В программе для цифровой радиопередачи FreeDV скоро можно будет проверить новый кодек в работе
Автор свободного голосового кодека Codec2, предназначенного для сверхплотного кодирования речи на голосовых каналах, выпустил новую версию Codec2 700C, в которой ему удалось закодировать различимую человеческую речь всего в 700 бит/с. Это значит, что трёхсекундная голосовая передача с различимой речью займёт всего лишь 260 байт.
Разумеется, такие технологии совершенно неуместны для сжатия музыки или другого мультимедийного контента, но это незаменимая вещь для коммуникации в условиях сильного ограничения на пропускную способность каналов связи. Например, при цифровой передаче звука с Марса.
Такое сверхплотное сжатие может пригодиться не только для космического применения, но также для любительского радио и для различных военных задач, спутниковой связи, закриптованных устройств. Например, сейчас армия США использует стандарт кодирования MELP (Mixed Excitation Linear Prediction), но это интеллектуальная собственность компаний Texas Instruments (алгоритм и исходный код кодека MELP на 2400 бит/с), Microsoft (транскодер 1200 бит/с), Thales Group (600 бит/с) и AT&T (препроцессор шума). Этот же проприетарный стандарт MELP используется в спутниковых коммуникациях, защищённой голосовой связи и защищённых радиопередатчиках. Стандартизация и разработка MELP велась при поддержке АНБ и НАСА.
Очевидно, что людям нужен кодек аналогичного назначения, но свободный от патентных обременений MELP.
Разработчик звукового кодека Codec2 — Дэвид Роуи (David Rowe). Он ведёт проект уже несколько лет. Первая альфа-версия Codec2 вышла ещё в сентябре 2010 года. Этот инженер ранее приложил руку к созданию свободного аудиоформата для кодирования речи Speex, разработка которого была прекращена в пользу свободного формата Opus. Затем Дэвид поставил задачу добиться передачи голоса в коммуникационном качестве в потоке 2400 бит/с и ниже, то есть сделать свободную альтернативу MELP.
«Я продолжаю работу над разработкой режима цифрового кодирования голоса, который может конкурировать с однополосной модуляцией, — пишет Дэвид Роуи. — На большую часть 2016 года я отвлёкся от этой работы и занимался оплачиваемым проектом коммерческого высокочастотного (HF) модема. Но с декабря я снова работаю над кодеком 700 бит/с. Цель состоит в том, чтобы обеспечить качество примерно такое же, как у нынешнего режима 1300 бит/с. Это можно использовать в когерентном PSK-модеме, а может и в 4FSK-модеме при испытаниях на каналах HF».
Уместно пояснить, что PSK-модем — устройство для относительно нового цифрового вида передачи информации с узкополосной двухпозиционной фазовой модуляцией.
Автор проделал немалую работу, чтобы оптимизировать кодек. Блок-схема обработки сигнала в новом кодеке показана ниже. Дэвид Роуи пишет, что ключевым этапом этого алгоритма является передискретизация (ресэмплинг), когда варьируемое по времени количество амплитуд гармоник преобразуется в фиксированное количество (K=20) сэмплов. На низких частотах берётся больше сэмплов, чем на более высоких частотах, что соответствует логарифмическому восприятию человеческим ухом. Экспериментальным путём Дэвид пришёл к величине именно K=20.
Основная часть работы Дэвида Роуи касается именно перцептивного сжатия звука таким образом, чтобы наиболее оптимально соответствовать логарифмическим особенностям человеческого слуха, когда восприимчивость к разным частотам изменяется по логарифмическому закону.
3D-график соотношения амплитуды в дБ по времени (300 кадров) с параметром передискретизации K=20 частотных векторов для звукового образца hts1a (его можно прослушать ниже в таблице). Видно изменение сигнала во времени и низкие значения на высоких частотах, которые хуже воспринимаются человеческим ухом
Вообще, проблему дефицита свободных кодеков в диапазоне до 5 кбит/с поднял Брюс Перенс в 2009 году. Он связался с разработчиками Speex и предложил им изучить ситуацию. Codec2 основан на научных работах 60-80-х годов и вроде не подпадает под действующие патенты. Cинусоидальное кодирование речи впервые упоминается в 1984-м году, а сам Роуи подробно описал техники гармонического синусоидального кодирования в своей научной работе 1997 года. Кодек опубликован под свободной лицензией LGPL2.
