
Loba jalma inget yen serial TV "Silicon Valley" ngeunaan programmer Richard
Hendrix, anu ngahaja datang nepi ka algoritma komprési data revolusioner sarta mutuskeun
ngawangun ngamimitian anjeun.
Konsultan séri malah nyarankeun métrik anu tiasa dievaluasi
algoritma sarupa nyaéta Score Weissman fiktif.
Salajengna dina carita, ngamimitian ngadamel obrolan pidéo nganggo solusi ieu.
Komunitas anu dihormat diondang pikeun ngabahas anu sanés, teu biasa
prinsip komprési data pikeun sauran audio sareng pidéo, anu ngarengsekeun masalah sareng anu énggal,
sisi teu kaduga.
Upami anjeun hoyong ilubiung dina sawala ngeunaan solusi ieu, sarta ogé manggihan naon ieu boga di umum
konsep jeung Jonathan Swift jeung karya Leo Tolstoy, mangga handapeun ucing.
Bit téori
Hayu urang ngajelaskeun sacara umum kumaha cara komunikasi audio modern - prinsipna sami pikeun duanana
nelepon ngaliwatan jaringan GSM, kitu ogé pikeun utusan instan jeung jaringan VOIP.
Geter sora dikirim ka mikropon smartphone, teras dina analog-digital
konverter (ADC atanapi ADC):

Salajengna, encoding lumangsung kalawan rupa-rupa codecs (G711, G729, OPUS, GSM, jsb).
enkripsi ditambahkeun atawa henteu ditambahkeun (SRTP, ZPTP, jeung sajabana) sarta dikirim ka lingkungan
pangiriman data.
Contona, ampir kabéh instant messenger (WhatsApp, Viber, jsb) ngagunakeun codec sarua (ahir-ahir ieu biasana Opus), sarta ampir sarua rada.
protokol dirobah (dumasar kana SIP, WebRTC).
Jaringan pangiriman data tiasa janten Internét umum atanapi jaringan GSM atanapi
intranet:

Enkripsi mangrupa unsur pilihan dina skéma ieu, contona di hal nu ilahar pikeun
Énkripsi teleponi SIP henteu dianggo.
Tapi dina utusan, sabalikna, aranjeunna biasana ngagunakeun proprietary sorangan
protokol pikeun énkripsi sora sareng pidéo.
Salajengna, prosés sabalikna lumangsung - panarima, sanggeus narima data, decodes inpo nu ditampi, lajeng sinyal indit ka DAC (digital-to-analog converter) lajeng asupkeun amplifier audio disambungkeun ka spiker.

Ciri tina codec modern:
G.711 64 Kbps.
G.726 16, 24, 32 atawa 40 Kbps.
G.729A 8 Kb/detik.
GSM 13 Kb/detik.
iLBC 13.3 Kb/detik. (30ms pigura); 15.2 Kb/detik. (20ms pigura)
Speex Range ti 2.15 nepi ka 22.4 Kb/detik.
G.722 64 Kbps.
Ku kituna, contona, salila paguneman 7-menit dina WhatsApp atanapi Skype bakal aya
Sakitar 1 MB dianggo.
Hayu urang émut angka-angka ieu - 1MB pikeun 7 menit paguneman, urang bakal peryogina pas.
"Leo Tolstoy téh kawas eunteung ... revolusi ..."
Hayu urang inget novel kawentar panulis Rusia hébat ieu:
"Perang jeung Damai" - novel epik ku Leo Nikolaevich Tolstoy, ngajéntrékeun Rusia
masarakat nalika perang ngalawan Napoleon dina 1805-1812. Epilog novel nyangking
naratif nepi ka 1820.
Novel "Perang jeung Damai" karya L.N. Tolstoy devoted tujuh taun karya sengit sarta pengkuh, mere kasaksian kumaha salah sahiji kreasi panggedena di dunya.
"Perang sareng Damai": arsip panulis ngandung langkung ti 5200 lembar tulisan anu saé.
Upami anjeun ayeuna hoyong maca novel ieu, anjeun tiasa ngaunduhana kalayan gampang.
Sareng beurat file ieu ngan ukur ... 1 MB:

Format fb2 sareng epub, sapertos zip, rar, prinsipna, tiasa dianggap sajenis
codecs
Hayu urang pikirkeun - 7 menit obrolan urang dina WhatsApp sami dina hal volume lalu lintas
karya hébat nu nyandak 7 taun nulis!
Paguneman 7 menit disandikeun ku codec opus, novél disandikeun ku ePub, volumena sami -
1MB, tapi bédana ageung!
Gulliver urang ngumbara
Sarerea weruh ieu karya Jonathan Swift ti budak leutik, tapi dina kanyataanana buku ieu teu keur
barudak.
Gulliver's Travels mangrupikeun sindiran politik pikeun déwasa, tangtosna dina konteks 18
abad.
Hal anu héran nyaéta Swift, janten lawan anu kuat pikeun kontemporer anu sanés -
Newton, dina "Gulliver's Travels" na henteu ngan ukur ngaramalkeun panemuan satelit
Mars (jeung pedaran cukup akurat ngeunaan ciri maranéhanana), tapi ogé digambarkeun rada metot
cara komunikasi antara jalma:
“... proyék nungtut abolition lengkep sadaya kecap;
panulis proyék ieu dimaksudkeun utamana kana kauntungan kaséhatan sarta tabungan
waktos.
Barina ogé, éta écés yén unggal kecap urang utter pakait sareng sababaraha maké jeung cimata.
paru-paru sareng, ku kituna, nyababkeun réduksi dina kahirupan urang.
Sarta saprak kecap téh ngan ngaran hal, panulis proyék nyieun asumsi éta
yén éta bakal leuwih merenah pikeun urang mawa kalawan kami hal perlu pikeun nganyatakeun kami
pikiran jeung kahayang.
... loba jalma pisan diajar tur wijaksana ngagunakeun cara anyar ieu nganyatakeun maranéhna
pikiran kalayan bantuan hal.
Hiji-hijina kasulitan nyaéta kanyataan yén, upami diperyogikeun,
ngalaksanakeun paguneman lengthy dina rupa-rupa jejer, anu interlocutors kudu mawa
taktak jeung bundles badag hal, lamun dana teu ngidinan Ngiring hiji atawa
dua lalaki hefty. Kuring mindeng kajadian ningali dua lalaki wijaksana sapertos, exhausted handapeun
beban beurat, kawas peddlers urang. Nalika aranjeunna patepung di jalan, aranjeunna nyandak gambar
kantong taktak, dibuka aranjeunna sarta, nyandak kaluar hal perlu ti dinya, sahingga lumangsung paguneman di
tuluyan tina jam; tuluy maranehna numpuk-numpuk parabotna jeung silih tulungan ngangkat beban
taktak, ceuk pamit jeung parted jalan.
Sanajan kitu, pikeun paguneman pondok tur basajan anjeun bisa mawa sagalana nu peryogi dina saku anjeun
atawa handapeun panangan, sarta paguneman lumangsung di imah teu ngabalukarkeun sagala
kasusah. Ku alatan éta, kamar dimana jalma ngagunakeun metoda ieu ngumpul dieusi
sagala rupa objék cocog pikeun dijadikeun bahan pikeun jieunan misalna
paguneman.
Kauntungannana hébat sejen tina penemuan ieu téh nya éta bisa dipaké
salaku basa universal, kaharti ku sakabeh bangsa beradab, pikeun parabot jeung rumah tangga
parabot anu sarua atawa pisan sarupa madhab, ku kituna pamakéan maranéhanana bisa gampang kaharti.
Ku kituna, utusan bisa kalayan gampang ngobrol jeung raja asing atawa
menteri-menteri anu basana teu dipikanyaho ku aranjeunna..."
Janten, anjeun panginten parantos nebak kamana kuring angkat sareng ieu :)
Naha ngirimkeun geter hawa (sora) dina ratusan sareng rébuan kilométer?
ganggu encoding (supaya nepikeun geter hawa ieu ka panarima sakumaha akurat tur éfisién-gancang), ngajaga rubakpita diperlukeun, upami semantik.
Naha beban transmisi ieu minimal, atanapi malah nuju nol?
Barina ogé, jalma saling komunikasi teu kalawan sora, tapi kalawan harti, eusi, semantik, pikiran ...
Konsep sistem komunikasi anyar cukup basajan - dina sisi sumber A aya audio
vibrations ogé digitized, tapi teu langsung dikirimkeun ka pihak séjén, tapi
anu dirobah jadi téks (Speech To Text) lajeng téks bermakna tina
palanggan A, anu:
- tiasa dikirimkeun kalayan bandwidth data anu diperyogikeun minimum (malah komunikasi radio HF mungkin, jsb.)
- bisa énkripsi kalawan sagala algoritma enkripsi kuat
Di sisi B, pesen anu ditampi didékripsi sareng diproduksi salaku sora tina
palanggan A (Téks Pikeun Biantara).
Anjeun oge bisa ngundeur nu disebut sisi B. avatar sora palanggan A, anu bakal
akurat ngulang cara ucapan palanggan A.
Saluran anu misah tiasa ngirimkeun sora latar sareng émosi.

Sadayana sami pikeun komunikasi pidéo - khususna saprak elemen individu parantos lami
aya dina aplikasi (rupa-rupa masker, latar dina Zoom, jsb).
Leres, aya aspék téknis anu ayeuna henteu dilaksanakeun sapinuhna dina bentuk anu leres -
contona, laju konversi Biantara Pikeun téks bakal kritis, tapi ngagunakeun
Algoritma konvérsi AI prediktif tiasa sacara signifikan ningkatkeun kagancangan ieu.
Kauntungan anu paling penting nyaéta bandwidth minimal anu diperyogikeun dina médium pangiriman
data.
Jelema-jelema. Prinsip ieu tiasa dianggo henteu ngan ukur pikeun sapopoé biasa
komunikasi, tapi ogé pikeun komunikasi militér sareng jarak jauh kalayan telat panjang
(komunikasi ruang angkasa, antarplanet - Bulan, Mars, jsb. :)
Sanaos ieu mangrupikeun pedaran konsép, kanyataanna, dina salah sahiji proyék kami parantos aya sababaraha
Prototipe sareng prinsip ieu parantos dianggo salami sababaraha bulan.
Tapi langkung seueur ngeunaan éta waktos salajengna ...
sumber: www.habr.com
