Många minns att TV-serien "Silicon Valley" handlar om programmeraren Richard
Hendrix, som av misstag kom på en revolutionerande datakomprimeringsalgoritm och bestämde sig
bygga din startup.
Seriens konsulter föreslog till och med ett mått att utvärdera med
liknande algoritmer är den fiktiva Weissman Score.
Längre in i historien gjorde startupen en videochatt med denna lösning.
Den respekterade gemenskapen är inbjuden att diskutera en annan, helt ovanlig
principen om datakomprimering för ljud- och videosamtal, som löser problemet med ett nytt,
oväntad sida.
Om du vill delta i diskussionen om denna lösning, och även ta reda på vad detta har gemensamt
koncept med Jonathan Swift och Leo Tolstojs verk, vänligen under kat.
Lite teori
Låt oss beskriva i allmänna termer hur modern ljudkommunikation fungerar - principen är densamma för båda
samtal över GSM-nätet, samt för instant messengers och VOIP-nätverk.
Ljudvibrationer skickas till mikrofonen på smarttelefonen, sedan i analog-digital
omvandlare (ADC eller ADC):
Därefter sker kodning med en mängd olika codecs (G711, G729, OPUS, GSM, etc.),
kryptering läggs till eller läggs inte till (SRTP, ZPTP, etc.) och skickas till miljön
dataöverföring.
Till exempel använder nästan alla instant messengers (WhatsApp, Viber, etc.) samma codecs (på senare tid är detta vanligtvis Opus), och nästan samma lite
modifierade protokoll (baserade på SIP, WebRTC).
Dataöverföringsnätet kan vara antingen det publika Internet eller GSM-nätet eller
intranät:
Kryptering är ett valfritt element i detta schema, till exempel i de flesta fall för
SIP-telefonikryptering används inte.
Men i budbärare, tvärtom, använder de vanligtvis sin egen proprietära
protokoll för röst- och videokryptering.
Därefter sker den omvända processen - mottagaren, efter att ha tagit emot data, avkodar den mottagna informationen, sedan går signalen till DAC (digital-till-analog-omvandlare) och går sedan in i ljudförstärkaren som är ansluten till högtalaren:
Egenskaper hos moderna codecs:
G.711 64 Kbps.
G.726 16, 24, 32 eller 40 Kbps.
G.729A 8 Kb/sek.
GSM 13 Kb/sek.
iLBC 13.3 Kb/sek. (30ms ram); 15.2 Kb/sek. (20ms ram)
Speex intervall från 2.15 till 22.4 Kb/sek.
G.722 64 Kbps.
Således, till exempel, under en 7-minuters konversation på WhatsApp eller Skype kommer det att finnas
Cirka 1 MB användes.
Låt oss komma ihåg dessa siffror - 1 MB för 7 minuters konversation, vi kommer att behöva dem snart.
"Leo Tolstoy är som en spegel... av revolution..."
Låt oss komma ihåg den mest kända romanen av denna stora ryska författare:
"Krig och fred" är en episk roman av Leo Nikolajevitj Tolstoj, som beskriver ryska
samhället under krigen mot Napoleon 1805-1812. Romanens epilog ger
berättelse fram till 1820.
Romanen "Krig och fred" av L.N. Tolstoj ägnade sju år av intensivt och ihärdigt arbete.Manuskript vittnar om hur en av världens största skapelser skapades.
"Krig och fred": författarens arkiv innehåller över 5200 XNUMX fint skrivna ark.
Om du nu vill läsa den här romanen kan du enkelt ladda ner den.
Och den här filen väger bara... 1 MB:
Formaten fb2 och epub kan precis som zip, rar i princip betraktas som ett slags
codecs
Låt oss tänka på det - 7 minuter av vår konversation på WhatsApp är lika när det gäller trafikvolym
ett fantastiskt arbete som tog 7 år att skriva!
En konversation på 7 minuter kodades med opus codec, romanen kodades med ePub, volymen är densamma -
1MB, men vilken enorm skillnad!
Gullivers resor
Alla känner till detta verk av Jonathan Swift från barndomen, men i själva verket är den här boken inte för
barn.
Gullivers resor är en politisk satir för vuxna, förstås i 18-årssammanhang
århundrade.
