Революция в комуникацията? Новият подход позволява да се спести честота в 100 и повече пъти при аудио и видеозвънене

Много хора помнят, че сериалът «Кремниева долина» разказва за програмиста Ричард
Хендрикс, който случайно е създал революционен алгоритъм за компресия на данни и е решил
да създаде свой стартап.

Консултантите на сериала дори предложиха метрика, с помощта на която може да се оценяват
подобни алгоритми – измисления коефициент на Уайзман (Weissman Score).

По-нататък в сюжета стартапът създаде видео чат, използвайки това решение.

На уважавано общество се предлага за обсъждане друг, съвсем необичаен
принцип за компресия на данни за аудио и видеозвънене, който решава проблема от нова,
неочаквана страна.

Ако искате да участвате в обсъждането на това решение, както и да разберете какво общо има с Джонатан Суифт и произведенията на Лев Толстой, моля, пристъпете под кат.
Нека накратко опишем как работи съвременната аудиовръзка – принципът е един и същ както за

Няколко теории

обаждания по GSM мрежата, така и за месинджъри и VOIP мрежи.
Звуковите вълни постъпват в микрофона на смартфона, след това в аналогово-цифровия

преобразувател (АЦП или ADC):
След това се извършва кодиране с различни кодеци (G711, G729, OPUS, GSM и т.н.),

добавя се или не се добавя криптиране (SRTP, ZPTP и т.н.) и се изпраща в среда
за предаване на данни.
Например почти всички месинджъри (WhatsApp, Viber и т.н.) използват едни и същи кодеци (в последно време това обикновено е Opus), и практически същите леко

променени протоколи (въз основа на SIP, WebRTC).
Като мрежа за предаване на данни може да се използва както публичния интернет, така и GSM мрежа или

интранет:
Криптирането е незадължителен елемент в тази схема, например в повечето случаи за

SIP телефония криптирането не се използва.
А в месинджърите е обратното — обикновено се използват собствени проприетарни

протоколи за криптиране на глас и видео.
След това се извършва обратният процес – адресатът, след като получи данните, декодира получената информация, след което сигналът постъпва в ЦАП (цифрово-аналогов преобразувател) и след това постъпва в звуковия усилвател, свързан към говорителя:

Характеристики на съвременните кодеци:

G.711 64 Кб/сек.

G.726 16, 24, 32 или 40 Кб/ сек.
G.729А 8 Кб/ сек.
GSM 13 Кб/ сек.
iLBC 13.3 Кб/ сек. (30 мс фрейма); 15.2 Кб/ сек. (20 мс фрейма)
Speex Диапазон от 2.15 до 22.4 Кб/ сек.
G.722 64 Кб/сек.
G.722 64 кбит/сек.

По този начин например при разговор от 7 минути по WhatsApp или Skype
ще бъдат изразходвани около 1 МБ.

Запомним тези цифри – 1 МБ на 7 минути разговор, скоро ще ни бъдат нужни.

„Лев Толстой като огледало… революция…"

Нека си спомним най-известния роман на този велик руски писател:

„Война и мир“ – епопея на Лев Толстоой, описваща руското
общество в епохата на войните срещу Наполеон от 1805 до 1812 година. Епилогът на романа довежда
разказа до 1820 година.

На романа „Война и мир“ Л.Н. Толстой посветил седем години на интензивен и упорит труд. За това как е създадено едно от най-големите световни произведения свидетелстват ръкописите
на „Война и мир“: в архива на писателя са запазени над 5200 листа с дребен почерк.

Ако в момента искате да прочетете този роман, можете да го изтеглите лесно.

И този файл тежи само… 1 МБ:

Форматите fb2 и epub, както и zip, rar, всъщност могат да се разглеждат като своеобразни
кодеци.

Нека се замислим – 7 минути от нашия разговор по WhatsApp са равни по обем на трафика
на велико произведение, което се е писало 7 години!

Разговорът от 7 минути е кодирал с кодека opus, романът е кодирал в ePub, обемът е същият –
1 МБ, но каква колосална разлика!

Пътешествията на Гъливер

Всички познават това произведение на Джонатан Суифт от детството си, но всъщност тази книга не е за
деца.

„Пътешествията на Гъливер“ – това е политическа сатира за възрастни, разбира се, в контекста на 18
век.

