Mange husker, at tv-serien "Silicon Valley" handler om programmøren Richard
Hendrix, som ved et uheld kom med en revolutionerende datakomprimeringsalgoritme og besluttede
bygge din startup.
Seriens konsulenter foreslog endda en metrik til at evaluere
lignende algoritmer er den fiktive Weissman Score.
Længere i historien lavede opstarten en videochat ved hjælp af denne løsning.
Det respekterede samfund inviteres til at diskutere en anden, helt usædvanlig
princippet om datakomprimering til lyd- og videoopkald, som løser problemet med en ny,
uventede side.
Hvis du vil deltage i diskussionen om denne løsning, og også finde ud af, hvad denne har til fælles
koncepter med Jonathan Swift og Leo Tolstojs værker, venligst under kat.
Lidt teori
Lad os beskrive i generelle vendinger, hvordan moderne lydkommunikation fungerer - princippet er det samme for begge
opkald over GSM-netværket, samt til instant messengers og VOIP-netværk.
Lydvibrationer sendes til mikrofonen på smartphonen, derefter i analog-digital
konverter (ADC eller ADC):
Dernæst sker kodning med en række codecs (G711, G729, OPUS, GSM osv.),
kryptering tilføjes eller ikke tilføjes (SRTP, ZPTP osv.) og sendes til miljøet
datatransmission.
For eksempel bruger næsten alle instant messengers (WhatsApp, Viber osv.) de samme codecs (på det seneste er dette normalt Opus), og næsten det samme lidt
ændrede protokoller (baseret på SIP, WebRTC).
Datatransmissionsnettet kan enten være det offentlige internet eller GSM-netværket eller
intranet:
Kryptering er et valgfrit element i denne ordning, for eksempel i de fleste tilfælde for
SIP-telefonikryptering anvendes ikke.
Men i budbringere bruger de tværtimod normalt deres egen proprietære
protokoller til stemme- og videokryptering.
Dernæst sker den omvendte proces - modtageren, efter at have modtaget dataene, afkoder den modtagne information, derefter går signalet til DAC (digital-til-analog-konverter) og går derefter ind i lydforstærkeren, der er tilsluttet højttaleren:
Karakteristika for moderne codecs:
G.711 64 Kbps.
G.726 16, 24, 32 eller 40 Kbps.
G.729A 8 Kb/sek.
GSM 13 Kb/sek.
iLBC 13.3 Kb/sek. (30ms ramme); 15.2 Kb/sek. (20ms ramme)
Speex-område fra 2.15 til 22.4 Kb/sek.
G.722 64 Kbps.
Således vil der for eksempel under en 7-minutters samtale på WhatsApp eller Skype være
Der blev brugt ca. 1 MB.
Lad os huske disse tal - 1 MB til 7 minutters samtale, vi får brug for dem snart.
"Leo Tolstoy er som et spejl ... af revolution ..."
Lad os huske den mest berømte roman af denne store russiske forfatter:
"Krig og fred" er en episk roman af Leo Nikolaevich Tolstoj, der beskriver russisk
samfund under krigene mod Napoleon i 1805-1812. Romanens epilog bringer
fortælling frem til 1820.
Romanen "Krig og fred" af L.N. Tolstoj viede syv års intenst og vedholdende arbejde. Manuskripter vidner om, hvordan en af verdens største kreationer blev skabt.
"Krig og fred": forfatterens arkiv indeholder over 5200 fint skrevne ark.
Hvis du nu vil læse denne roman, kan du nemt downloade den.
Og denne fil vejer kun... 1 MB:
Formaterne fb2 og epub kan ligesom zip, rar i princippet betragtes som en slags
codecs
Lad os tænke over det - 7 minutter af vores samtale på WhatsApp er lige meget med hensyn til trafikmængde
et fantastisk værk, der tog 7 år at skrive!
En samtale på 7 minutter blev kodet med opus codec, romanen blev kodet med ePub, lydstyrken er den samme -
1MB, men sikke en kæmpe forskel!
Gullivers rejser
Alle kender dette arbejde af Jonathan Swift fra barndommen, men faktisk er denne bog ikke til
børn.
Gullivers rejser er en politisk satire for voksne, selvfølgelig i sammenhæng med 18
århundrede.