На образцах ниже можно сравнить образцы предыдущей версии кодека на 1300 бит/с и новой версии на 700 бит/с.
| Образец | 1300 | 700C |
|---|---|---|
| hts1a | Слушать | Слушать |
| hts2a | Слушать | Слушать |
| forig | Слушать | Слушать |
| ve9qrp_10s | Слушать | Слушать |
| mmt1 | Слушать | Слушать |
| vk5qi | Слушать | Слушать |
| vk5qi 1% BER | Слушать | Слушать |
| cq_ref | Слушать | Слушать |
Для сравнения, вот сравнение альфа-версии кодека Codec2 v0.1 (2550 бит/с) от 2010 года и проприетарного кодека MELP (2400 бит/с).
Мужской голос:
> Оригинал
> Codec2 v0.1 (2550 бит/с)
> MELP (2400 бит/с)
Женский голос:
> Оригинал
> Codec2 v0.1 (2550 бит/с)
> MELP (2400 бит/с)
В ближайшие недели Дэвид Роуи собирается открыть кодек 700C через интерфейсы для программы цифрового радио FreeDV и провести первые испытания в эфире.
Комментарии (74)
smartly
16.01.2017 22:30+11>Например, при цифровой передаче звука с Марса.
Предлагаю передавать сообщения текстом.
dron_k
16.01.2017 23:52Могут быть ситуации в рамках каких либо оперативных процедур,
когда набирать текст неудобно или нет времени…
Распознавание же речи пока не может быть использовано в критических отраслях изза вероятности ошибок.
rusec
17.01.2017 00:50+1радиосигнал до Марса идёт несколько минут в одну сторону. Какая уж тут оперативность.
Hellsy22
17.01.2017 04:07+1Чуть больше, чем несколько минут.
Мне тоже показался пассаж про Марс странным — оттуда картинки в высоком качестве передают с приличной скоростью.rusec
17.01.2017 04:12+1ну да. Если я правильно делю 56-400 000 000 км на скорость света, то от 3 до 22, в зависимости от взаимного расположения планет. А что Вас удивляет? Скорость света конечна, даже до геостационара задержка чувствуется, пинг через спутник заметно больше чем по подводному кабелю, а Марс намного дальше.
dron_k
17.01.2017 22:34-1>>>радиосигнал до Марса идёт несколько минут в одну сторону. Какая уж тут оперативность.
Голосовое сообщение в любом случае будет отправлено быстрее чем печатаное.
OvO
16.01.2017 22:37+6голос надо кодировать в буквы, а текст сжимать
kryvichh
17.01.2017 15:34+5Оптимальный голосовой кодек будет: текст в фонетической транскрипции + параметры отдельных звуков + описание физических особенностей речевого аппарата говорящего (передается в начале передачи один раз).
Правда, такой кодек не закодирует всхлипы, кашель, крик ужаса и т.п.
Alyoshka1976
16.01.2017 22:45+3Этот кодек будет очень востребован в любительской радиосвязи на сверхдлинных волнах (в «диапазоне мечтателей» ниже девяти килогерц).
unxed
17.01.2017 01:52+2А как любители мастерят антенны для сверхдлинных волн?
ZekaVasch
17.01.2017 09:00+1ну один например подключился в лееру ограждения на дороге. Несколько км антенны для приема сигналов с подводных лодок.
На форумах Радиосканер ру поройтесь
Alyoshka1976
17.01.2017 09:34+2Там всё ограничено фантазией :-) Вот, например, воздушный змей тянет вверх провод:
Или просто вертикальный провод, подвешенный к башне, с вот такой эпической удлиняющей катушкой:
Но это всё передающие. Приемные намного проще — я, например, использую вот такую немудреную снасть :-):
spiritube
16.01.2017 22:45+11Например, при цифровой передаче звука с Марса.
