Codec audio Opus 1.5 tersedia

После почти года разработки организация Xiph.Org, занимающаяся разработкой свободных видео- и аудиокодеков, представила релиз аудиокодека Opus 1.5, обеспечивающего высокое качество кодирования и минимальную задержку как при сжатии потокового звука с высоким битрейтом, так и при сжатии голоса в ограниченных по пропускной способности приложениях VoIP-телефонии. Эталонные реализации кодировщика и декодировщика распространяются под лицензией BSD. Полные спецификации формата Opus общедоступны, бесплатны и утверждены в качестве интернет-стандарта (RFC 6716).

Codec dicipta dengan menggabungkan teknologi terbaik daripada codec CELT Xiph.org dan codec SILK sumber terbuka Skype. Selain Skype dan Xiph.Org, syarikat seperti Mozilla, Octasic, Broadcom dan Google turut mengambil bahagian dalam pembangunan Opus. Paten yang terlibat dalam Opus diberikan oleh syarikat yang terlibat dalam pembangunan untuk kegunaan tanpa had tanpa bayaran royalti. Semua hak harta intelek dan lesen paten yang berkaitan dengan Opus diwakilkan secara automatik kepada aplikasi dan produk menggunakan Opus, tanpa memerlukan kelulusan tambahan. Tiada sekatan pada skop dan penciptaan pelaksanaan alternatif pihak ketiga. Walau bagaimanapun, semua hak yang diberikan akan dibatalkan sekiranya prosiding paten menjejaskan teknologi Opus terhadap mana-mana pengguna Opus.

Opus menampilkan kualiti pengekodan yang tinggi dan kependaman minimum untuk pemampatan audio penstriman kadar bit tinggi dan pemampatan suara untuk aplikasi telefon VoIP yang dikekang lebar jalur. Sebelum ini, Opus diiktiraf sebagai codec terbaik apabila menggunakan bitrate 64Kbit (Opus mengatasi pesaing seperti Apple HE-AAC, Nero HE-AAC, Vorbis dan AAC LC). Produk yang menyokong Opus di luar kotak termasuk pelayar Firefox, rangka kerja GStreamer dan pakej FFmpeg.

Ciri utama Opus:

• Kadar bit dari 5 hingga 510 Kbit/s;
• Kekerapan pensampelan dari 8 hingga 48KHz;
• Tempoh bingkai dari 2.5 hingga 120 milisaat;
• Sokongan untuk kadar bit pemalar (CBR) dan pembolehubah (VBR);
• Sokongan untuk audio jalur sempit dan jalur lebar;
• Sokongan suara dan muzik;
• Sokongan stereo dan mono;
• Sokongan untuk tetapan dinamik kadar bit, lebar jalur dan saiz bingkai;
• Keupayaan untuk memulihkan aliran audio sekiranya berlaku kehilangan bingkai (PLC);
• Menyokong sehingga 255 saluran (bingkai berbilang aliran)
• Ketersediaan pelaksanaan menggunakan aritmetik terapung dan titik tetap.

Inovasi utama dalam Opus 1.5:

• В кодировщике и декодировщике расширено применение технологий машинного обучения.
• Реализован механизм «Deep Redundancy» (DRED), использующий машинное обучение для восстановления фрагментов звука, утраченных из-за потери пакетов.
• Улучшено восстановление звукового потока в случае потери кадров при помощи механизма машинного обучения Deep PLC (Packet Loss Concealment).
• Улучшено качество передачи речи на низких битрейтах (~ 6 Кбит/с).
• Добавлены дополнительные оптимизации, использующие наборы инструкций AVX2 (x86) и Neon (ARM).
• Добавлена поддержка формата объёмного звучания Ambisonics 4-го и 5-го порядка, учитывающего распространение звука не только в горизонтальной плоскости, но и в вертикальной (для определения сверху или снизу источник звука).

По горячим следам сформирован выпуск Opus 1.5.1, в котором устранены проблемы со сборкой с использованием сборочной системы Meson (сборку с использованием CMake проблема не затронула).

Sumber: opennet.ru