સંદેશાવ્યવહારમાં ક્રાંતિ? નવો અભિગમ તમને ઑડિઓ અને વિડિયો કૉલ્સ માટે બેન્ડવિડ્થને 100 ગણો કે તેથી વધુ બચાવવા માટે પરવાનગી આપે છે

ઘણા લોકોને યાદ છે કે ટીવી શ્રેણી "સિલિકોન વેલી" પ્રોગ્રામર રિચાર્ડ વિશે છે
હેન્ડ્રીક્સ, જે આકસ્મિક રીતે ક્રાંતિકારી ડેટા કમ્પ્રેશન અલ્ગોરિધમ સાથે આવ્યા અને નિર્ણય લીધો
તમારું સ્ટાર્ટઅપ બનાવો.

શ્રેણીના સલાહકારોએ એક મેટ્રિક પણ સૂચવ્યું જેની સાથે મૂલ્યાંકન કરવું
સમાન અલ્ગોરિધમ્સ કાલ્પનિક વેઇસમેન સ્કોર છે.

વાર્તામાં આગળ, સ્ટાર્ટઅપે આ સોલ્યુશનનો ઉપયોગ કરીને વિડિઓ ચેટ કરી.

આદરણીય સમુદાયને અન્ય ચર્ચા કરવા માટે આમંત્રિત કરવામાં આવે છે, સંપૂર્ણપણે અસામાન્ય
ઑડિઓ અને વિડિયો કૉલ્સ માટે ડેટા કમ્પ્રેશનનો સિદ્ધાંત, જે સમસ્યાને નવા સાથે હલ કરે છે,
અણધારી બાજુ.

જો તમે આ ઉકેલની ચર્ચામાં ભાગ લેવા માંગતા હોવ અને આમાં શું સામ્ય છે તે પણ શોધો
જોનાથન સ્વિફ્ટ અને લીઓ ટોલ્સટોયના કાર્યો સાથેના ખ્યાલો, કૃપા કરીને બિલાડી હેઠળ.

સિદ્ધાંત એક બીટ

ચાલો આપણે સામાન્ય શબ્દોમાં વર્ણન કરીએ કે આધુનિક ઑડિઓ સંચાર કેવી રીતે કાર્ય કરે છે - સિદ્ધાંત બંને માટે સમાન છે
GSM નેટવર્ક, તેમજ ઇન્સ્ટન્ટ મેસેન્જર્સ અને VOIP નેટવર્ક્સ પર કૉલ કરે છે.

ધ્વનિ સ્પંદનો સ્માર્ટફોનના માઇક્રોફોન પર મોકલવામાં આવે છે, પછી એનાલોગ-ડિજિટલમાં
કન્વર્ટર (ADC અથવા ADC):

આગળ, એન્કોડિંગ વિવિધ કોડેક્સ (G711, G729, OPUS, GSM, વગેરે) સાથે થાય છે.
એન્ક્રિપ્શન ઉમેરવામાં આવે છે અથવા ઉમેરાય નથી (SRTP, ZPTP, વગેરે) અને પર્યાવરણમાં મોકલવામાં આવે છે
ડેટા ટ્રાન્સમિશન.

ઉદાહરણ તરીકે, લગભગ તમામ ઇન્સ્ટન્ટ મેસેન્જર્સ (WhatsApp, Viber, વગેરે) સમાન કોડેક્સનો ઉપયોગ કરે છે (હમણાંમાં આ સામાન્ય રીતે ઓપસ છે), અને લગભગ તે જ
સંશોધિત પ્રોટોકોલ (SIP, WebRTC પર આધારિત).

ડેટા ટ્રાન્સમિશન નેટવર્ક ક્યાં તો સાર્વજનિક ઈન્ટરનેટ અથવા જીએસએમ નેટવર્ક હોઈ શકે છે અથવા
ઇન્ટ્રાનેટ

એન્ક્રિપ્શન આ યોજનામાં એક વૈકલ્પિક તત્વ છે, ઉદાહરણ તરીકે મોટાભાગના કિસ્સાઓમાં માટે
SIP ટેલિફોની એન્ક્રિપ્શનનો ઉપયોગ થતો નથી.

પરંતુ સંદેશવાહકોમાં, તેનાથી વિપરીત, તેઓ સામાન્ય રીતે તેમની પોતાની માલિકીનો ઉપયોગ કરે છે
વૉઇસ અને વિડિયો એન્ક્રિપ્શન માટે પ્રોટોકોલ.