И для хранения голосового трафика согласно «Закону Яровой» тоже очень полезен.salopot
17.01.2017 00:35+9Это еще мелочи, вот если Роскосмос таки решит отправить космонавтов куда-нибудь на марс, то по закону о «Персональных данных» им прийдется все переговоры записать до отлета и хранить в серверах на территории России. Иначе скорость света будет оштрафована…
darthmaul
17.01.2017 10:46Лучше пусть вакуум штрафуют. Вроде как отрицательная масса могла бы помочь создать варп двиатель :)
Nine_tailed
17.01.2017 10:55+1Государственной территорией считаются (условно) также морские суда, воздушные и космические корабли, носящие флаг соответствующего государства.
salopot
17.01.2017 14:13Вы полагает что гугл может припарковать в Норфолке частный корабль зарегистрированный в Росии и спокойно размещать там персональные данные граждан РФ. Именно это вы увидели в законе?
P.S. Нужно предложить на хабре универсальную кноку чтоб одновремнно понижать и статус комментария и карму. А-то какой-то бедняга заминусовав комент вынужден еще переходить в профиль и третий клик на карме. Как-то не user friendly получаетсяNine_tailed
17.01.2017 14:44Я не юрист и не могу сказать можно ли так сделать и таким образом обойти данный закон. Вполне может быть там есть специальный пункт для экстерриториальности (именно это вы описали — российское судно в порту иностранного государства).
Tyrauriel
17.01.2017 00:04Интересно, почешется Росгидромет, чтобы внедрить этот кодек у себя?
У них есть спутниковые терминалы двусторонней передачи данных, через свои собственные спутники.
Там ограничение до 1200 бит.
stalinets
17.01.2017 00:46-1Интересно было бы увидеть программку для IP-телефонии с этим кодеком, чтобы даже на смартфонах, находящихся в зоне 2G/GPRS была возможна устойчивая голосовая связь по IP.
arheops
17.01.2017 01:19-5https://speex.org/docs/manual/speex-manual/node10.html
250бит крайний кодек.
поддерживается asterisk
Lertmind
17.01.2017 03:22+2Что значит «крайний»? Почему вы указали «250 бит», если при 250 битах передачи голоса не происходит (No transmission (DTX))? Также:
There are 7 different narrowband bit-rates defined for Speex, ranging from 250 bps to 24.6 kbps, although the modes below 5.9 kbps should not be used for speech.
arheops
17.01.2017 01:30+1У кодека для телефонии, кстати, должно быть еще два свойства 1) Слабая заметность потери единичного пакета 2) малый пакет/small latency. Этот кодек, вроде бы, оба свойства не имеет.
insekt
17.01.2017 07:50Откуда такие свойства проистекают?
gxcreator
17.01.2017 08:221. Чтобы небольшие потери пакетов не искажали речь
2. Чтобы не было задержки речи собеседника.
arheops
17.01.2017 08:27+1Ни откуда не проистекают. Потому кодеки и дают компрессию меньше, чем mpeg. Они так разрабатывалися. Свойство 2 не нужно только кодекам работающим через спутник, задержка в 100мс(через океан) уже человеком опознается. Ну и даже вайфай иногда выдает за 100мс задержки, что аналогично потере пакета, не говоря уже о сети в общем, в которой потери есть почти всегда.
ValdikSS
18.01.2017 14:40GPRS и устойчивая голосовая связь противоречат друг другу. На GPRS пинг временами может быть в секунду и больше, а все популярные VoIP-библиотеки не слишком устойчивы к такому широкому джиттеру.
С EDGE, как правило, можно пользоваться кодеком OPUS с битрейтом в 8-12 кбит/с без особых проблем. Качество речи сносное: https://files.catbox.moe/0wz4a7.opus
nikolayv81
21.01.2017 21:15В edge работает скайп с видео! Проверено в деревне при ручном переключении модема в 2g из-за того что в 3g связь нестабильна и постоянные разрывы были. Да качество видео конечно не ахти но понять кто перед экраном можно, если не двигается быстро, а звук абсолютно нормальный для общения.
