หลายคนจำได้ว่าละครทีวีเรื่อง "Silicon Valley" เป็นเรื่องเกี่ยวกับโปรแกรมเมอร์ริชาร์ด
เฮนดริกซ์ซึ่งคิดค้นอัลกอริธึมการบีบอัดข้อมูลที่ปฏิวัติวงการโดยไม่ได้ตั้งใจและตัดสินใจ
สร้างการเริ่มต้นของคุณ
ที่ปรึกษาของซีรีส์เรื่องนี้ยังแนะนำตัวชี้วัดที่จะประเมินอีกด้วย
อัลกอริธึมที่คล้ายกันคือคะแนน Weissman ที่สมมติขึ้นมา
นอกจากนี้ สตาร์ทอัพได้สร้างวิดีโอแชทโดยใช้โซลูชันนี้
ชุมชนที่เคารพนับถือได้รับเชิญให้หารือเกี่ยวกับเรื่องอื่นซึ่งผิดปกติโดยสิ้นเชิง
หลักการบีบอัดข้อมูลสำหรับการโทรด้วยเสียงและวิดีโอซึ่งแก้ปัญหาด้วยรูปแบบใหม่
ด้านที่ไม่คาดคิด
หากคุณต้องการมีส่วนร่วมในการอภิปรายเกี่ยวกับโซลูชันนี้ และค้นหาว่าสิ่งนี้มีอะไรที่เหมือนกัน
แนวคิดกับ Jonathan Swift และผลงานของ Leo Tolstoy ได้โปรดอยู่ภายใต้แมว
ทฤษฎีเล็กน้อย
ให้เราอธิบายในแง่ทั่วไปว่าการสื่อสารด้วยเสียงสมัยใหม่ทำงานอย่างไร - หลักการจะเหมือนกันสำหรับทั้งคู่
โทรผ่านเครือข่าย GSM เช่นเดียวกับผู้ส่งข้อความด่วนและเครือข่าย VOIP
การสั่นของเสียงจะถูกส่งไปยังไมโครโฟนของสมาร์ทโฟน จากนั้นจะเป็นสัญญาณอนาล็อก-ดิจิตอล
ตัวแปลง (ADC หรือ ADC):
ถัดไป การเข้ารหัสเกิดขึ้นกับตัวแปลงสัญญาณต่างๆ (G711, G729, OPUS, GSM ฯลฯ)
มีการเพิ่มหรือไม่เพิ่มการเข้ารหัส (SRTP, ZPTP ฯลฯ ) และส่งไปยังสภาพแวดล้อม
การส่งข้อมูล
ตัวอย่างเช่น ผู้ส่งข้อความโต้ตอบแบบทันทีเกือบทั้งหมด (WhatsApp, Viber เป็นต้น) ใช้ตัวแปลงสัญญาณเดียวกัน (เมื่อเร็ว ๆ นี้มักจะเป็น Opus) และเกือบจะเหมือนกันเล็กน้อย
โปรโตคอลที่ถูกแก้ไข (ขึ้นอยู่กับ SIP, WebRTC)
เครือข่ายการรับส่งข้อมูลอาจเป็นได้ทั้งอินเทอร์เน็ตสาธารณะหรือเครือข่าย GSM หรือ
อินทราเน็ต:
การเข้ารหัสเป็นองค์ประกอบเสริมในโครงการนี้ เช่น ในกรณีส่วนใหญ่
ไม่ได้ใช้การเข้ารหัสโทรศัพท์ SIP
แต่ในทางกลับกันในผู้ส่งสารพวกเขามักจะใช้กรรมสิทธิ์ของตนเอง
โปรโตคอลสำหรับการเข้ารหัสเสียงและวิดีโอ
ถัดไป กระบวนการย้อนกลับเกิดขึ้น - ผู้รับเมื่อได้รับข้อมูลแล้ว ถอดรหัสข้อมูลที่ได้รับ จากนั้นสัญญาณไปที่ DAC (ตัวแปลงดิจิทัลเป็นอะนาล็อก) จากนั้นเข้าสู่เครื่องขยายเสียงที่เชื่อมต่อกับลำโพง:
ลักษณะของตัวแปลงสัญญาณสมัยใหม่:
G.711 64 Kbps.