આગળ, રિવર્સ પ્રક્રિયા થાય છે - પ્રાપ્તકર્તા, ડેટા પ્રાપ્ત કર્યા પછી, પ્રાપ્ત માહિતીને ડીકોડ કરે છે, પછી સિગ્નલ DAC (ડિજિટલ-ટુ-એનાલોગ કન્વર્ટર) પર જાય છે અને પછી સ્પીકર સાથે જોડાયેલા ઑડિઓ એમ્પ્લીફાયરમાં પ્રવેશ કરે છે:

આધુનિક કોડેક્સની લાક્ષણિકતાઓ:

G.711 64 Kbps.
G.726 16, 24, 32 અથવા 40 Kbps.
G.729A 8 Kb/sec.
GSM 13 Kb/sec.
iLBC 13.3 Kb/sec. (30ms ફ્રેમ); 15.2 Kb/સેકન્ડ (20ms ફ્રેમ)
સ્પીક રેન્જ 2.15 થી 22.4 Kb/sec.
G.722 64 Kbps.

આમ, ઉદાહરણ તરીકે, WhatsApp અથવા Skype પર 7-મિનિટની વાતચીત દરમિયાન ત્યાં હશે
લગભગ 1 MB નો ઉપયોગ થયો હતો.

ચાલો આ નંબરો યાદ રાખીએ - 1 મિનિટની વાતચીત માટે 7MB, અમને ટૂંક સમયમાં તેમની જરૂર પડશે.

"લીઓ ટોલ્સટોય ક્રાંતિના અરીસા જેવા છે..."

ચાલો આ મહાન રશિયન લેખકની સૌથી પ્રખ્યાત નવલકથા યાદ કરીએ:

"યુદ્ધ અને શાંતિ" એ લીઓ નિકોલાવિચ ટોલ્સટોયની મહાકાવ્ય નવલકથા છે, જે રશિયન ભાષાનું વર્ણન કરે છે
1805-1812 માં નેપોલિયન સામેના યુદ્ધો દરમિયાન સમાજ. નવલકથાનો ઉપસંહાર લાવે છે
1820 સુધીની વાર્તા.

એલ.એન.ની નવલકથા "યુદ્ધ અને શાંતિ" ટોલ્સટોયે સાત વર્ષનું તીવ્ર અને સતત કામ કર્યું. હસ્તપ્રતો સાક્ષી આપે છે કે વિશ્વની સૌથી મોટી રચનાઓમાંની એક કેવી રીતે બનાવવામાં આવી હતી.
"યુદ્ધ અને શાંતિ": લેખકના આર્કાઇવમાં 5200 થી વધુ બારીક લખેલી શીટ્સ છે.

જો તમે હવે આ નવલકથા વાંચવા માંગતા હો, તો તમે તેને સરળતાથી ડાઉનલોડ કરી શકો છો.

અને આ ફાઇલનું વજન માત્ર... 1 MB:

ફોર્મેટ fb2 અને epub, જેમ કે zip, rar, સિદ્ધાંતમાં, એક પ્રકાર તરીકે ગણી શકાય.
કોડેક્સ

ચાલો તેના વિશે વિચારીએ - વ્હોટ્સએપ પરની અમારી વાતચીતની 7 મિનિટ ટ્રાફિક વોલ્યુમની દ્રષ્ટિએ સમાન છે
એક મહાન કાર્ય કે જેને લખવામાં 7 વર્ષ લાગ્યાં!

7 મિનિટની વાતચીતને ઓપસ કોડેક સાથે એન્કોડ કરવામાં આવી હતી, નવલકથાને ePub સાથે એન્કોડ કરવામાં આવી હતી, વોલ્યુમ સમાન છે -
1MB, પણ કેટલો મોટો તફાવત!

ગુલિવર ટ્રાવેલ્સ

જોનાથન સ્વિફ્ટના આ કામને બધા બાળપણથી જાણે છે, પરંતુ હકીકતમાં આ પુસ્તક તેના માટે નથી
બાળકો

ગુલિવર્સ ટ્રાવેલ્સ એ પુખ્ત વયના લોકો માટે એક રાજકીય વ્યંગ્ય છે, અલબત્ત 18 ના સંદર્ભમાં
સદી.

