яго нязручнасцю з'яўляецца тая акалічнасць, што, у выпадку неабходнасці
весці вялізную размову на разнастайныя тэмы, суразмоўцам даводзіцца цягаць на
плячах вялікія вузлы з рэчамі, калі сродкі не дазваляюць наняць для гэтага аднаго ці
двух дужых хлопцаў. Мне часта здаралася бачыць двух такіх мудрацоў, якія знемагалі пад
цяжарам ношы, падобна нашым гандлярам уразнос. Пры сустрэчы на вуліцы яны здымалі з
плеч мяшкі, адкрывалі іх і, дастаўшы адтуль неабходныя рэчы, вялі такім чынам гутарку ў
працяг гадзіны; затым складалі сваё начынне, дапамагалі адзін аднаму ўзвальваць груз на
плечы, развітваліся і разыходзіліся.
Зрэшты, для кароткіх і нескладаных гутарак можна насіць усё неабходнае ў кішэні
ці пад мышкай, а размова, які адбываецца ў хатняй абстаноўцы, не выклікае ніякіх
цяжкасцяў. Таму пакоі, дзе збіраюцца асобы, якія прымяняюць гэты метад, напоўнены.
разнастайнымі прадметамі, прыдатнымі служыць матэрыялам для такіх штучных
размоваў.
Іншым вялікім перавагай гэтага вынаходкі з'яўляецца тое, што ім можна карыстацца
як сусветнай мовай, зразумелай для ўсіх цывілізаваных нацый, бо мэбля і хатняя
начынне ўсюды аднолькавая або вельмі падобная, так што яе ўжыванне лёгка можа быць зразумета.
Такім чынам, пасланнікі без працы могуць гаварыць з замежнымі каралямі ці
міністрамі, мова якіх ім зусім невядомая…”
Такім чынам, вы напэўна ўжо здагадваецеся да чаго я вяду 🙂
Навошта перадаваць страсення паветра (гукі) на многія сотні і тысячы кіламетраў,
затлумляцца з кадаваннем (для таго каб як мага дакладней і якасней перадаць гэтыя скалынанні паветра адрасату), трымаць неабходную паласу прапускання, калі сэнсавая
нагрузка гэтай перадачы мінімальная, а то і зусім імкнецца да нуля?
Бо людзі камуніцыруюць паміж сабой не гукамі, а значэннем, кантэнтам, семантыкай, думкамі…
Канцэпт новай сістэмы камунікацыі даволі просты - на баку крыніцы А гукавыя
ваганні таксама аблічбоўваюцца, але не перадаюцца адразу ж іншаму боку, а
пераўтворацца ў тэкст (Speech To Text) і далей перадаецца ўжо асэнсаваны тэкст ад
абанента А, які:
- можа быць перададзены з мінімальнай патрабаванай паласой перадачы дадзеных (магчымая нават радыёсувязь тыпу КВ і г.д.)
- можа быць зашыфраваны любым моцнымі алгарытмам шыфравання
На баку Б атрыманыя паведамленні расшыфроўваюцца і прайграваюцца ўжо як голас ад
абанента А (Text To Speech).
Таксама можна загрузіць на баку Б т.зв. галасавы аватар абанента А, які б у
дакладнасці паўтараў манеру прамовы абанента А.
Асобным каналам можна перадаваць фонавыя шумы і эмоцыі.
Усё тое ж самае справядліва і для відэасувязі - тым больш асобныя элементы ўжо даўно
існуюць у дадатках (разнастайныя маскі, задні фон у Zoom і г.д.).
Так, ёсць тэхнічныя моманты, якія цяпер да канца не рэалізаваны ў належным выглядзе -
напрыклад крытычнай будзе хуткасць пераўтварэнні Speech To Text, але выкарыстоўваючы
прэдыктыўны AI алгарытмы пераўтварэнні можна гэтую хуткасць істотна павысіць.
Самая галоўная перавага - патрабуецца мінімальная паласа прапускання ў асяроддзі перадачы
дадзеных.
Г.зн. такі прынцып можна выкарыстоўваць не толькі для звычайных паўсядзённых
камунікацый, але таксама і для вайскоўцаў і для далёкай сувязі з вялікімі затрымкамі
(касмічная сувязь, міжпланетная - Месяц, Марс і г.д. 🙂 )
Хоць гэта і апісанне канцэпта, але насамрэч у адным нашым праекце ўжо некалькі
месяцаў выкарыстоўваецца прататып з гэтым прынцыпам.
Але пра гэта наступным разам…
Крыніца: habr.com