G.726 16, 24, 32 หรือ 40 Kbps
G.729A 8 Kb/วินาที
GSM 13 กิโลไบต์/วินาที
iLBC 13.3 กิโลไบต์/วินาที (เฟรม 30ms); 15.2 กิโลไบต์/วินาที (เฟรม 20ms)
ช่วง Speex ตั้งแต่ 2.15 ถึง 22.4 Kb/วินาที
G.722 64 Kbps.
ตัวอย่างเช่นในระหว่างการสนทนา 7 นาทีบน WhatsApp หรือ Skype จะมี
ใช้ไปประมาณ 1 MB
จำตัวเลขเหล่านี้ไว้ - 1MB สำหรับการสนทนา 7 นาที เราจะต้องการมันเร็วๆ นี้
“ลีโอ ตอลสตอยเปรียบเสมือนกระจก... แห่งการปฏิวัติ...”
มาจำนวนิยายที่โด่งดังที่สุดของนักเขียนชาวรัสเซียผู้ยิ่งใหญ่คนนี้:
“ สงครามและสันติภาพ” เป็นนวนิยายมหากาพย์โดย Leo Nikolaevich Tolstoy บรรยายถึงภาษารัสเซีย
สังคมในช่วงสงครามกับนโปเลียนในปี ค.ศ. 1805-1812 บทส่งท้ายของนวนิยายเรื่องนี้นำมาซึ่ง
การเล่าเรื่องจนถึงปี 1820
นวนิยายเรื่อง "สงครามและสันติภาพ" โดย L.N. ตอลสตอยทุ่มเทการทำงานอย่างเข้มข้นและต่อเนื่องเป็นเวลา XNUMX ปี ต้นฉบับเป็นพยานถึงวิธีการสร้างสรรค์ผลงานที่ยิ่งใหญ่ที่สุดชิ้นหนึ่งของโลก
“สงครามและสันติภาพ”: เอกสารสำคัญของผู้เขียนประกอบด้วยเอกสารที่เขียนอย่างประณีตมากกว่า 5200 แผ่น
หากคุณต้องการอ่านนวนิยายเรื่องนี้ตอนนี้ คุณสามารถดาวน์โหลดได้อย่างง่ายดาย
และไฟล์นี้มีน้ำหนักเพียง... 1 MB:
โดยหลักการแล้วรูปแบบ fb2 และ epub นั้นถือได้ว่าเป็นรูปแบบหนึ่งเช่นเดียวกับ zip, rar
ตัวแปลงสัญญาณ
ลองคิดดูสิ - การสนทนา 7 นาทีบน WhatsApp เท่ากันในแง่ของปริมาณการรับส่งข้อมูล
งานที่ยอดเยี่ยมที่ใช้เวลาเขียนถึง 7 ปี!
บทสนทนา 7 นาทีถูกเข้ารหัสด้วยตัวแปลงสัญญาณบทประพันธ์ นวนิยายถูกเข้ารหัสด้วย ePub ระดับเสียงก็เหมือนเดิม -
1MB แต่ช่างแตกต่างอย่างมาก!
การเดินทางของกัลลิเวอร์
ทุกคนรู้จักผลงานของ Jonathan Swift มาตั้งแต่เด็ก แต่จริงๆ แล้วหนังสือเล่มนี้ไม่เหมาะสำหรับ
เด็ก.
Gulliver's Travels เป็นเนื้อหาเสียดสีทางการเมืองสำหรับผู้ใหญ่ ซึ่งแน่นอนว่าอยู่ในบริบทของ 18
ศตวรรษ.
