Mnoho lidí si pamatuje, že televizní seriál „Silicon Valley“ je o programátorovi Richardovi
Hendrixe, který náhodou přišel s revolučním algoritmem komprese dat a rozhodl se
vybudovat svůj startup.
Konzultanti seriálu dokonce navrhli metriku, pomocí které by bylo možné hodnotit
podobnými algoritmy jsou fiktivní Weissmanovo skóre.
Dále v příběhu startup pomocí tohoto řešení uskutečnil videochat.
Respektovaná komunita je pozvána k diskusi o jiném, zcela neobvyklém
princip komprese dat pro audio a video hovory, který řeší problém s novým,
nečekaná strana.
Chcete-li se zapojit do diskuse o tomto řešení, a také zjistit, co to má společného
koncepty s Jonathanem Swiftem a díly Lva Tolstého, prosím pod kat.
Některé teorie
Pojďme si obecně popsat, jak moderní audio komunikace funguje – princip je u obou stejný
volání přes GSM síť, stejně jako pro instant messenger a VOIP sítě.
Zvukové vibrace jsou odesílány do mikrofonu smartphonu a poté v analogově-digitálním provedení
převodník (ADC nebo ADC):
Dále ke kódování dochází pomocí různých kodeků (G711, G729, OPUS, GSM atd.),
šifrování je přidáno nebo nepřidáno (SRTP, ZPTP atd.) a odesláno do prostředí
přenos dat.
Například téměř všechny instant messengery (WhatsApp, Viber atd.) používají stejné kodeky (v poslední době je to obvykle Opus) a téměř stejné
upravené protokoly (založené na SIP, WebRTC).
Síť pro přenos dat může být buď veřejný internet nebo síť GSM popř
intranet:
Šifrování je v tomto schématu volitelným prvkem, například ve většině případů pro
Není použito šifrování SIP telefonie.
Ale v messengerech naopak obvykle používají své vlastní proprietární
protokoly pro šifrování hlasu a videa.
Dále dojde k opačnému procesu - příjemce po přijetí dat dekóduje přijaté informace, poté signál přejde do DAC (digitálně-analogový převodník) a poté vstoupí do audio zesilovače připojeného k reproduktoru:
Vlastnosti moderních kodeků:
G.711 64 Kbps.
G.726 16, 24, 32 nebo 40 Kbps.
G.729A 8 Kb/s.
GSM 13 Kb/s
iLBC 13.3 Kb/s. (snímek 30 ms); 15.2 kb/s (snímek 20 ms)
Rozsah Speex od 2.15 do 22.4 Kb/s.
G.722 64 Kbps.
Tak například během 7minutové konverzace na WhatsApp nebo Skype dojde
Bylo použito asi 1 MB.
Zapamatujme si tato čísla – 1MB na 7 minut rozhovoru, budeme je brzy potřebovat.
„Leo Tolstoj je jako zrcadlo... revoluce...“
Připomeňme si nejslavnější román tohoto velkého ruského spisovatele:
„Válka a mír“ je epický román Lva Nikolajeviče Tolstého, popisující ruštinu
společnosti za válek proti Napoleonovi v letech 1805-1812. Epilog románu přináší
vyprávění do roku 1820.
Román „Válka a mír“ od L.N. Tolstoj věnoval sedm let intenzivní a vytrvalé práci Rukopisy svědčí o tom, jak vznikal jeden z největších světových výtvorů.
„Válka a mír“: spisovatelův archiv obsahuje přes 5200 jemně psaných listů.
Pokud si nyní chcete tento román přečíst, můžete si jej snadno stáhnout.
A tento soubor váží pouze... 1 MB:
Formáty fb2 a epub, stejně jako zip, rar, lze v zásadě považovat za druh
kodeky
Přemýšlejme o tom – 7 minut našeho rozhovoru na WhatsApp se rovná objemu provozu
skvělé dílo, jehož psaní trvalo 7 let!
Konverzace v délce 7 minut byla zakódována kodekem opus, román byl zakódován pomocí ePub, objem je stejný -
1 MB, ale jaký obrovský rozdíl!
Gulliverovy cesty
Každý zná toto dílo Jonathana Swifta z dětství, ale ve skutečnosti tato kniha není pro
děti.
Gulliver's Travels je politická satira pro dospělé, samozřejmě v kontextu 18
století.
Překvapivé je, že Swift, který je zaníceným odpůrcem svého dalšího současníka -
Newton ve svých „Gulliverových cestách“ nejen předpověděl objev satelitů
Mars (s poměrně přesným popisem jejich vlastností), ale popsal i poměrně zajímavý
způsob komunikace mezi lidmi:
„... projekt požadoval úplné zrušení všech slov;
autor tohoto projektu poukázal především na jeho zdravotní přínosy a úsporu
času.
