Viele erinnern sich an die Serie „Silicon Valley“, die von dem Programmierer Richard
Hendrix handelt, der zufällig einen revolutionären Algorithmus zur Datenkompression erfand und beschloss,
sein eigenes Startup zu gründen.
Die Berater der Serie schlugen sogar eine Metrik vor, mit der man solche Algorithmen bewerten kann – den fiktiven Weissman-Index (Weissman Score).
Im weiteren Verlauf der Handlung entwickelte das Startup einen Video-Chat, der diese Lösung verwendete.
Der geschätzte Community wird ein weiterer, völlig ungewöhnlicher
Datenkompressionsansatz für Audio- und Videoanrufe zur Diskussion vorgeschlagen, der das Problem von einer neuen,
unerwarteten Seite angeht.
Wenn Sie an der Diskussion über diese Lösung teilnehmen und erfahren möchten, was diese
Konzeption mit Jonathan Swift und den Werken von Leo Tolstoi gemeinsam hat, lade ich Sie ein, weiterzulesen.
Lassen Sie uns skizzieren, wie moderne Audiokommunikation funktioniert – der Prinzip ist gleich für
Ein wenig Theorie
Anrufe im GSM-Netz sowie für Messenger- und VOIP-Netze.
Schallwellen werden an das Mikrofon des Smartphones weitergeleitet, dann in einen Analog-Digital-
Wandler (ADC):
Danach erfolgt die Kodierung mit verschiedenen Codecs (G711, G729, OPUS, GSM usw.),
Anschließend erfolgt die Kodierung durch verschiedene Codecs (G711, G729, OPUS, GSM usw.).
Ob Verschlüsselung (SRTP, ZPTP usw.) hinzugefügt wird oder nicht, und in die Umgebung gesendet wird
Datenübertragungen.
Fast alle Messenger (WhatsApp, Viber usw.) verwenden dieselben Codecs (in letzter Zeit hauptsächlich Opus) und praktisch dieselben leicht
modifizierten Protokolle (basierend auf SIP, WebRTC).
Als Übertragungsnetzwerk können sowohl das öffentliche Internet als auch das GSM-Netz oder
Intranet fungieren:
Verschlüsselung ist ein optionales Element in diesem Schema, da in den meisten Fällen für
SIP-Telefonie keine Verschlüsselung verwendet wird.
Bei Messengern hingegen werden in der Regel proprietäre
Protokolle zur Verschlüsselung von Sprache und Video verwendet.
Dann erfolgt der umgekehrte Prozess – der Empfänger decodiert die erhaltenen Daten, das Signal gelangt dann zum DAC (Digital-Analog-Wandler) und anschließend zu dem an den Lautsprecher angeschlossenen Verstärker:
Eigenschaften moderner Codecs:
G.711 64 kb/s.
G.726 16, 24, 32 oder 40 kb/s.
G.729A 8 kb/s.
GSM 13 kb/s.
iLBC 13,3 kb/s (30 ms Frame); 15,2 kb/s (20 ms Frame)
Speex von 2,15 bis 22,4 kb/s.
G.722 64 kb/s.
So würde beispielsweise ein 7-minütiges Gespräch über WhatsApp oder Skype
ungefähr 1 MB verbrauchen.
Merken wir uns diese Zahlen – 1 MB für 7 Minuten Gespräch, sie werden uns bald nützlich sein.
„Lew Tolstoi als Spiegel… der Revolution…“
Erinnern wir uns an den bekanntesten Roman dieses großen russischen Schriftstellers:
„Krieg und Frieden“ – das epische Werk von Leo Nikolajewitsch Tolstoi, das die russische
Gesellschaft zur Zeit der Kriege gegen Napoleon von 1805 bis 1812 beschreibt. Der Epilog des Romans bringt
die Erzählung bis zum Jahr 1820.
Für den Roman „Krieg und Frieden“ widmete L.N. Tolstoi sieben Jahre intensiver und harter Arbeit. Die Manuskripte
von „Krieg und Frieden“ belegen das: Im Archiv des Schriftstellers sind über 5200 handschriftlich ausgefüllte Blätter erhalten geblieben.
Wenn Sie diesen Roman jetzt lesen möchten, können Sie ihn ganz einfach herunterladen.
Und die Datei wiegt nur… 1 MB:
Die Formate fb2 und epub sowie zip und rar können im Grunde als eine Art von
Codecs betrachtet werden.
Lassen Sie uns nachdenken – 7 Minuten unseres Gesprächs über WhatsApp entsprechen in Bezug auf das Datenvolumen
einem großen Werk, das 7 Jahre lang geschrieben wurde!
Ein Gespräch von 7 Minuten wurde mit dem Codec opus codiert, der Roman wurde als ePub codiert, das Volumen ist gleich –
1 MB, aber der Unterschied ist gewaltig!
Gullivers Reisen
Jeder kennt dieses Werk von Jonathan Swift seit der Kindheit, aber tatsächlich ist dieses Buch nicht für
Kinder.
„Gullivers Reisen“ ist eine politische Satire für Erwachsene, natürlich im Kontext des 18.
Jahrhunderts.
Erstaunlich ist, dass Swift, ein vehementer Gegner eines anderen Zeitgenossen –
Newtons, in seinen „Gullivers Reisen“ nicht nur die Entdeckung von Marsmonden
vorhersagte (mit einer recht genauen Beschreibung ihrer Eigenschaften), sondern auch eine sehr interessante
Art der Kommunikation zwischen Menschen beschrieb:
„... das Projekt erforderte die völlige Abschaffung aller Wörter;
der Autor dieses Projekts verwies hauptsächlich auf dessen Nutzen für die Gesundheit und die Einsparung
von Zeit.
