যোগাযোগে একটি বিপ্লব? নতুন পদ্ধতি আপনাকে অডিও এবং ভিডিও কলের জন্য 100 গুণ বা তার বেশি ব্যান্ডউইথ সংরক্ষণ করতে দেয়

অনেকের মনে আছে যে টিভি সিরিজ "সিলিকন ভ্যালি" প্রোগ্রামার রিচার্ড সম্পর্কে
হেন্ডরিক্স, যিনি ঘটনাক্রমে একটি বৈপ্লবিক ডেটা কম্প্রেশন অ্যালগরিদম নিয়ে এসেছিলেন এবং সিদ্ধান্ত নিয়েছিলেন
আপনার স্টার্টআপ তৈরি করুন।

সিরিজের পরামর্শদাতারা এমনকি একটি মেট্রিকের পরামর্শ দিয়েছিলেন যা দিয়ে মূল্যায়ন করা যায়
অনুরূপ অ্যালগরিদম হল কল্পিত ওয়েইসম্যান স্কোর।

গল্পে আরও, স্টার্টআপ এই সমাধানটি ব্যবহার করে একটি ভিডিও চ্যাট করেছে।

সম্মানিত সম্প্রদায় অন্য একটি আলোচনার জন্য আমন্ত্রিত, সম্পূর্ণ অস্বাভাবিক
অডিও এবং ভিডিও কলের জন্য ডেটা কম্প্রেশনের নীতি, যা একটি নতুন দিয়ে সমস্যার সমাধান করে,
অপ্রত্যাশিত দিক।

আপনি যদি এই সমাধানের আলোচনায় অংশ নিতে চান এবং এর মধ্যে কী মিল আছে তাও খুঁজে বের করতে চান
জোনাথন সুইফটের সাথে ধারণা এবং লিও টলস্টয়ের কাজ, দয়া করে বিড়ালের অধীনে।

তত্ত্ব একটি বিট

আধুনিক অডিও কমিউনিকেশন কিভাবে কাজ করে তা সাধারণ ভাষায় বর্ণনা করা যাক - নীতি উভয়ের জন্য একই
GSM নেটওয়ার্কের মাধ্যমে কল, সেইসাথে ইনস্ট্যান্ট মেসেঞ্জার এবং VOIP নেটওয়ার্কের জন্য।

সাউন্ড ভাইব্রেশন স্মার্টফোনের মাইক্রোফোনে পাঠানো হয়, তারপর অ্যানালগ-ডিজিটালে
রূপান্তরকারী (ADC বা ADC):

এরপরে, এনকোডিং বিভিন্ন কোডেকের সাথে ঘটে (G711, G729, OPUS, GSM, ইত্যাদি),
এনক্রিপশন যোগ করা হয় বা না যোগ করা হয় (SRTP, ZPTP, ইত্যাদি) এবং পরিবেশে পাঠানো হয়
তথ্য সংক্রমণ

উদাহরণস্বরূপ, প্রায় সমস্ত তাত্ক্ষণিক মেসেঞ্জার (হোয়াটসঅ্যাপ, ভাইবার ইত্যাদি) একই কোডেক ব্যবহার করে (ইদানীং এটি সাধারণত ওপাস হয়), এবং প্রায় একই রকম
পরিবর্তিত প্রোটোকল (এসআইপি, ওয়েবআরটিসি ভিত্তিক)।

ডেটা ট্রান্সমিশন নেটওয়ার্ক পাবলিক ইন্টারনেট বা জিএসএম নেটওয়ার্ক বা হতে পারে
ইন্ট্রানেট:

এনক্রিপশন এই স্কিমের একটি ঐচ্ছিক উপাদান, উদাহরণস্বরূপ বেশিরভাগ ক্ষেত্রেই
SIP টেলিফোনি এনক্রিপশন ব্যবহার করা হয় না।

কিন্তু মেসেঞ্জারে, বিপরীতে, তারা সাধারণত তাদের নিজস্ব মালিকানা ব্যবহার করে
ভয়েস এবং ভিডিও এনক্রিপশনের জন্য প্রোটোকল।

এর পরে, বিপরীত প্রক্রিয়াটি ঘটে - প্রাপক, ডেটা প্রাপ্ত করে, প্রাপ্ত তথ্য ডিকোড করে, তারপরে সংকেতটি DAC (ডিজিটাল-টু-অ্যানালগ রূপান্তরকারী) এ যায় এবং তারপরে স্পিকারের সাথে সংযুক্ত অডিও পরিবর্ধক প্রবেশ করে:

আধুনিক কোডেকগুলির বৈশিষ্ট্য:

G.711 64 Kbps।
G.726 16, 24, 32 বা 40 Kbps।
G.729A 8 Kb/sec
GSM 13 Kb/sec
iLBC 13.3 Kb/sec (30ms ফ্রেম); 15.2 Kb/সেকেন্ড (20ms ফ্রেম)
স্পীক্স রেঞ্জ 2.15 থেকে 22.4 Kb/সেকেন্ড।
G.722 64 Kbps।

সুতরাং, উদাহরণস্বরূপ, হোয়াটসঅ্যাপ বা স্কাইপে 7-মিনিটের কথোপকথনের সময় থাকবে
প্রায় 1 এমবি ব্যবহার করা হয়েছিল।

আসুন এই নম্বরগুলি মনে রাখি - 1 মিনিটের কথোপকথনের জন্য 7MB, আমাদের শীঘ্রই তাদের প্রয়োজন হবে।

"লিও টলস্টয় বিপ্লবের আয়নার মত..."

আসুন এই মহান রাশিয়ান লেখকের সবচেয়ে বিখ্যাত উপন্যাসটি মনে রাখা যাক:

"যুদ্ধ এবং শান্তি" লিও নিকোলাভিচ টলস্টয়ের একটি মহাকাব্যিক উপন্যাস, যা রাশিয়ানকে বর্ণনা করে
1805-1812 সালে নেপোলিয়নের বিরুদ্ধে যুদ্ধের সময় সমাজ। উপন্যাসের উপসংহার নিয়ে আসে
1820 পর্যন্ত আখ্যান।

উপন্যাস "যুদ্ধ এবং শান্তি" L.N. টলস্টয় সাত বছরের তীব্র এবং অবিরাম কাজ উৎসর্গ করেছিলেন।পান্ডুলিপিগুলি সাক্ষ্য দেয় যে কীভাবে বিশ্বের বৃহত্তম সৃষ্টিগুলির মধ্যে একটি তৈরি হয়েছিল।
"যুদ্ধ এবং শান্তি": লেখকের সংরক্ষণাগারে 5200টিরও বেশি সূক্ষ্মভাবে লিখিত শীট রয়েছে।

আপনি যদি এখন এই উপন্যাসটি পড়তে চান, আপনি সহজেই এটি ডাউনলোড করতে পারেন।

এবং এই ফাইলটির ওজন মাত্র... 1 MB:

ফরম্যাট fb2 এবং epub, ঠিক যেমন zip, rar, নীতিগতভাবে, এক ধরনের হিসাবে বিবেচনা করা যেতে পারে
কোডেক

আসুন এটি সম্পর্কে চিন্তা করি - হোয়াটসঅ্যাপে আমাদের কথোপকথনের 7 মিনিট ট্র্যাফিকের পরিমাণের ক্ষেত্রে সমান
একটি দুর্দান্ত কাজ যা লিখতে 7 বছর লেগেছিল!

7 মিনিটের একটি কথোপকথন ওপাস কোডেক দিয়ে এনকোড করা হয়েছিল, উপন্যাসটি ইপাব দিয়ে এনকোড করা হয়েছিল, ভলিউম একই -
1MB, কিন্তু কি বিশাল পার্থক্য!

গালিভারের ভ্রমণ

ছোটবেলা থেকেই জোনাথন সুইফটের এই কাজটি সবাই জানেন, কিন্তু আসলে এই বইটির জন্য নয়
শিশুদের

গালিভারস ট্রাভেলস প্রাপ্তবয়স্কদের জন্য একটি রাজনৈতিক ব্যঙ্গ, অবশ্যই 18 সালের প্রেক্ষাপটে
শতাব্দীর।

আশ্চর্যের বিষয় হল যে সুইফট তার অন্যান্য সমসাময়িকদের প্রবল প্রতিপক্ষ-
নিউটন তার "গালিভারস ট্রাভেলস"-এ শুধুমাত্র উপগ্রহ আবিষ্কারের ভবিষ্যদ্বাণী করেননি।
মঙ্গল গ্রহ (তাদের বৈশিষ্ট্যগুলির একটি মোটামুটি সঠিক বিবরণ সহ), তবে একটি বরং আকর্ষণীয়ও বর্ণনা করেছে
মানুষের মধ্যে যোগাযোগের উপায়:

“... প্রকল্পটি সমস্ত শব্দের সম্পূর্ণ বিলুপ্তির দাবি করেছিল;
এই প্রকল্পের লেখক প্রধানত এর স্বাস্থ্য সুবিধা এবং সঞ্চয় উল্লেখ করেছেন
সময়।

সব পরে, এটা স্পষ্ট যে আমরা উচ্চারিত প্রতিটি শব্দ কিছু পরিধান এবং টিয়ার সঙ্গে যুক্ত করা হয়.
ফুসফুস এবং, তাই, আমাদের জীবনে একটি হ্রাস বাড়ে.

এবং যেহেতু শব্দগুলি কেবলমাত্র জিনিসগুলির নাম, তাই প্রকল্পের লেখক অনুমান করেন যে
আমাদের প্রকাশ করার জন্য প্রয়োজনীয় জিনিসগুলি আমাদের সাথে বহন করা আমাদের পক্ষে অনেক বেশি সুবিধাজনক হবে
চিন্তা এবং ইচ্ছা।

... অনেক জ্ঞানী এবং জ্ঞানী মানুষ তাদের প্রকাশের এই নতুন উপায় ব্যবহার করে
জিনিসের সাহায্যে চিন্তা।

এর একমাত্র অসুবিধা হল যে, যদি প্রয়োজন হয়,
বিভিন্ন বিষয়ে একটি দীর্ঘ কথোপকথন পরিচালনা, কথোপকথন বহন করতে হবে
জিনিসের বড় বান্ডিল সঙ্গে কাঁধ, যদি তহবিল এক বা নিয়োগের অনুমতি না
দুই মোটা লোক। আমি প্রায়ই এইরকম দু'জন জ্ঞানী ব্যক্তিকে দেখেছি, ক্লান্ত হয়ে পড়েছে
আমাদের ব্যবসায়ীদের মত ভারী বোঝা। রাস্তায় দেখা হলেই ছবি তোলেন
কাঁধে ব্যাগগুলো খুলে, সেখান থেকে প্রয়োজনীয় জিনিসপত্র বের করে, এইভাবে ভিতরে কথোপকথন চালিয়ে গেল
ঘন্টার ধারাবাহিকতা; তারপর তারা তাদের বাসনপত্র স্তূপ করে এবং একে অপরের উপর বোঝা তুলতে সাহায্য করে
কাঁধে, বিদায় বললেন এবং বিদায় নিলেন।

যাইহোক, সংক্ষিপ্ত এবং সাধারণ কথোপকথনের জন্য আপনি আপনার পকেটে প্রয়োজনীয় সবকিছু বহন করতে পারেন
বা বাহুর নিচে, এবং বাড়িতে একটি কথোপকথন ঘটছে কোন কারণ না
অসুবিধা অতএব, কক্ষ যেখানে এই পদ্ধতি ব্যবহার করে মানুষ জড়ো হয় ভরা হয়
এই ধরনের কৃত্রিম জন্য উপাদান হিসাবে পরিবেশন উপযুক্ত বস্তুর সব ধরনের
কথোপকথন

এই আবিষ্কারের আরেকটি বড় সুবিধা হল এটি ব্যবহার করা যেতে পারে
একটি সর্বজনীন ভাষা হিসাবে, আসবাবপত্র এবং পরিবারের জন্য সমস্ত সভ্য জাতির কাছে বোধগম্য
পাত্রগুলি সব জায়গায় একই বা একই রকম, যাতে তাদের ব্যবহার সহজে বোঝা যায়।
এইভাবে, দূতেরা সহজেই বিদেশী রাজাদের সাথে কথা বলতে পারে বা
মন্ত্রী যাদের ভাষা তাদের সম্পূর্ণ অজানা..."

