Mnogi se sjećaju da je TV serija “Silicijumska dolina” o programeru Richardu
Hendrix, koji je slučajno smislio revolucionarni algoritam kompresije podataka i odlučio
izgradite svoj startup.
Konsultanti serije čak su predložili metriku pomoću koje bi se evaluirali
slični algoritmi su fiktivni Weissmanov rezultat.
Dalje u priči, startup je napravio video chat koristeći ovo rješenje.
Poštovana zajednica je pozvana da razgovaramo o još jednom, potpuno neobičnom
princip kompresije podataka za audio i video pozive, čime se problem rješava novim,
neočekivana strana.
Ako želite da učestvujete u raspravi o ovom rješenju, a također saznajte šta je zajedničko
koncepte sa Jonathanom Swiftom i djelima Lava Tolstoja, molimo pod kat.
Malo teorije
Opišimo općenito kako moderna audio komunikacija funkcionira - princip je isti za oba
pozive preko GSM mreže, kao i za instant messengere i VOIP mreže.
Zvučne vibracije se šalju do mikrofona pametnog telefona, zatim analogno-digitalno
pretvarač (ADC ili ADC):
Zatim, kodiranje se događa s različitim kodecima (G711, G729, OPUS, GSM, itd.),
enkripcija se dodaje ili ne dodaje (SRTP, ZPTP, itd.) i šalje u okruženje
prijenos podataka.
Na primjer, skoro svi instant messengeri (WhatsApp, Viber, itd.) koriste iste kodeke (u posljednje vrijeme to je obično Opus), a skoro isti pomalo
modifikovani protokoli (bazirani na SIP, WebRTC).
Mreža za prijenos podataka može biti javna Internet ili GSM mreža ili
intranet:
Šifriranje je neobavezni element u ovoj shemi, na primjer u većini slučajeva za
Šifriranje SIP telefonije se ne koristi.
Ali u glasnicima, naprotiv, oni obično koriste svoje vlasništvo
protokoli za šifrovanje glasa i videa.
Zatim se događa obrnuti proces - primatelj, nakon što je primio podatke, dekodira primljene informacije, zatim signal ide u DAC (digitalno-analogni pretvarač), a zatim ulazi u audio pojačalo spojeno na zvučnik:
Karakteristike modernih kodeka:
G.711 64 Kbps.
G.726 16, 24, 32 ili 40 Kbps.
G.729A 8 Kb/sec.
GSM 13 Kb/sec.
iLBC 13.3 Kb/sec. (30ms okvir); 15.2 Kb/sec. (20ms okvir)
Speex Raspon od 2.15 do 22.4 Kb/sec.
G.722 64 Kbps.
Tako će, na primjer, tokom 7-minutnog razgovora na WhatsApp-u ili Skype-u biti
Potrošeno je oko 1 MB.
Prisjetimo se ovih brojeva - 1MB za 7 minuta razgovora, uskoro će nam trebati.
"Lav Tolstoj je kao ogledalo... revolucije..."
Prisjetimo se najpoznatijeg romana ovog velikog ruskog pisca:
“Rat i mir” je epski roman Lava Nikolajeviča Tolstoja, koji opisuje ruski
društvo tokom ratova protiv Napoleona 1805-1812. Epilog romana donosi
priča do 1820.
Roman “Rat i mir” L.N. Tolstoj je posvetio sedam godina intenzivnog i upornog rada. Rukopisi svjedoče o tome kako je nastala jedna od najvećih svjetskih kreacija.
“Rat i mir”: arhiva pisca sadrži preko 5200 fino ispisanih listova.
Ako sada želite da pročitate ovaj roman, možete ga lako preuzeti.
A ovaj fajl je težak samo... 1 MB:
Formati fb2 i epub, baš kao zip, rar, u principu, mogu se smatrati nekom vrstom
kodeci
Razmislimo o tome - 7 minuta našeg razgovora na WhatsApp-u je jednako u smislu obima saobraćaja
sjajno djelo za koje je trebalo 7 godina da se napiše!
Razgovor od 7 minuta je kodiran opus kodekom, roman je kodiran ePub-om, jačina je ista -
1MB, ali kakva ogromna razlika!
Guliverova putovanja
Svi znaju ovo djelo Jonathana Swifta od djetinjstva, ali u stvari ova knjiga nije za
djeca.
Guliverova putovanja su politička satira za odrasle, naravno u kontekstu 18
veka.
Iznenađujuće je da Swift, budući vatreni protivnik svog drugog savremenika -
Njutn je u svojim "Guliverovim putovanjima" ne samo predvideo otkriće satelita
Mars (sa prilično tačnim opisom njihovih karakteristika), ali i opisao prilično zanimljivo
način komunikacije među ljudima:
“... projekat je zahtijevao potpuno ukidanje svih riječi;
autor ovog projekta se uglavnom osvrnuo na njegove zdravstvene prednosti i uštede
vrijeme.