આશ્ચર્યજનક બાબત એ છે કે સ્વિફ્ટ, તેના અન્ય સમકાલીનનો પ્રખર વિરોધી છે -
ન્યુટને તેના "ગુલિવર ટ્રાવેલ્સ"માં માત્ર ઉપગ્રહોની શોધની આગાહી કરી ન હતી.
મંગળ (તેમની લાક્ષણિકતાઓના એકદમ સચોટ વર્ણન સાથે), પણ એક રસપ્રદ વર્ણન પણ કર્યું
લોકો વચ્ચે વાતચીત કરવાની રીત:

“... પ્રોજેક્ટે તમામ શબ્દોને સંપૂર્ણ નાબૂદ કરવાની માંગ કરી હતી;
આ પ્રોજેક્ટના લેખકે મુખ્યત્વે તેના સ્વાસ્થ્ય લાભો અને બચતનો ઉલ્લેખ કર્યો છે
સમય.

છેવટે, તે સ્પષ્ટ છે કે આપણે ઉચ્ચારીએ છીએ તે દરેક શબ્દ કોઈને કોઈ ઘસારો સાથે સંકળાયેલો છે.
ફેફસાં અને તેથી, આપણા જીવનમાં ઘટાડો તરફ દોરી જાય છે.

અને શબ્દો માત્ર વસ્તુઓના નામ હોવાથી, પ્રોજેક્ટના લેખક એવી ધારણા કરે છે
કે આપણી અભિવ્યક્તિ માટે જરૂરી વસ્તુઓ આપણી સાથે લઈ જવી આપણા માટે વધુ અનુકૂળ રહેશે
વિચારો અને ઇચ્છાઓ.

... ઘણા ખૂબ જ વિદ્વાન અને જ્ઞાની લોકો તેમની અભિવ્યક્તિની આ નવી રીતનો ઉપયોગ કરે છે
વસ્તુઓની મદદથી વિચારો.

તેની એકમાત્ર અસુવિધા એ હકીકત છે કે, જો જરૂરી હોય તો,
વિવિધ વિષયો પર લાંબી વાર્તાલાપ કરો, વાર્તાલાપ કરનારાઓએ વહન કરવું પડશે
વસ્તુઓના મોટા બંડલ સાથે ખભા, જો ભંડોળ એક અથવા
બે કદાવર લોકો. મેં ઘણીવાર આવા બે જ્ઞાની માણસોને જોયા છે, જે નીચે થાકેલા છે
ભારે બોજ, અમારા પેડલર્સ જેવા. જ્યારે તેઓ શેરીમાં મળ્યા, ત્યારે તેઓએ ચિત્રો લીધા
ખભા પરની બેગ ખોલી અને ત્યાંથી જરૂરી વસ્તુઓ કાઢીને અંદર વાતચીત ચાલુ કરી
કલાકની ચાલુતા; પછી તેઓએ તેમના વાસણોનો ઢગલો કર્યો અને એકબીજાને ભાર ઉપાડવામાં મદદ કરી
ખભા, ગુડબાય કહ્યું અને અલગ થઈ ગયા.

જો કે, ટૂંકી અને સરળ વાતચીત માટે તમે તમારા ખિસ્સામાં તમને જોઈતી દરેક વસ્તુ લઈ જઈ શકો છો
અથવા હાથ નીચે, અને ઘરે થતી વાતચીતથી કોઈ કારણ નથી
મુશ્કેલીઓ. તેથી, આ પદ્ધતિનો ઉપયોગ કરતા લોકો જ્યાં ભેગા થાય છે તે ઓરડાઓ ભરવામાં આવે છે
આવા કૃત્રિમ માટે સામગ્રી તરીકે સેવા આપવા માટે યોગ્ય તમામ પ્રકારની વસ્તુઓ
વાતચીત

આ શોધનો બીજો મોટો ફાયદો એ છે કે તેનો ઉપયોગ કરી શકાય છે
સાર્વત્રિક ભાષા તરીકે, તમામ સંસ્કારી રાષ્ટ્રો માટે, ફર્નિચર અને ઘરગથ્થુ માટે સમજી શકાય
વાસણો દરેક જગ્યાએ સમાન અથવા ખૂબ સમાન હોય છે, જેથી તેનો ઉપયોગ સરળતાથી સમજી શકાય.
આમ, રાજદૂત વિદેશી રાજાઓ સાથે સરળતાથી વાત કરી શકે છે અથવા
એવા મંત્રીઓ જેમની ભાષા તેમના માટે સંપૂર્ણપણે અજાણ છે..."

