ആശയവിനിമയത്തിൽ വിപ്ലവം? ഓഡിയോ, വീഡിയോ കോളുകൾക്കായി ബാൻഡ്‌വിഡ്ത്ത് 100 മടങ്ങോ അതിൽ കൂടുതലോ ലാഭിക്കാൻ പുതിയ സമീപനം നിങ്ങളെ അനുവദിക്കുന്നു

"സിലിക്കൺ വാലി" എന്ന ടിവി പരമ്പര പ്രോഗ്രാമർ റിച്ചാർഡിനെക്കുറിച്ചാണെന്ന് പലരും ഓർക്കുന്നു
ഹെൻഡ്രിക്സ്, ആകസ്മികമായി ഒരു വിപ്ലവകരമായ ഡാറ്റ കംപ്രഷൻ അൽഗോരിതം കൊണ്ടുവന്ന് തീരുമാനിച്ചു
നിങ്ങളുടെ സ്റ്റാർട്ടപ്പ് നിർമ്മിക്കുക.

സീരീസിൻ്റെ കൺസൾട്ടൻ്റുകൾ വിലയിരുത്താൻ ഒരു മെട്രിക് പോലും നിർദ്ദേശിച്ചു
സമാനമായ അൽഗോരിതങ്ങൾ സാങ്കൽപ്പികമായ വെയ്‌സ്മാൻ സ്‌കോറാണ്.

കഥയിൽ, ഈ പരിഹാരം ഉപയോഗിച്ച് സ്റ്റാർട്ടപ്പ് ഒരു വീഡിയോ ചാറ്റ് നടത്തി.

തികച്ചും അസാധാരണമായ മറ്റൊന്ന് ചർച്ച ചെയ്യാൻ ബഹുമാനപ്പെട്ട സമൂഹത്തെ ക്ഷണിക്കുന്നു
ഓഡിയോ, വീഡിയോ കോളുകൾക്കായുള്ള ഡാറ്റ കംപ്രഷൻ തത്വം, ഇത് പുതിയതൊന്ന് പ്രശ്നം പരിഹരിക്കുന്നു,
അപ്രതീക്ഷിത വശം.

ഈ പരിഹാരത്തിൻ്റെ ചർച്ചയിൽ പങ്കെടുക്കാൻ നിങ്ങൾ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, കൂടാതെ ഇതിന് പൊതുവായുള്ളത് എന്താണെന്ന് കണ്ടെത്തുക
ജോനാഥൻ സ്വിഫ്റ്റിൻ്റെ ആശയങ്ങളും ലിയോ ടോൾസ്റ്റോയിയുടെ കൃതികളും, ദയവായി പൂച്ചയ്ക്ക് കീഴിൽ.

ഒരു സിദ്ധാന്തം

ആധുനിക ഓഡിയോ കമ്മ്യൂണിക്കേഷൻ എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് നമുക്ക് പൊതുവായി വിവരിക്കാം - തത്വം രണ്ടിനും ഒന്നുതന്നെയാണ്
GSM നെറ്റ്‌വർക്കിലൂടെയും തൽക്ഷണ സന്ദേശവാഹകർക്കും VOIP നെറ്റ്‌വർക്കുകൾക്കുമുള്ള കോളുകൾ.

ശബ്ദ വൈബ്രേഷനുകൾ സ്മാർട്ട്ഫോണിൻ്റെ മൈക്രോഫോണിലേക്ക് അയയ്ക്കുന്നു, തുടർന്ന് അനലോഗ്-ഡിജിറ്റലിൽ
കൺവെർട്ടർ (ADC അല്ലെങ്കിൽ ADC):

അടുത്തതായി, വിവിധതരം കോഡെക്കുകൾ (G711, G729, OPUS, GSM മുതലായവ) ഉപയോഗിച്ച് എൻകോഡിംഗ് സംഭവിക്കുന്നു.
എൻക്രിപ്ഷൻ ചേർത്തു അല്ലെങ്കിൽ ചേർത്തിട്ടില്ല (SRTP, ZPTP, മുതലായവ) കൂടാതെ പരിസ്ഥിതിയിലേക്ക് അയയ്ക്കുന്നു
ഡാറ്റ ട്രാൻസ്മിഷൻ.

