Akeh wong elinga yen seri TV "Silicon Valley" iku bab programmer Richard
Hendrix, sing ora sengaja teka karo algoritma kompresi data revolusioner lan mutusake
mbangun wiwitan sampeyan.
Konsultan seri kasebut malah nyaranake metrik kanggo ngevaluasi
algoritma padha sing fiktif Weissman Score.
Luwih ing crita, wiwitan nggawe obrolan video nggunakake solusi iki.
Masyarakat sing dihormati diundang kanggo ngrembug liyane, sing ora biasa
prinsip kompresi data kanggo panggilan audio lan video, sing ngrampungake masalah karo sing anyar,
sisih sing ora dikarepke.
Yen sampeyan pengin melu ing rembugan solusi iki, lan uga mangerteni apa iki wis ing umum
konsep karo Jonathan Swift lan karya Leo Tolstoy, please ing cat.
Minangka teori
Ayo kita njlèntrèhaké ing istilah umum cara komunikasi audio modern - prinsip padha kanggo loro
telpon liwat jaringan GSM, uga kanggo utusan cepet lan jaringan VOIP.
Getaran swara dikirim menyang mikropon smartphone, banjur ing analog-digital
konverter (ADC utawa ADC):
Sabanjure, enkoding dumadi kanthi macem-macem codec (G711, G729, OPUS, GSM, lsp.),
enkripsi ditambahake utawa ora ditambahake (SRTP, ZPTP, etc.) lan dikirim menyang lingkungan
transmisi data.
Contone, meh kabeh instant messenger (WhatsApp, Viber, etc.) nggunakake codec sing padha (akhir-akhir iki biasane Opus), lan meh padha.
protokol sing diowahi (adhedhasar SIP, WebRTC).
Jaringan transmisi data bisa dadi Internet umum utawa jaringan GSM utawa
intranet:
Enkripsi minangka unsur opsional ing skema iki, contone ing paling kasus kanggo
Enkripsi SIP telephony ora digunakake.
Nanging ing utusan, sebaliknya, biasane nggunakake kepemilikan dhewe
protokol kanggo enkripsi swara lan video.
Sabanjure, ana proses mbalikke - panampa, sawise nampa data, decode informasi sing ditampa, banjur sinyal menyang DAC (konverter digital-to-analog) lan banjur mlebu ing amplifier audio sing disambungake menyang speaker:
Karakteristik codec modern:
G.711 64 Kbps.
G.726 16, 24, 32 utawa 40 Kbps.
G.729A 8 Kb/detik.
GSM 13 Kb/detik.
iLBC 13.3 Kb/detik. (30 ms pigura); 15.2 Kb/detik. (frame 20ms)
Speex Range saka 2.15 nganti 22.4 Kb/sec.
G.722 64 Kbps.
Mangkono, contone, sajrone obrolan 7 menit ing WhatsApp utawa Skype bakal ana
Udakara 1 MB digunakake.
Ayo elinga nomer kasebut - 1MB kanggo obrolan 7 menit, kita bakal butuh.
"Leo Tolstoy kaya pangilon ... revolusi ..."
Ayo dadi elinga novel paling misuwur saka penulis Russian gedhe iki:
"Perang lan Perdamaian" minangka novel epik dening Leo Nikolaevich Tolstoy, nggambarake Rusia
masyarakat nalika perang nglawan Napoleon taun 1805-1812. Epilog novel kasebut nggawa
narasi nganti 1820.
Novel "Perang lan Damai" dening L.N. Tolstoy nyinaoni karya sing kuat lan terus-terusan sajrone pitung taun, menehi kesaksian babagan salah sawijining kreasi paling gedhe ing donya.
"Perang lan Damai": arsip panulis ngemot luwih saka 5200 lembar sing ditulis kanthi apik.
Yen sampeyan saiki pengin maca novel iki, sampeyan bisa ngundhuh kanthi gampang.
Lan file iki mung bobote... 1 MB:
Format fb2 lan epub, kaya zip, rar, ing prinsip, bisa dianggep minangka jinis
codecs
Ayo dipikirake - 7 menit obrolan kita ing WhatsApp padha karo volume lalu lintas
karya gedhe sing njupuk 7 taun kanggo nulis!
Obrolan 7 menit dienkode nganggo codec opus, novel dikode nganggo ePub, volumene padha -
1MB, nanging beda banget!
Gulliver kang Travels
Saben uwong ngerti iki karya Jonathan Swift saka kanak-kanak, nanging nyatane buku iki ora kanggo
bocah-bocah.
Gulliver's Travels minangka sindiran politik kanggo wong diwasa, mesthine ing konteks 18
abad
Sing nggumunake yaiku Swift, dadi mungsuh sing kuat karo kontemporer liyane -
Newton, ing "Gulliver's Travels" ora mung prédhiksi panemuan satelit
Mars (karo gambaran nyedhaki akurat saka karakteristik sing), nanging uga diterangake rada menarik
cara komunikasi antarane wong:
"... proyek kasebut nuntut penghapusan lengkap kabeh tembung;
penulis project iki diarani utamané kanggo kesehatan keuntungan lan tabungan
wektu.