Na kraju krajeva, očito je da je svaka riječ koju izgovorimo povezana sa istrošenošću.
pluća i, stoga, dovodi do smanjenja našeg života.
A kako su riječi samo nazivi stvari, autor projekta to pretpostavlja
da će nam biti mnogo zgodnije da sa sobom nosimo stvari koje su potrebne da izrazimo svoje
misli i želje.
... mnogi vrlo učeni i mudri ljudi koriste ovaj novi način izražavanja
misli uz pomoć stvari.
Njegova jedina neugodnost je činjenica da, ako je potrebno,
voditi dugačak razgovor o raznim temama koje sagovornici moraju nositi
ramena sa velikim snopovima stvari, ako sredstva ne dozvoljavaju zapošljavanje jednog ili
dva krepka momka. Često sam viđao dva takva mudraca, iscrpljena
težak teret, kao naši trgovci. Kada su se sreli na ulici, slikali su se
naramenice, otvorio ih i, izvadivši odatle potrebne stvari, tako nastavio razgovor
nastavak sata; zatim su nagomilali svoj pribor i pomogli jedni drugima da podignu teret
ramena, pozdravio se i razišao.
Međutim, za kratke i jednostavne razgovore sve što vam treba možete nositi u džepu
ili ispod ruke, a razgovor koji se vodi kod kuće ne izaziva nikakve
teškoće. Stoga su prostorije u kojima se okupljaju ljudi koji koriste ovu metodu ispunjene
sve vrste predmeta pogodnih da služe kao materijal za takve umjetne
razgovore.
Još jedna velika prednost ovog izuma je da se može koristiti
kao univerzalni jezik, razumljiv svim civilizovanim narodima, za nameštaj i domaćinstvo
pribor je svuda isti ili vrlo sličan, tako da se njihova upotreba može lako razumjeti.
Tako izaslanici mogu lako razgovarati sa stranim kraljevima ili
ministri čiji je jezik potpuno nepoznat..."
Dakle, vjerovatno već pogađate kuda idem sa ovim :)
Zašto prenositi zračne vibracije (zvuke) na stotine i hiljade kilometara?
zamarati se kodiranjem (kako bi se te vibracije zraka prenijele primaocu što je moguće preciznije i efikasnije), održavati potrebnu širinu pojasa, ako je semantička
Da li je opterećenje ovog prijenosa minimalno, ili čak teži nuli?
Na kraju krajeva, ljudi ne komuniciraju jedni s drugima zvukovima, već značenjem, sadržajem, semantikom, mislima...
Koncept novog komunikacionog sistema je prilično jednostavan - na strani izvora A nalazi se audio
vibracije se takođe digitalizuju, ali se ne prenose odmah na drugu stranu, već
se pretvaraju u tekst (Speech To Text), a zatim u smisleni tekst iz
pretplatnik A, koji:
- može se prenositi sa minimalnim potrebnim propusnim opsegom podataka (moguće su čak i HF radio komunikacije, itd.)
- može se šifrirati bilo kojim jakim algoritmom za šifriranje
Na strani B, primljene poruke se dešifruju i reprodukuju kao glas od
pretplatnik A (Text To Speech).
Također možete preuzeti takozvanu B stranu. glasovni avatar pretplatnika A, ko bi
tačno ponovio način govora pretplatnika A.
Zaseban kanal može prenositi pozadinsku buku i emocije.
Sve isto važi i za video komunikaciju – pogotovo što su pojedinačni elementi odavno postojali
postoje u aplikacijama (razne maske, pozadina u Zoomu, itd.).
Da, postoje tehnički aspekti koji trenutno nisu u potpunosti implementirani u odgovarajućem obliku -
na primjer, brzina konverzije govora u tekst bit će kritična, ali korištenje
Algoritmi za predviđanje AI konverzije mogu značajno povećati ovu brzinu.
Najvažnija prednost je što je potrebna minimalna širina pojasa u mediju za prijenos
podaci.
One. Ovaj princip se može koristiti ne samo za običnu svakodnevicu
komunikacije, ali i za vojnu i međugradsku komunikaciju sa velikim kašnjenjima
(svemirska komunikacija, interplanetarna - Mjesec, Mars, itd. :)
Iako je ovo opis koncepta, zapravo, u jednom od naših projekata već ih ima nekoliko
Prototip sa ovim principom je u upotrebi mesecima.
Ali o tome više sledeći put...
izvor: www.habr.com