ഉദാഹരണത്തിന്, മിക്കവാറും എല്ലാ തൽക്ഷണ സന്ദേശവാഹകരും (WhatsApp, Viber, മുതലായവ) ഒരേ കോഡെക്കുകൾ ഉപയോഗിക്കുന്നു (അടുത്തിടെ ഇത് സാധാരണയായി Opus ആണ്), ഏതാണ്ട് സമാനമാണ്
പരിഷ്കരിച്ച പ്രോട്ടോക്കോളുകൾ (SIP, WebRTC അടിസ്ഥാനമാക്കി).

ഡാറ്റാ ട്രാൻസ്മിഷൻ നെറ്റ്‌വർക്ക് പൊതു ഇൻ്റർനെറ്റ് അല്ലെങ്കിൽ GSM നെറ്റ്‌വർക്ക് അല്ലെങ്കിൽ ആകാം
ഇൻട്രാനെറ്റ്:

എൻക്രിപ്ഷൻ ഈ സ്കീമിലെ ഒരു ഓപ്ഷണൽ ഘടകമാണ്, ഉദാഹരണത്തിന് മിക്ക കേസുകളിലും
SIP ടെലിഫോണി എൻക്രിപ്ഷൻ ഉപയോഗിക്കുന്നില്ല.

എന്നാൽ സന്ദേശവാഹകരിൽ, നേരെമറിച്ച്, അവർ സാധാരണയായി അവരുടെ സ്വന്തം ഉടമസ്ഥത ഉപയോഗിക്കുന്നു
വോയിസ്, വീഡിയോ എൻക്രിപ്ഷൻ പ്രോട്ടോക്കോളുകൾ.

അടുത്തതായി, വിപരീത പ്രക്രിയ സംഭവിക്കുന്നു - സ്വീകർത്താവ്, ഡാറ്റ സ്വീകരിച്ച്, ലഭിച്ച വിവരങ്ങൾ ഡീകോഡ് ചെയ്യുന്നു, തുടർന്ന് സിഗ്നൽ DAC- ലേക്ക് (ഡിജിറ്റൽ-ടു-അനലോഗ് കൺവെർട്ടർ) പോയി സ്പീക്കറുമായി ബന്ധിപ്പിച്ച ഓഡിയോ ആംപ്ലിഫയറിൽ പ്രവേശിക്കുന്നു:

ആധുനിക കോഡെക്കുകളുടെ സവിശേഷതകൾ:

G.711 64 Kbps.
G.726 16, 24, 32 അല്ലെങ്കിൽ 40 Kbps.
G.729A 8 Kb/sec.
GSM 13 Kb/സെക്കൻഡ്.
iLBC 13.3 Kb/sec. (30 എംഎസ് ഫ്രെയിം); 15.2 കെബി/സെക്കൻഡ് (20എംഎസ് ഫ്രെയിം)
സ്പീഡ് റേഞ്ച് 2.15 മുതൽ 22.4 Kb/sec വരെ.
G.722 64 Kbps.

അതിനാൽ, ഉദാഹരണത്തിന്, വാട്ട്‌സ്ആപ്പിലോ സ്കൈപ്പിലോ 7 മിനിറ്റ് സംഭാഷണത്തിനിടയിൽ ഉണ്ടാകും
ഏകദേശം 1 MB ഉപയോഗിച്ചു.

നമുക്ക് ഈ നമ്പറുകൾ ഓർമ്മിക്കാം - 1 മിനിറ്റ് സംഭാഷണത്തിന് 7MB, ഞങ്ങൾക്ക് അവ ഉടൻ ആവശ്യമാണ്.

"ലിയോ ടോൾസ്റ്റോയ് വിപ്ലവത്തിൻ്റെ ഒരു കണ്ണാടി പോലെയാണ്..."

ഈ മഹാനായ റഷ്യൻ എഴുത്തുകാരൻ്റെ ഏറ്റവും പ്രശസ്തമായ നോവൽ നമുക്ക് ഓർക്കാം:

ലിയോ നിക്കോളാവിച്ച് ടോൾസ്റ്റോയിയുടെ റഷ്യൻ ഭാഷയെ വിവരിക്കുന്ന ഒരു ഇതിഹാസ നോവലാണ് "യുദ്ധവും സമാധാനവും"
1805-1812 ൽ നെപ്പോളിയനെതിരെയുള്ള യുദ്ധസമയത്ത് സമൂഹം. നോവലിൻ്റെ എപ്പിലോഗ് കൊണ്ടുവരുന്നു
1820 വരെയുള്ള വിവരണം.