সুতরাং, আপনি সম্ভবত ইতিমধ্যে অনুমান করেছেন যে আমি এটির সাথে কোথায় যাচ্ছি :)

কেন বহু শত এবং হাজার হাজার কিলোমিটার জুড়ে বায়ু কম্পন (শব্দ) প্রেরণ করে?
এনকোডিং নিয়ে বিরক্ত করুন (প্রাপকের কাছে বাতাসের এই কম্পনগুলি যথাসম্ভব নির্ভুল এবং দক্ষতার সাথে পৌঁছে দেওয়ার জন্য), প্রয়োজনীয় ব্যান্ডউইথ বজায় রাখুন, যদি শব্দার্থিক
এই ট্রান্সমিশনের লোড কি ন্যূনতম, বা এমনকি শূন্যের দিকে ঝোঁক?

সর্বোপরি, লোকেরা একে অপরের সাথে শব্দের সাথে নয়, অর্থ, বিষয়বস্তু, শব্দার্থবিদ্যা, চিন্তাভাবনা দিয়ে যোগাযোগ করে ...

নতুন যোগাযোগ ব্যবস্থার ধারণাটি বেশ সহজ - উত্স দিকে A-তে অডিও রয়েছে
কম্পনগুলিও ডিজিটাইজড, কিন্তু অবিলম্বে অন্য পক্ষের কাছে প্রেরণ করা হয় না, কিন্তু
টেক্সটে রূপান্তরিত হয় (স্পিচ টু টেক্সট) এবং তারপর থেকে অর্থপূর্ণ পাঠ্য
গ্রাহক A, যারা:

• ন্যূনতম প্রয়োজনীয় ডেটা ব্যান্ডউইথের সাথে প্রেরণ করা যেতে পারে (এমনকি HF রেডিও যোগাযোগও সম্ভব, ইত্যাদি)
• যেকোনো শক্তিশালী এনক্রিপশন অ্যালগরিদম দিয়ে এনক্রিপ্ট করা যেতে পারে

B এর পাশে, প্রাপ্ত বার্তাগুলিকে ডিক্রিপ্ট করা হয় এবং এর থেকে একটি ভয়েস হিসাবে পুনরুত্পাদন করা হয়
গ্রাহক A (টেক্সট টু স্পিচ)।

আপনি তথাকথিত বি পাশ ডাউনলোড করতে পারেন। গ্রাহক A এর ভয়েস অবতার, কে হবে
গ্রাহক A এর বক্তৃতার পদ্ধতিটি সঠিকভাবে পুনরাবৃত্তি করা হয়েছে।

একটি পৃথক চ্যানেল পটভূমির শব্দ এবং আবেগ প্রেরণ করতে পারে।

ভিডিও কমিউনিকেশনের ক্ষেত্রেও একই কথা প্রযোজ্য - বিশেষ করে যেহেতু স্বতন্ত্র উপাদানগুলো অনেক আগে থেকেই
অ্যাপ্লিকেশনগুলিতে বিদ্যমান (বিভিন্ন মুখোশ, জুমের পটভূমি, ইত্যাদি)।

হ্যাঁ, এমন কিছু প্রযুক্তিগত দিক রয়েছে যা বর্তমানে সঠিক আকারে সম্পূর্ণরূপে বাস্তবায়িত হয়নি -
উদাহরণস্বরূপ, স্পিচ টু টেক্সট রূপান্তরের গতি হবে সমালোচনামূলক, কিন্তু ব্যবহার করা
ভবিষ্যদ্বাণীমূলক AI রূপান্তর অ্যালগরিদম উল্লেখযোগ্যভাবে এই গতি বাড়াতে পারে।

সবচেয়ে গুরুত্বপূর্ণ সুবিধা হল ট্রান্সমিশন মিডিয়ামে ন্যূনতম ব্যান্ডউইথ প্রয়োজন
তথ্য

সেগুলো. এই নীতি শুধুমাত্র সাধারণ দৈনন্দিন জন্য ব্যবহার করা যেতে পারে
যোগাযোগ, কিন্তু দীর্ঘ বিলম্বের সাথে সামরিক এবং দূর-দূরত্বের যোগাযোগের জন্যও
(মহাকাশ যোগাযোগ, আন্তঃগ্রহ - চাঁদ, মঙ্গল, ইত্যাদি :)

যদিও এটি ধারণাটির একটি বিবরণ, আসলে, আমাদের একটি প্রকল্পে ইতিমধ্যে বেশ কয়েকটি রয়েছে
এই নীতি সহ একটি প্রোটোটাইপ কয়েক মাস ধরে ব্যবহার করা হচ্ছে।

কিন্তু পরের বার এটি সম্পর্কে আরও ...

উত্স: www.habr.com