Denn es ist offensichtlich, dass jedes gesprochene Wort mit einer gewissen Abnutzung
der Lungen verbunden ist und folglich zu einer Verkürzung unseres Lebens führt.
Da Wörter nur Bezeichnungen für Dinge sind, äußert der Autor des Projekts die Vermutung,
dass es für uns viel bequemer wäre, die notwendigen Dinge für den Ausdruck unserer
Gedanken und Wünsche.
… viele sehr gelehrte und weise Menschen nutzen diese neue Art, ihre
Gedanken durch Dinge auszudrücken.
Das einzige Unbequemlichkeit besteht darin, dass die Gesprächspartner, wenn es nötig ist,
umfassende Gespräche über verschiedene Themen zu führen, gezwungen sind, große Bündel
mit Dingen zu tragen, wenn die Mittel nicht ausreichen, um dafür einen oder
zwei kräftige Männer zu engagieren. Oft habe ich zwei solcher Weisen gesehen, die unter
der Last ihrer Last zusammengebrochen sind, ähnlich unseren Straßenhändlern. Wenn sie
sich auf der Straße trafen, nahmen sie ihre Säcke von den Schultern, öffneten sie und
holten die notwendigen Dinge heraus, um so eine Stunde lang zu diskutieren; danach
packten sie ihr Gerät wieder ein, halfen sich gegenseitig, die Last auf die
Schultern zu heben, verabschiedeten sich und gingen auseinander.
Für kurze und einfache Gespräche kann man jedoch alles Notwendige in der Tasche
oder unter dem Arm tragen, und Gespräche in häuslicher Umgebung stellen keine
Schwierigkeiten dar. Daher sind die Räume, in denen sich Personen treffen, die diese
Methode anwenden, voll.
Ein weiteres großes Plus dieser Erfindung ist, dass sie als
eine universelle Sprache genutzt werden kann, die allen zivilisierten Nationen verständlich ist, denn Möbel und Haushaltswaren sind überall gleich oder sehr ähnlich, sodass ihre Verwendung leicht verstanden werden kann.
Auf diese Weise können Gesandte problemlos mit ausländischen Königen oder
Ministern sprechen, deren Sprache ihnen völlig unbekannt ist…
Dann ahnen Sie wahrscheinlich bereits, worauf ich hinauswill 🙂
Warum sollte man Luftschwingungen (Geräusche) über Hunderte und Tausende von Kilometern übertragen,
sich mit der Kodierung befassen (um diese Luftschwingungen so präzise und hochwertig wie möglich an den Empfänger zu übertragen), die erforderliche Bandbreite aufrechterhalten, wenn die bedeutungsvolle
Last dieser Übertragung minimal ist, ja vielleicht sogar gegen Null tendiert?
Denn Menschen kommunizieren nicht über Geräusche, sondern durch Bedeutung, Inhalte, Semantik, Gedanken…
Das Konzept eines neuen Kommunikationssystems ist recht einfach – auf der Seite des Senders A sind die Klang
Das Konzept des neuen Kommunikationssystems ist recht einfach – auf der Senderseite A werden Audiosignale
Schwankungen werden ebenfalls digitalisiert, aber nicht sofort an die andere Seite übermittelt, sondern
in Text umgewandelt (Speech To Text), und anschließend wird der sinnvolle Text von
Teilnehmer A übermittelt, der:
- mit der minimal erforderlichen Datenrate übertragen werden kann (sogar eine Funkverbindung des Typs KW ist möglich usw.)
- mit jedem starken Verschlüsselungsalgorithmus verschlüsselt werden kann.
Auf Seite B werden die empfangenen Nachrichten entschlüsselt und als Stimme von
Teilnehmer A (Text To Speech) wiedergegeben.
Auf Seite B kann auch ein sogenannter Sprachavatar von Teilnehmer A hochgeladen werden, der
die Sprechweise von Teilnehmer A präzise nachahmt.
Separat können Hintergrundgeräusche und Emotionen übertragen werden.
Das Gleiche gilt auch für Videokonferenzen – zumal bestimmte Elemente bereits seit Langem
in Anwendungen existieren (verschiedene Masken, Hintergründe in Zoom usw.).
Ja, es gibt technische Aspekte, die derzeit noch nicht ordnungsgemäß umgesetzt sind –
zum Beispiel wird die Geschwindigkeit der Umwandlung von Speech To Text kritisch sein, aber durch den Einsatz
von prädiktiven KI-Algorithmen zur Umwandlung kann diese Geschwindigkeit erheblich erhöht werden.
Der größte Vorteil ist, dass nur minimale Bandbreite im Übertragungsmedium benötigt wird.
von Daten.
Das heißt, dieses Prinzip kann nicht nur für gewöhnliche alltägliche
Kommunikationen verwendet werden, sondern auch für militärische Anwendungen und für die Fernkommunikation mit hohen Latenzen.
(Raumkommunikation, interplanetare – Mond, Mars usw. 🙂 )
Obwohl dies eine Konzeptbeschreibung ist, wird in einem unserer Projekte bereits seit mehreren
Monaten ein Prototyp mit diesem Prinzip verwendet.
Aber darüber mehr beim nächsten Mal…
Quelle: habr.com