"യുദ്ധവും സമാധാനവും" എന്ന നോവൽ എൽ.എൻ. ലോകത്തിലെ ഏറ്റവും വലിയ സൃഷ്ടികളിലൊന്ന് എങ്ങനെ സൃഷ്ടിക്കപ്പെട്ടുവെന്ന് ടോൾസ്റ്റോയ് ഏഴ് വർഷത്തെ തീവ്രവും നിരന്തരവുമായ കൃതികൾ അർപ്പിച്ചു.
"യുദ്ധവും സമാധാനവും": എഴുത്തുകാരൻ്റെ ആർക്കൈവിൽ നന്നായി എഴുതിയ 5200 ഷീറ്റുകൾ അടങ്ങിയിരിക്കുന്നു.

നിങ്ങൾക്ക് ഇപ്പോൾ ഈ നോവൽ വായിക്കണമെങ്കിൽ, നിങ്ങൾക്ക് ഇത് എളുപ്പത്തിൽ ഡൗൺലോഡ് ചെയ്യാം.

ഈ ഫയലിൻ്റെ ഭാരം മാത്രം... 1 MB:

തത്ത്വത്തിൽ zip, rar പോലെയുള്ള fb2, epub എന്നീ ഫോർമാറ്റുകൾ ഒരു തരമായി കണക്കാക്കാം.
കോഡെക്കുകൾ

നമുക്ക് അതിനെക്കുറിച്ച് ചിന്തിക്കാം - വാട്ട്‌സ്ആപ്പിലെ ഞങ്ങളുടെ സംഭാഷണത്തിൻ്റെ 7 മിനിറ്റ് ട്രാഫിക് വോളിയത്തിൻ്റെ കാര്യത്തിൽ തുല്യമാണ്
എഴുതാൻ 7 വർഷമെടുത്ത ഒരു മികച്ച കൃതി!

7 മിനിറ്റ് ദൈർഘ്യമുള്ള സംഭാഷണം ഓപസ് കോഡെക് ഉപയോഗിച്ച് എൻകോഡ് ചെയ്തു, നോവൽ ePub ഉപയോഗിച്ച് എൻകോഡ് ചെയ്തു, വോളിയം സമാനമാണ് -
1MB, എന്നാൽ എത്ര വലിയ വ്യത്യാസം!

ഗള്ളിവേഴ്‌സ് ട്രാവൽസ്

ജോനാഥൻ സ്വിഫ്റ്റിൻ്റെ ഈ കൃതി കുട്ടിക്കാലം മുതൽ എല്ലാവർക്കും അറിയാം, എന്നാൽ വാസ്തവത്തിൽ ഈ പുസ്തകം അതിനുള്ളതല്ല
കുട്ടികൾ.

ഗള്ളിവേഴ്‌സ് ട്രാവൽസ് മുതിർന്നവർക്കുള്ള ഒരു രാഷ്ട്രീയ ആക്ഷേപഹാസ്യമാണ്, തീർച്ചയായും 18ൻ്റെ പശ്ചാത്തലത്തിൽ
നൂറ്റാണ്ട്.

അതിശയിപ്പിക്കുന്ന കാര്യം, സ്വിഫ്റ്റ് തൻ്റെ മറ്റൊരു സമകാലികൻ്റെ കടുത്ത എതിരാളിയാണ് -
ന്യൂട്ടൺ തൻ്റെ "ഗള്ളിവേഴ്‌സ് ട്രാവൽസിൽ" ഉപഗ്രഹങ്ങളുടെ കണ്ടെത്തൽ മാത്രമല്ല പ്രവചിച്ചത്
ചൊവ്വ (അവയുടെ സ്വഭാവസവിശേഷതകളുടെ കൃത്യമായ വിവരണത്തോടെ), മാത്രമല്ല രസകരമായതും വിവരിച്ചു
ആളുകൾ തമ്മിലുള്ള ആശയവിനിമയ രീതി:

“... പദ്ധതി എല്ലാ വാക്കുകളും പൂർണ്ണമായും നിർത്തലാക്കണമെന്ന് ആവശ്യപ്പെട്ടു;
ഈ പദ്ധതിയുടെ രചയിതാവ് പ്രധാനമായും അതിൻ്റെ ആരോഗ്യ ആനുകൂല്യങ്ങളെയും സമ്പാദ്യങ്ങളെയും പരാമർശിക്കുന്നു
സമയം.