Удивително е, че Суифт, будейки яростен противник на другия си съвременник –
Нютона, в своите „Пътешествия на Гъливер“ не само предсказал откритията на спътниците
на Марс (с доста точни описания на техните характеристики), но и описал доста интересен
начин за комуникация между хората:

„… проектът изисквал пълното премахване на всички думи;
авторът на този проект се позовавал главно на ползата му за здравето и спестяването
на време.

В крайна сметка е очевидно, че всяка произнесена от нас дума е свързана с известно износване
на дробовете и следователно води до съкращаване на живота ни.

А тъй като думите са само наименования на нещата, авторът на проекта изразява предположението,
че за нас ще бъде много по-удобно да носим със себе си неща, необходими за изразяване на нашите
мисли и желания.

… много учени и мъдри хора се възползват от този нов начин за изразяване на своите
мисли с помощта на вещи.

Единственото неудобство е, че при необходимост
да водят обширен разговор по различни теми, участниците трябва да носят на
рамо големи пакети с вещи, ако средствата не позволят наемането на един или
двама здрави младежи. Често съм виждал двама такива мъдреци, изнемогващи под
тежестта на товара, подобно на нашите търговци на улицата. При среща на улицата те сваляха
опаковките, отваряха ги и, вадейки необходимите неща оттам, водеха по този начин разговор в
продължение на час; след това събираха своя инвентар, помагаха един на друг да натоварят товара на
рамото, сбогуваха се и се разотидеха.

Въпреки това, за кратки и несложни разговори може да се носи всичко необходимо в джобовете
или под мишницата, а разговорът, протичащ в домашна обстановка, не предизвиква никакви
проблеми. Затова стаите, в които се събират хора, които прилагат този метод, са пълни с
всевъзможни предмети, подходящи за материал при такива изкуствени
разговори.

Друго голямо предимство на това изобретение е, че то може да се използва
като универсален език, разбираем за всички цивилизовани нации, тъй като мебелите и домашната
утвар са навсякъде едни и същи или много подобни, така че употребата им може лесно да бъде разбрана.
По този начин пратениците без трудности могат да разговарят с чуждестранни крале или
министри, чийто език е съвсем непознат за тях…

И така, вероятно вече се досещате накъде водя 🙂

Защо да предаваме колебанията на въздуха (звуците) на десетки и стотици километри,
да се усложняваме с кодирането (за да предадем тези колебания на въздуха възможно най-точно и качествено на получателя), да държим необходимия честотен спектър, ако смисловата
награда от това предаване е минимална, или дори се стреми към нула?

В крайна сметка, хората комуникират помежду си не със звуци, а със значение, съдържание, семантика, мисли…

Концепцията на новата система за комуникация е доста проста – от страна на източника А звуковите
колебания също се цифровизират, но не се предават веднага на другата страна, а
се преобразуват в текст (Speech To Text) и след това се предава осмислен текст от
абонат А, който:

• може да бъде предаден с минималната необходима честотна лента (може дори да се използва радиовръзка от типа КВ и т.н.)
• може да бъде криптиран с всякакви силни алгоритми за шифроване

От страна Б получените съобщения се декриптират и се възпроизвеждат вече като глас от
абонат А (Text To Speech).

Също така може да се зареди от страна Б т.нар. гласов аватар на абонат А, който точно
да повтаря начина на говорене на абонат А.

Отделен канал може да предава фонови шумове и емоции.

Всичко това е валидно и за видеовръзка – особено предвид, че отделни елементи отдавна
съществуват в приложения (разнообразни маски, фон в Zoom и т.н.).

Да, има технически моменти, които в момента не са реализирани в нужния вид –
например критична ще бъде скоростта на преобразуване Speech To Text, но използвайки
предиктивни AI алгоритми за преобразуване, тази скорост може да бъде значително увеличена.

Най-важното предимство – изисква минимална честотна лента в средата на предаване
данни.

Т.е. такъв принцип може да се използва не само за обикновени ежедневни
комуникации, но също така и за военни и за дългосрочни връзки с големи закъснения
(космическа връзка, междупланетна – Луна, Марс и т.н. 🙂 )

Въпреки че това е описание на концепцията, в действителност в един от нашите проекти вече няколко
месеца се използва прототип с този принцип.

Но за това друг път…

Източник: habr.com