Sawise kabeh, cetha yen saben tembung sing kita ucapake ana gegayutane karo sawetara nyandhang lan luh.
paru-paru lan, mulane, nyebabake nyuda ing urip kita.
Lan amarga tembung mung jeneng barang, penulis proyek nggawe asumsi kasebut
sing bakal luwih trep kanggo kita kanggo nggawa karo kita iku perlu kanggo nyebut kita
pikiran lan kepinginan.
... akeh banget wong sinau lan wicaksana nggunakake cara anyar iki kanggo nyebut sing
pikirane kanthi bantuan samubarang.
Sing ora trep yaiku kasunyatan manawa, yen perlu,
nindakake obrolan dawa ing macem-macem topik, ing interlocutors kudu nindakake
pundak karo mbendel gedhe saka iku, yen dana ora ngidini hiring siji utawa
wong lanang loro. Aku kerep kelakon kanggo ndeleng wong wicaksana loro kuwi, kesel ing ngisor
beban sing abot, kaya para pedagang. Nalika ketemu ing dalan, padha njupuk gambar
tas pundak, dibukak lan, njupuk metu iku perlu saka ing kono, mangkono digawa ing obrolan ing
terusan jam; banjur padha numpuk pirantine lan tulung-tinulung ngangkat momotan
pundak, pamitan lan pisah.
Nanging, kanggo obrolan cendhak lan prasaja sampeyan bisa nindakake kabeh sing perlu ing kanthong
utawa ing lengen, lan obrolan njupuk Panggonan ing ngarep ora nimbulaké sembarang
kangelan. Mulane, kamar ing ngendi wong-wong sing nggunakake metode iki ngumpulake diisi
kabeh jinis obyek sing cocog kanggo dadi bahan gawean kasebut
obrolan.
Kauntungan gedhe liyane saka penemuan iki yaiku bisa digunakake
minangka basa universal, bisa dimangerteni dening kabeh bangsa sing beradab, kanggo prabot lan omah
utensils padha utawa banget padha ing ngendi wae, supaya nggunakake bisa gampang dingerteni.
Mangkono, utusan bisa gampang ngomong karo raja manca utawa
menteri-menteri sing basane ora dingerteni ... "
Dadi, sampeyan mbokmenawa wis ngira-ngira aku arep menyang ngendi :)
Napa ngirimake getaran udara (swara) liwat atusan lan ewu kilometer?
keganggu karo enkoding (supaya ngirimake getaran udhara kasebut menyang panampa kanthi akurat lan efisien), njaga bandwidth sing dibutuhake, yen semantik
Apa beban transmisi iki minimal, utawa malah cenderung nul?
Sawise kabeh, wong komunikasi karo saben liyane ora nganggo swara, nanging kanthi makna, isi, semantik, pikirane ...
Konsep sistem komunikasi anyar cukup prasaja - ing sisih sumber A ana audio
geter uga digitized, nanging ora langsung ditularaké kanggo pihak liyane, nanging
diowahi dadi teks (Speech To Text) banjur teks sing migunani saka
langganan A, sing:
- bisa ditularake kanthi bandwidth data minimal sing dibutuhake (malah komunikasi radio HF bisa uga, lsp.)
- bisa dienkripsi nganggo algoritma enkripsi sing kuwat
Ing sisih B, pesen sing ditampa didekripsi lan direproduksi minangka swara saka
pelanggan A (Text To Speech).
Sampeyan uga bisa ngundhuh sisih B sing disebut. avatar swara saka pelanggan A, sing bakal
kanthi akurat mbaleni cara wicara saka pelanggan A.
Saluran sing kapisah bisa ngirim swara latar mburi lan emosi.
Kabeh padha bener kanggo komunikasi video - utamane amarga unsur individu wis suwe
ana ing aplikasi (macem-macem topeng, latar mburi ing Zoom, lsp).
Ya, ana aspek teknis sing saiki durung dileksanakake kanthi lengkap -
contone, kacepetan Speech To Text konversi bakal kritis, nanging nggunakake
Algoritma konversi AI prediktif bisa nambah kacepetan iki.
Kauntungan paling penting yaiku bandwidth minimal dibutuhake ing medium transmisi
data.
Sing. Prinsip iki bisa digunakake ora mung kanggo saben dinten biasa
komunikasi, nanging uga kanggo komunikasi militèr lan long-distance karo telat dawa
(komunikasi ruang angkasa, antarplanet - Bulan, Mars, lsp :)
Sanajan iki minangka gambaran konsep, nyatane, ing salah sawijining proyek kita wis ana sawetara
Prototipe kanthi prinsip iki wis digunakake pirang-pirang wulan.
Nanging liyane babagan sing sabanjure ...
Source: www.habr.com