എല്ലാത്തിനുമുപരി, നമ്മൾ പറയുന്ന ഓരോ വാക്കും ചില തേയ്മാനങ്ങളുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു എന്നത് വ്യക്തമാണ്.
ശ്വാസകോശം, അതിനാൽ, നമ്മുടെ ആയുസ്സ് കുറയുന്നതിലേക്ക് നയിക്കുന്നു.

വാക്കുകൾ വസ്തുക്കളുടെ പേരുകൾ മാത്രമായതിനാൽ, പദ്ധതിയുടെ രചയിതാവ് അത് അനുമാനിക്കുന്നു
അത് പ്രകടിപ്പിക്കാൻ ആവശ്യമായ കാര്യങ്ങൾ ഞങ്ങളോടൊപ്പം കൊണ്ടുപോകുന്നത് കൂടുതൽ സൗകര്യപ്രദമായിരിക്കും
ചിന്തകളും ആഗ്രഹങ്ങളും.

... വളരെ വിദ്യാസമ്പന്നരും ജ്ഞാനികളുമായ പലരും തങ്ങളുടെ ഈ പുതിയ രീതി പ്രകടിപ്പിക്കുന്നു
കാര്യങ്ങളുടെ സഹായത്തോടെ ചിന്തകൾ.

അതിൻ്റെ ഒരേയൊരു അസൗകര്യം, ആവശ്യമെങ്കിൽ,
വിവിധ വിഷയങ്ങളിൽ ഒരു നീണ്ട സംഭാഷണം നടത്തുക, സംഭാഷകർ വഹിക്കണം
സാധനങ്ങളുടെ വലിയ ബണ്ടിലുകളുള്ള തോളിൽ, ഫണ്ടുകൾ ഒരാളെ നിയമിക്കാൻ അനുവദിക്കുന്നില്ലെങ്കിൽ അല്ലെങ്കിൽ
രണ്ട് ഭാരമുള്ള ആൺകുട്ടികൾ. അടിയിൽ തളർന്നുപോയ അത്തരം രണ്ട് ജ്ഞാനികളെ ഞാൻ പലപ്പോഴും കാണാനിടയായി
നമ്മുടെ കച്ചവടക്കാരെപ്പോലെ ഭാരിച്ച ഭാരം. തെരുവിൽ കണ്ടുമുട്ടിയപ്പോൾ അവർ ഫോട്ടോയെടുത്തു
ഷോൾഡർ ബാഗുകൾ, അവ തുറന്ന്, അവിടെ നിന്ന് ആവശ്യമായ സാധനങ്ങൾ എടുത്തു, അങ്ങനെ ഒരു സംഭാഷണം തുടർന്നു
മണിക്കൂറിൻ്റെ തുടർച്ച; പിന്നെ അവർ തങ്ങളുടെ പാത്രങ്ങൾ കൂട്ടിയിട്ട് പരസ്പരം ഭാരം ഉയർത്താൻ സഹായിച്ചു
തോളിൽ, യാത്ര പറഞ്ഞു പിരിഞ്ഞു.

എന്നിരുന്നാലും, ഹ്രസ്വവും ലളിതവുമായ സംഭാഷണങ്ങൾക്ക് നിങ്ങൾക്ക് ആവശ്യമുള്ളതെല്ലാം നിങ്ങളുടെ പോക്കറ്റിൽ കൊണ്ടുപോകാം
അല്ലെങ്കിൽ ഭുജത്തിൻ കീഴിൽ, വീട്ടിൽ നടക്കുന്ന ഒരു സംഭാഷണം ഒന്നിനും കാരണമാകില്ല
ബുദ്ധിമുട്ടുകൾ. അതിനാൽ, ഈ രീതി ഉപയോഗിക്കുന്ന ആളുകൾ ഒത്തുകൂടുന്ന മുറികൾ നിറഞ്ഞിരിക്കുന്നു
അത്തരം കൃത്രിമത്തിന് മെറ്റീരിയലായി സേവിക്കാൻ അനുയോജ്യമായ എല്ലാത്തരം വസ്തുക്കളും
സംഭാഷണങ്ങൾ.