Je přece zřejmé, že každé naše vyřčené slovo je spojeno s nějakým opotřebením.
plíce, a proto vede ke zkrácení našeho života.
A protože slova jsou pouze názvy věcí, autor projektu to předpokládá
že pro nás bude mnohem pohodlnější nosit s sebou věci nutné k vyjádření našeho
myšlenky a touhy.
... mnoho velmi učených a moudrých lidí používá tento nový způsob vyjádření svého
myšlenky s pomocí věcí.
Jeho jedinou nepříjemností je skutečnost, že v případě potřeby
vést zdlouhavý rozhovor o různých tématech, které musí účastníci rozhovoru nést
ramena s velkými balíky věcí, pokud finanční prostředky neumožňují pronájem jednoho resp
dva statní chlapi. Často se mi stalo, že jsem viděl dva takové moudré muže, vyčerpané
těžké břemeno, jako naši kramáři. Když se potkali na ulici, vyfotili se
brašny přes rameno, otevřel je a vyndal z nich potřebné věci a pokračoval v rozhovoru
pokračování hodiny; pak naskládali své náčiní a pomáhali si navzájem zvednout náklad
ramena, rozloučili se a rozešli se.
Pro krátké a jednoduché konverzace však můžete mít vše, co potřebujete, v kapse
nebo pod paží a konverzace probíhající doma žádné nezpůsobuje
potíže. Místnosti, kde se lidé používající tuto metodu shromažďují, jsou proto zaplněné
všechny druhy předmětů vhodné k tomu, aby sloužily jako materiál pro takové umělé
rozhovory.
Další velkou výhodou tohoto vynálezu je, že jej lze použít
jako univerzální jazyk, srozumitelný všem civilizovaným národům, pro nábytek a domácnost
nádobí je všude stejné nebo velmi podobné, takže jeho použití lze snadno pochopit.
Vyslanci tak mohou snadno mluvit s cizími králi resp
ministrů, jejichž jazyk je jim zcela neznámý...“
Takže už asi tušíte, kam tím mířím :)
Proč přenášet vibrace vzduchu (zvuky) na mnoho stovek a tisíců kilometrů?
obtěžujte se kódováním (aby se tyto vibrace vzduchu přenesly k příjemci co nejpřesněji a nejúčinněji), udržujte potřebnou šířku pásma, pokud je sémantická
Je zatížení této převodovky minimální, nebo má dokonce tendenci k nule?
Lidé spolu totiž komunikují nikoli zvuky, ale významem, obsahem, sémantikou, myšlenkami...
Koncept nového komunikačního systému je vcelku jednoduchý – na zdrojové straně A je audio
vibrace jsou také digitalizovány, ale nejsou okamžitě přenášeny na druhou stranu, ale
jsou převedeny na text (Speech To Text) a poté na smysluplný text
předplatitel A, který:
- lze přenášet s minimální požadovanou šířkou datového pásma (je možná i HF rádiová komunikace atd.)
- lze šifrovat pomocí jakéhokoli silného šifrovacího algoritmu
Na straně B jsou přijaté zprávy dešifrovány a reprodukovány jako hlas z
předplatitel A (text na řeč).
Stáhnout si můžete i tzv. B stranu. hlasový avatar předplatitele A, který by
přesně zopakoval způsob řeči účastníka A.
Samostatný kanál může přenášet hluk na pozadí a emoce.
Totéž platí pro videokomunikaci – zejména proto, že jednotlivé prvky již dávno nejsou
existují v aplikacích (různé masky, pozadí v Zoomu atd.).
Ano, existují technické aspekty, které v současné době nejsou plně implementovány ve správné formě –
například rychlost převodu řeči na text bude kritická, ale používá se
Prediktivní algoritmy konverze AI mohou tuto rychlost výrazně zvýšit.
Nejdůležitější výhodou je, že v přenosovém médiu je vyžadována minimální šířka pásma
data.
Tito. Tento princip lze využít nejen pro běžný všední den
komunikace, ale také pro vojenské a dálkové komunikace s velkým zpožděním
(vesmírná komunikace, meziplanetární - Měsíc, Mars atd. :)
Přestože se jedná o popis konceptu, ve skutečnosti jich v jednom z našich projektů již existuje několik
Prototyp s tímto principem se používá několik měsíců.
Ale o tom až příště...
Zdroj: www.habr.com