Det överraskande är att Swift, som är en ivrig motståndare till sin andra samtida -
Newton förutspådde i sin "Gullivers resor" inte bara upptäckten av satelliter
Mars (med en ganska exakt beskrivning av deras egenskaper), men beskrev också en ganska intressant
sätt att kommunicera mellan människor:
”... projektet krävde ett fullständigt avskaffande av alla ord;
författaren till detta projekt hänvisade främst till dess hälsofördelar och besparingar
tid.
Det är trots allt uppenbart att varje ord vi uttalar är förknippat med ett visst slitage.
lungorna och leder därför till en minskning av vårt liv.
Och eftersom ord bara är namn på saker, gör projektets författare antagandet att
att det kommer att vara mycket bekvämare för oss att bära med oss de saker som är nödvändiga för att uttrycka vårt
tankar och önskningar.
... många mycket lärda och kloka människor använder detta nya sätt att uttrycka sina
tankar med hjälp av saker.
Dess enda olägenhet är det faktum att, om nödvändigt,
föra en lång konversation om en mängd olika ämnen, samtalspartnerna måste bära
axlar med stora buntar saker, om medel inte tillåter att anställa en eller
två rejäla killar. Jag råkade ofta se två sådana vise män, utmattade under
tung börda, som våra köpmän. När de träffades på gatan tog de bilder
axelväskor, öppnade dem och tog ut de nödvändiga sakerna därifrån och förde sålunda ett samtal in
fortsättning på timmen; sedan staplade de upp sina redskap och hjälptes åt att lyfta på lasten
axlar, sa hejdå och skildes åt.
Men för korta och enkla samtal kan du ha med dig allt du behöver i fickan
eller under armen, och ett samtal som äger rum hemma orsakar inget
svårigheter. Därför fylls rummen där människor som använder denna metod samlas med
alla typer av föremål lämpliga att tjäna som material för sådana konstgjorda
samtal.
En annan stor fördel med denna uppfinning är att den kan användas
som ett universellt språk, begripligt för alla civiliserade nationer, för möbler och hushåll
redskapen är lika eller mycket lika överallt, så att deras användning lätt kan förstås.
Sålunda kan sändebud lätt tala med främmande kungar eller
ministrar vars språk är helt okänt för dem..."
Så ni gissar säkert redan vart jag är på väg med detta :)
Varför överföra luftvibrationer (ljud) över många hundra och tusentals kilometer?
besvära med kodning (för att förmedla dessa luftvibrationer till mottagaren så exakt och effektivt som möjligt), upprätthålla den nödvändiga bandbredden, om den är semantisk
Är belastningen på denna transmission minimal, eller tenderar den till och med att vara noll?
När allt kommer omkring kommunicerar människor inte med varandra med ljud, utan med mening, innehåll, semantik, tankar...
Konceptet med det nya kommunikationssystemet är ganska enkelt - på källsidan A finns ljud
vibrationer digitaliseras också, men överförs inte omedelbart till den andra parten, men
konverteras till text (tal till text) och sedan den meningsfulla texten från
abonnent A, som:
- kan sändas med minsta nödvändiga databandbredd (även HF-radiokommunikation är möjlig, etc.)
- kan krypteras med vilken stark krypteringsalgoritm som helst
På sida B dekrypteras mottagna meddelanden och reproduceras som en röst från
abonnent A (Text till tal).
Du kan även ladda ner den så kallade B-sidan. röstavatar för abonnent A, vem skulle
upprepade noggrant abonnentens A talsätt.
En separat kanal kan överföra bakgrundsljud och känslor.
Samma sak gäller för videokommunikation - särskilt eftersom enskilda element har varit det länge
finns i applikationer (olika masker, bakgrund i Zoom, etc.).
Ja, det finns tekniska aspekter som för närvarande inte är helt implementerade i rätt form -
till exempel kommer hastigheten för konvertering av tal till text att vara avgörande, men med hjälp av
Förutsägande AI-konverteringsalgoritmer kan öka denna hastighet avsevärt.
Den viktigaste fördelen är att det krävs minimal bandbredd i överföringsmediet
data.
De där. Denna princip kan användas inte bara för vanliga vardagliga
kommunikationer, men också för militära och långväga kommunikationer med stora förseningar
(rymdkommunikation, interplanetär - Månen, Mars, etc. :)
Även om detta är en beskrivning av konceptet, finns det faktiskt redan flera i ett av våra projekt
En prototyp med denna princip har använts i månader.
Men mer om det nästa gång...
Källa: will.com