สิ่งที่น่าประหลาดใจก็คือ Swift ซึ่งเป็นคู่ต่อสู้ที่กระตือรือร้นกับคนร่วมสมัยของเขา -
นิวตันใน “การเดินทางของกัลลิเวอร์” ไม่เพียงแต่ทำนายการค้นพบดาวเทียมเท่านั้น
ดาวอังคาร (พร้อมคำอธิบายคุณลักษณะที่ค่อนข้างแม่นยำ) แต่ก็อธิบายได้ค่อนข้างน่าสนใจเช่นกัน
วิธีการสื่อสารระหว่างผู้คน:
“... โครงการเรียกร้องให้ยกเลิกคำทั้งหมดโดยสมบูรณ์
ผู้เขียนโครงการนี้อ้างถึงประโยชน์ต่อสุขภาพและการออมเป็นหลัก
ของเวลา
ท้ายที่สุดแล้ว เห็นได้ชัดว่าทุกคำที่เราพูดมีความเกี่ยวพันกับความชำรุดทรุดโทรมบางประการ
ปอดจึงส่งผลให้ชีวิตเราลดลง
และเนื่องจากคำพูดเป็นเพียงชื่อของสิ่งต่าง ๆ ผู้เขียนโครงการจึงตั้งสมมติฐานเช่นนั้น
ว่าจะสะดวกกว่ามากสำหรับเราที่จะพกพาสิ่งของที่จำเป็นในการแสดงของเรา
ความคิดและความปรารถนา
... ผู้มีความรู้และสติปัญญาจำนวนมากใช้วิธีใหม่ในการแสดงออก
ความคิดด้วยความช่วยเหลือของสิ่งต่าง ๆ
ความไม่สะดวกเพียงอย่างเดียวคือหากจำเป็น
สนทนากันยาวๆ ในหัวข้อต่างๆ ที่คู่สนทนาต้องดำเนินการ
ไหล่ที่มีสิ่งของมากมายหากกองทุนไม่อนุญาตให้จ้างอย่างใดอย่างหนึ่งหรือ
ผู้ชายสองคนที่แข็งแกร่ง ข้าพเจ้าบังเอิญเห็นนักปราชญ์สองคนนี้เหนื่อยอ่อนอยู่บ่อยๆ
ภาระหนักเหมือนเร่ขายของเรา เมื่อพบกันบนถนนก็ถ่ายรูปกัน
สะพายกระเป๋าสะพายเปิดออกแล้วหยิบของที่จำเป็นออกมาจึงสนทนากันต่อไป
ความต่อเนื่องของชั่วโมง แล้วพวกเขาก็กองข้าวของของตนขึ้นและช่วยกันยกของขึ้น
ไหล่กล่าวคำอำลาและแยกทางกัน
อย่างไรก็ตาม สำหรับการสนทนาสั้นๆ ง่ายๆ คุณสามารถพกพาทุกสิ่งที่คุณต้องการใส่กระเป๋าได้
หรือใต้วงแขนและการสนทนาที่เกิดขึ้นที่บ้านก็ไม่เกิดผลแต่อย่างใด
ความยากลำบาก ดังนั้นห้องที่คนใช้วิธีนี้มารวมตัวกันจึงเต็มไปหมด
วัตถุทุกชนิดที่เหมาะจะใช้เป็นวัสดุประดิษฐ์นั้น
บทสนทนา
ข้อดีอีกประการหนึ่งของสิ่งประดิษฐ์นี้คือสามารถนำไปใช้ได้
เป็นภาษาสากลที่เข้าใจได้สำหรับประชาชาติที่มีอารยธรรมทั้งหมดสำหรับเฟอร์นิเจอร์และครัวเรือน
เครื่องใช้จะเหมือนกันหรือคล้ายกันมากทุกที่เพื่อให้เข้าใจการใช้งานได้ง่าย
ดังนั้นทูตจึงสามารถพูดคุยกับกษัตริย์ต่างประเทศหรือได้อย่างง่ายดาย
รัฐมนตรีซึ่งพวกเขาไม่รู้จักภาษาเลย…”
ดังนั้นคุณคงเดาได้แล้วว่าฉันจะไปที่ไหน :)
เหตุใดจึงส่งแรงสั่นสะเทือน (เสียง) ของอากาศเป็นระยะทางหลายร้อยหลายพันกิโลเมตร?