તેથી, તમે કદાચ પહેલેથી જ અનુમાન લગાવ્યું હશે કે હું આ સાથે ક્યાં જઈ રહ્યો છું :)

ઘણા સેંકડો અને હજારો કિલોમીટરમાં હવાના સ્પંદનો (ધ્વનિ) શા માટે પ્રસારિત થાય છે?
એન્કોડિંગ સાથે સંતાપ કરો (પ્રાપ્તકર્તાને શક્ય તેટલી સચોટ અને અસરકારક રીતે પહોંચાડવા માટે), જરૂરી બેન્ડવિડ્થ જાળવી રાખો, જો સિમેન્ટીક
શું આ ટ્રાન્સમિશનનો ભાર ન્યૂનતમ છે, અથવા તો શૂન્ય તરફ વળે છે?

છેવટે, લોકો એકબીજા સાથે અવાજો સાથે નહીં, પરંતુ અર્થ, સામગ્રી, અર્થશાસ્ત્ર, વિચારો સાથે વાતચીત કરે છે ...

નવી સંચાર પ્રણાલીનો ખ્યાલ એકદમ સરળ છે - સ્ત્રોત બાજુ A પર ઓડિયો છે
સ્પંદનો પણ ડિજિટાઇઝ્ડ છે, પરંતુ તરત જ અન્ય પક્ષમાં પ્રસારિત થતા નથી, પરંતુ
ટેક્સ્ટ (સ્પીચ ટુ ટેક્સ્ટ) અને પછી અર્થપૂર્ણ ટેક્સ્ટમાં રૂપાંતરિત થાય છે
સબ્સ્ક્રાઇબર A, જે:

• ન્યૂનતમ જરૂરી ડેટા બેન્ડવિડ્થ સાથે ટ્રાન્સમિટ કરી શકાય છે (એચએફ રેડિયો સંચાર પણ શક્ય છે, વગેરે.)
• કોઈપણ મજબૂત એન્ક્રિપ્શન અલ્ગોરિધમ સાથે એન્ક્રિપ્ટ કરી શકાય છે

B ની બાજુએ, પ્રાપ્ત સંદેશાઓ ડિક્રિપ્ટ કરવામાં આવે છે અને તેમાંથી અવાજ તરીકે પુનઃઉત્પાદિત થાય છે
સબ્સ્ક્રાઇબર A (ટેક્સ્ટ ટુ સ્પીચ).

તમે કહેવાતી B બાજુ પણ ડાઉનલોડ કરી શકો છો. સબ્સ્ક્રાઇબર A નો અવાજ અવતાર, કોણ કરશે
સબ્સ્ક્રાઇબર A ની વાણીની રીતને સચોટ રીતે પુનરાવર્તિત કરી.

એક અલગ ચેનલ પૃષ્ઠભૂમિ અવાજ અને લાગણીઓ પ્રસારિત કરી શકે છે.

વિડિયો કમ્યુનિકેશન માટે પણ આ જ સાચું છે - ખાસ કરીને કારણ કે વ્યક્તિગત તત્વો લાંબા સમયથી છે
એપ્લિકેશન્સમાં અસ્તિત્વમાં છે (વિવિધ માસ્ક, ઝૂમમાં પૃષ્ઠભૂમિ, વગેરે).

હા, એવા ટેકનિકલ પાસાઓ છે જે હાલમાં સંપૂર્ણ રીતે યોગ્ય સ્વરૂપમાં અમલમાં મૂકાયા નથી -
ઉદાહરણ તરીકે, સ્પીચ ટુ ટેક્સ્ટ કન્વર્ઝનની ઝડપ નિર્ણાયક હશે, પરંતુ ઉપયોગ કરીને
અનુમાનિત AI રૂપાંતરણ અલ્ગોરિધમ્સ આ ઝડપને નોંધપાત્ર રીતે વધારી શકે છે.

સૌથી મહત્વનો ફાયદો એ છે કે ટ્રાન્સમિશન માધ્યમમાં ન્યૂનતમ બેન્ડવિડ્થ જરૂરી છે
ડેટા

તે. આ સિદ્ધાંતનો ઉપયોગ ફક્ત સામાન્ય રોજિંદા માટે જ થઈ શકે છે
સંદેશાવ્યવહાર, પણ લાંબા વિલંબ સાથે લશ્કરી અને લાંબા અંતરના સંચાર માટે
(અવકાશ સંચાર, આંતરગ્રહ - ચંદ્ર, મંગળ, વગેરે :)

જો કે આ ખ્યાલનું વર્ણન છે, હકીકતમાં, અમારા એક પ્રોજેક્ટમાં પહેલાથી જ ઘણા બધા છે
આ સિદ્ધાંત સાથેનો પ્રોટોટાઇપ મહિનાઓથી ઉપયોગમાં છે.

પરંતુ આગલી વખતે તેના વિશે વધુ ...

સોર્સ: www.habr.com