ഈ കണ്ടുപിടുത്തത്തിൻ്റെ മറ്റൊരു വലിയ നേട്ടം അത് ഉപയോഗിക്കാൻ കഴിയും എന്നതാണ്
ഒരു സാർവത്രിക ഭാഷയായി, എല്ലാ പരിഷ്കൃത രാജ്യങ്ങൾക്കും മനസ്സിലാക്കാവുന്നതേയുള്ളൂ, ഫർണിച്ചറുകൾക്കും വീട്ടുപകരണങ്ങൾക്കും
പാത്രങ്ങൾ എല്ലായിടത്തും ഒരേപോലെ അല്ലെങ്കിൽ വളരെ സമാനമാണ്, അതിനാൽ അവയുടെ ഉപയോഗം എളുപ്പത്തിൽ മനസ്സിലാക്കാൻ കഴിയും.
അങ്ങനെ, ദൂതന്മാർക്ക് വിദേശ രാജാക്കന്മാരുമായി എളുപ്പത്തിൽ സംസാരിക്കാൻ കഴിയും
ഭാഷ തീരെ അറിയാത്ത മന്ത്രിമാർ..."

അതിനാൽ, ഞാൻ ഇത് എവിടേക്കാണ് പോകുന്നതെന്ന് നിങ്ങൾ ഇതിനകം ഊഹിച്ചിരിക്കാം :)

നൂറുകണക്കിന് ആയിരക്കണക്കിന് കിലോമീറ്ററുകളോളം വായു വൈബ്രേഷനുകൾ (ശബ്ദങ്ങൾ) കൈമാറുന്നത് എന്തുകൊണ്ട്?
എൻകോഡിംഗിൽ വിഷമിക്കുക (വായുവിൻ്റെ ഈ വൈബ്രേഷനുകൾ സ്വീകർത്താവിന് കഴിയുന്നത്ര കൃത്യമായും കാര്യക്ഷമമായും എത്തിക്കുന്നതിന്), സെമാൻ്റിക് ആണെങ്കിൽ ആവശ്യമായ ബാൻഡ്‌വിഡ്ത്ത് നിലനിർത്തുക
ഈ ട്രാൻസ്മിഷൻ്റെ ലോഡ് കുറവാണോ അതോ പൂജ്യത്തിലേക്കാണോ പോകുന്നത്?

എല്ലാത്തിനുമുപരി, ആളുകൾ പരസ്പരം ആശയവിനിമയം നടത്തുന്നത് ശബ്ദങ്ങൾ കൊണ്ടല്ല, മറിച്ച് അർത്ഥം, ഉള്ളടക്കം, സെമാൻ്റിക്സ്, ചിന്തകൾ എന്നിവയിലൂടെയാണ്.

പുതിയ ആശയവിനിമയ സംവിധാനത്തിൻ്റെ ആശയം വളരെ ലളിതമാണ് - ഉറവിട ഭാഗത്ത് A ഓഡിയോ ഉണ്ട്
വൈബ്രേഷനുകളും ഡിജിറ്റൈസ് ചെയ്യപ്പെടുന്നു, പക്ഷേ അത് ഉടൻ തന്നെ മറ്റേ കക്ഷിയിലേക്ക് കൈമാറ്റം ചെയ്യപ്പെടുന്നില്ല, പക്ഷേ
ടെക്‌സ്‌റ്റിലേക്കും (സ്‌പീച്ച് ടു ടെക്‌സ്‌റ്റിലേക്കും) തുടർന്ന് അർത്ഥവത്തായ വാചകമായും പരിവർത്തനം ചെയ്യുന്നു
സബ്സ്ക്രൈബർ എ, ആർ:

• ആവശ്യമായ ഏറ്റവും കുറഞ്ഞ ഡാറ്റ ബാൻഡ്‌വിഡ്ത്ത് ഉപയോഗിച്ച് കൈമാറാൻ കഴിയും (എച്ച്എഫ് റേഡിയോ ആശയവിനിമയങ്ങൾ പോലും സാധ്യമാണ്, മുതലായവ)
• ഏതെങ്കിലും ശക്തമായ എൻക്രിപ്ഷൻ അൽഗോരിതം ഉപയോഗിച്ച് എൻക്രിപ്റ്റ് ചെയ്യാൻ കഴിയും

ബി വശത്ത്, ലഭിച്ച സന്ദേശങ്ങൾ ഡീക്രിപ്റ്റ് ചെയ്യുകയും ഒരു ശബ്ദമായി പുനർനിർമ്മിക്കുകയും ചെയ്യുന്നു
സബ്സ്ക്രൈബർ എ (ടെക്സ്റ്റ് ടു സ്പീച്ച്).

നിങ്ങൾക്ക് ബി സൈഡ് എന്ന് വിളിക്കപ്പെടുന്നതും ഡൗൺലോഡ് ചെയ്യാം. വരിക്കാരനായ എയുടെ ശബ്ദ അവതാർ
വരിക്കാരനായ എയുടെ സംസാരരീതി കൃത്യമായി ആവർത്തിച്ചു.

ഒരു പ്രത്യേക ചാനലിന് പശ്ചാത്തല ശബ്ദവും വികാരങ്ങളും കൈമാറാൻ കഴിയും.

വീഡിയോ ആശയവിനിമയത്തിന് എല്ലാം സമാനമാണ് - പ്രത്യേകിച്ചും വ്യക്തിഗത ഘടകങ്ങൾ വളരെക്കാലമായി നിലനിൽക്കുന്നതിനാൽ
ആപ്ലിക്കേഷനുകളിൽ നിലവിലുണ്ട് (വിവിധ മാസ്കുകൾ, സൂമിലെ പശ്ചാത്തലം മുതലായവ).

അതെ, നിലവിൽ ശരിയായ രൂപത്തിൽ പൂർണ്ണമായും നടപ്പിലാക്കാത്ത സാങ്കേതിക വശങ്ങളുണ്ട് -
ഉദാഹരണത്തിന്, സ്‌പീച്ച് ടു ടെക്‌സ്‌റ്റ് പരിവർത്തനത്തിൻ്റെ വേഗത നിർണായകമാണ്, പക്ഷേ ഉപയോഗിക്കുന്നത്
പ്രവചനാത്മക AI പരിവർത്തന അൽഗോരിതങ്ങൾക്ക് ഈ വേഗത ഗണ്യമായി വർദ്ധിപ്പിക്കാൻ കഴിയും.

ട്രാൻസ്മിഷൻ മീഡിയത്തിൽ കുറഞ്ഞ ബാൻഡ്‌വിഡ്ത്ത് ആവശ്യമാണ് എന്നതാണ് ഏറ്റവും പ്രധാനപ്പെട്ട നേട്ടം
ഡാറ്റ.

ആ. ഈ തത്ത്വം സാധാരണ ദൈനംദിന കാര്യങ്ങൾക്ക് മാത്രമല്ല ഉപയോഗിക്കാൻ കഴിയും
ആശയവിനിമയങ്ങൾ, മാത്രമല്ല സൈനിക, ദീർഘദൂര ആശയവിനിമയങ്ങൾക്കും നീണ്ട കാലതാമസങ്ങൾ
(സ്പേസ് കമ്മ്യൂണിക്കേഷൻ, ഇൻ്റർപ്ലാനറ്ററി - ചന്ദ്രൻ, ചൊവ്വ മുതലായവ. :)

ഇത് ആശയത്തിൻ്റെ വിവരണമാണെങ്കിലും, വാസ്തവത്തിൽ, ഞങ്ങളുടെ പ്രോജക്റ്റുകളിലൊന്നിൽ ഇതിനകം തന്നെ നിരവധി ഉണ്ട്
ഈ തത്വമുള്ള ഒരു പ്രോട്ടോടൈപ്പ് മാസങ്ങളായി ഉപയോഗത്തിലുണ്ട്.

എന്നാൽ അതിനെക്കുറിച്ച് കൂടുതൽ അടുത്ത തവണ ...

അവലംബം: www.habr.com