Det overraskende er, at Swift, der er en ivrig modstander af sin anden samtidige -
Newton forudsagde i sin "Gullivers rejser" ikke kun opdagelsen af satellitter
Mars (med en ret præcis beskrivelse af deres egenskaber), men også beskrevet en ret interessant
måde at kommunikere mellem mennesker på:
”... projektet krævede fuldstændig afskaffelse af alle ord;
forfatteren til dette projekt henviste hovedsageligt til dets sundhedsmæssige fordele og besparelser
tid.
Det er trods alt indlysende, at hvert ord, vi udtaler, er forbundet med noget slid.
lunger og fører derfor til en reduktion i vores liv.
Og da ord kun er navne på ting, gør projektets forfatter den antagelse, at
at det vil være meget mere bekvemt for os at medbringe de ting, der er nødvendige for at udtrykke vores
tanker og ønsker.
... mange meget lærde og kloge mennesker bruger denne nye måde at udtrykke deres på
tanker ved hjælp af ting.
Dens eneste ulempe er det faktum, at hvis det er nødvendigt,
føre en længere samtale om en række emner, samtalepartnerne skal bære
skuldre med store bundter af ting, hvis midler ikke tillader at ansætte en eller
to kraftige fyre. Jeg så ofte tilfældigvis to sådanne vise mænd, udmattede under
tung byrde, som vores kræmmere. Da de mødtes på gaden, tog de billeder
skuldertasker, åbnede dem og tog de nødvendige ting ud derfra og førte således en samtale ind
fortsættelse af timen; så stablede de deres redskaber op og hjalp hinanden med at løfte læsset op på
skuldre, sagde farvel og gik fra hinanden.
Til korte og enkle samtaler kan du dog have alt, hvad du har brug for i lommen
eller under armen, og en samtale, der foregår derhjemme, forårsager ikke nogen
vanskeligheder. Derfor er de rum, hvor folk, der bruger denne metode samles, fyldt med
alle slags genstande egnet til at tjene som materiale til sådanne kunstige
samtaler.
En anden stor fordel ved denne opfindelse er, at den kan bruges
som et universelt sprog, forståeligt for alle civiliserede nationer, til møbler og husholdning
redskaberne er overalt ens eller meget ens, så deres brug let kan forstås.
Udsendinge kan således sagtens tale med fremmede konger el
ministre, hvis sprog er fuldstændig ukendt for dem..."
Så du gætter sikkert allerede, hvor jeg vil hen med dette :)
Hvorfor overføre luftvibrationer (lyde) over mange hundrede og tusinder af kilometer?
besvær med kodning (for at formidle disse luftvibrationer til modtageren så præcist og effektivt som muligt), opretholde den nødvendige båndbredde, hvis semantisk
Er belastningen af denne transmission minimal, eller har den endda tendens til nul?
Folk kommunikerer jo ikke med hinanden med lyde, men med mening, indhold, semantik, tanker...
Konceptet med det nye kommunikationssystem er ret simpelt - på kildesiden A er der lyd
vibrationer digitaliseres også, men overføres ikke umiddelbart til den anden part, men
konverteres til tekst (Tale Til Tekst) og derefter den meningsfulde tekst fra
abonnent A, som:
- kan transmitteres med den mindst nødvendige databåndbredde (selv HF-radiokommunikation er mulig osv.)
- kan krypteres med enhver stærk krypteringsalgoritme
På side B dekrypteres modtagne beskeder og gengives som en stemme fra
abonnent A (Tekst til tale).
Du kan også downloade den såkaldte B-side. stemmeavatar af abonnent A, som ville
gentog nøjagtigt abonnent A's talemåde.
En separat kanal kan overføre baggrundsstøj og følelser.
Det samme gælder for videokommunikation – især da enkelte elementer længe har været det
findes i applikationer (diverse masker, baggrund i Zoom osv.).
Ja, der er tekniske aspekter, som i øjeblikket ikke er fuldt implementeret i den rigtige form -
f.eks. vil hastigheden af tale til tekst-konvertering være kritisk, men ved at bruge
Forudsigende AI-konverteringsalgoritmer kan øge denne hastighed betydeligt.
Den vigtigste fordel er, at der kræves minimal båndbredde i transmissionsmediet
data.
De der. Dette princip kan ikke kun bruges til almindelig hverdag
kommunikation, men også til militær- og fjernkommunikation med store forsinkelser
(rumkommunikation, interplanetarisk - Månen, Mars osv. :)
Selvom dette er en beskrivelse af konceptet, er der faktisk allerede flere i et af vores projekter
En prototype med dette princip har været i brug i flere måneder.
Men mere om det næste gang...
Kilde: www.habr.com