รบกวนด้วยการเข้ารหัส (เพื่อถ่ายทอดการสั่นสะเทือนของอากาศเหล่านี้ไปยังผู้รับอย่างถูกต้องและมีประสิทธิภาพที่สุดเท่าที่จะเป็นไปได้) รักษาแบนด์วิดท์ที่จำเป็นหากมีความหมาย
โหลดของการส่งสัญญาณนี้น้อยที่สุดหรือมีแนวโน้มที่จะเป็นศูนย์หรือไม่?
ท้ายที่สุดแล้ว ผู้คนสื่อสารกันไม่ใช่ด้วยเสียง แต่ด้วยความหมาย เนื้อหา อรรถศาสตร์ ความคิด...
แนวคิดของระบบการสื่อสารใหม่นั้นค่อนข้างง่าย - ที่ฝั่งต้นทาง A จะมีเสียง
การสั่นสะเทือนก็จะถูกแปลงเป็นดิจิทัลเช่นกัน แต่จะไม่ถูกส่งไปยังอีกฝ่ายในทันที
จะถูกแปลงเป็นข้อความ (คำพูดเป็นข้อความ) จากนั้นจึงแปลงข้อความที่มีความหมายจาก
สมาชิก A ซึ่ง:
- สามารถส่งได้ด้วยแบนด์วิธข้อมูลขั้นต่ำที่ต้องการ (แม้แต่การสื่อสารทางวิทยุ HF ก็เป็นไปได้ ฯลฯ )
- สามารถเข้ารหัสด้วยอัลกอริธึมการเข้ารหัสที่แข็งแกร่ง
ที่ด้าน B ข้อความที่ได้รับจะถูกถอดรหัสและทำซ้ำเป็นเสียงจาก
สมาชิก A (ข้อความเป็นคำพูด)
คุณยังสามารถดาวน์โหลดสิ่งที่เรียกว่าฝั่ง B ได้ อวตารเสียงของสมาชิก A ใครจะ
พูดซ้ำลักษณะคำพูดของสมาชิก A อย่างถูกต้อง
ช่องที่แยกต่างหากสามารถส่งเสียงรบกวนและอารมณ์พื้นหลังได้
เช่นเดียวกับการสื่อสารผ่านวิดีโอ โดยเฉพาะอย่างยิ่งเมื่อแต่ละองค์ประกอบมีมานานแล้ว
มีอยู่ในแอปพลิเคชัน (มาสก์ต่างๆ พื้นหลังใน Zoom ฯลฯ)
ใช่ มีประเด็นทางเทคนิคที่ยังไม่ได้นำมาใช้อย่างสมบูรณ์ในรูปแบบที่เหมาะสม -
เช่น ความเร็วของการแปลงคำพูดเป็นข้อความจะมีความสำคัญ แต่การใช้
อัลกอริธึมการแปลง AI แบบคาดการณ์สามารถเพิ่มความเร็วนี้ได้อย่างมาก
ข้อได้เปรียบที่สำคัญที่สุดคือต้องใช้แบนด์วิธขั้นต่ำในสื่อการรับส่งข้อมูล
ข้อมูล.
เหล่านั้น. หลักการนี้สามารถใช้ได้ไม่เพียงแต่ในชีวิตประจำวันเท่านั้น
การสื่อสาร แต่ยังสำหรับการสื่อสารทางทหารและทางไกลที่มีความล่าช้าเป็นเวลานาน
(การสื่อสารในอวกาศ ระหว่างดาวเคราะห์ - ดวงจันทร์ ดาวอังคาร ฯลฯ :)
แม้ว่านี่จะเป็นคำอธิบายของแนวคิด แต่ในความเป็นจริงแล้วหนึ่งในโครงการของเรามีหลายโครงการอยู่แล้ว
มีการใช้ต้นแบบที่มีหลักการนี้มานานหลายเดือนแล้ว
แต่เกี่ยวกับเรื่องนั้นในครั้งต่อไป...
ที่มา: will.com