Dum_spiro_spero
17.01.2017 00:59Я кажется чего-то не понимаю. А в чем проблема связи с Марсом? До Марса в среднем 225 млн. км, радиоволна пройдет это расстояние за 12.5 минут. Все равно ж связь по радио, а не модем на 300 бод. Можно произнести монолог и отправить его хоть в hi-res audio.
Или нет?
Погуглил радиомодемы — пишут 25 кГц, 19.2 кбод. Пишут, что скорость передачи почему-то завязана на энергию.
Кто бы на пальцах объяснил?
arheops
17.01.2017 01:21+1Чем больше скорость передачи, тем более критичен сигнал к шумам(падает соотношение сигнал-шум). Тоесть используя низкоскоростной канал, вы можете использовать меньше антенну и/или слабее передатчик. К примеру вместо 30м тарелки и 50кватт передатчика, 5м тарелку и 10кватт передатчик(что уже проще, правда?)
ZEvS_Cat
17.01.2017 01:29+1. А еще, чем выше скорость передачи, тем шире полоса частот, необходимая для такой передачи. А чем шире полоса, тем потребуется бОльшая мощность.
arheops
17.01.2017 01:32Не совсем так. Полоса может быть и узкая, или 10 узких, просто расширять полосу на данном этапе проще, чем еще поднять мощность. Вообще в идеале надо иметь бесконечное число сверх-узких полосок, но это невозможно по физическим причинам(кроме варианта лазеров, которые именно такие полоски и дают — практически одна частота).
ZEvS_Cat
17.01.2017 02:09Вот я и написал, что выгоднее сужать полосу (понижая скорость передачи — объем данных в секунду), чем увеличивать мощность передатчика.
Alexeyslav
17.01.2017 12:28Связано это с количеством информации которую переносят радиоволны. Современные системы связи работают практически на пределе теоретических возможностей — около 1 бита на квант. Если бы существовал способ передать сигнал без потерь и рассеивания, то скорости были бы гораздо выше но антенны они такие, даже у направленных антенн сигнал с расстоянием расходится и плотность в точке приёма падает. Да, если бы приёмник мог сконцентрировать всю энергию переданную передатчиком, было бы не так плохо всё, но для этого нужны будут поистине гигантские антенны. А пока, инженеры вынуждены удовлетворяться приёмом только небольшой части энергии отправленного сигнала.
Причем с земли отправить гораздо проще — тут нет особых ограничений на размер антенны и мощность излучения, а на автономном аппарате в глубоком космосе весьма строгие ограничения как на размер антенны так и излучаемую мощность.
А потом ещё соотношение сигнал/шум портит малину, но матемаическими методами вроде бы добиваются определённых успехов, приближаясь к теоретическому пределу возможностей передачи информации. Это, к примеру, позволило на тех же антеннах повысить скорость передачи/расстояние надёжной связи до вояджера. На старых технологиях имели бы на таком расстоянии скорость в несколько бит в секунду.
ZEvS_Cat
17.01.2017 14:26> Dum_spiro_spero
В общем, популяризирую, совсем на пальцах.
Проведите, вместе со мной умозрительный эксперимент.
У Вас есть передатчик и приемник. Передатчик мощностью 1 мВт, и приемник (какой-то чувствительности). Допустим, передатчик передает 10 кбит/сек.
Теперь представьте, что необходимо передавать 20 кбит/сек.
Как можно поступить?
Вариант 1. Поставить еще один передатчик, точно такой-же, который будет передавать вторые 10 кбит, на соседней частоте. Тоже 1 миливаттный. И конечно второй приемник.
Да, теперь два одномиливаттных передатчика, излучая 2 миливатта передают 20 кбит/сек, и
два приемника их принимают.
Вариант 2. Расширить полосу передатчика в два раза, и увеличить мощность до двух мВт.
Теперь этот передатчик может также, как и в варианте 1, передавать 20 кбит/сек.
С точки зрения физики, нет никакой разницы между первым и вторым вариантом. Не в энергетическом, не в скоростном плане, просто разная схемотехническая реализация.YegorVin
18.01.2017 19:12«Расширить полосу передатчика»
Что вы подразумеваете под полосой, увеличение частоты несущей?
ProstoUser
17.01.2017 14:36Завязка на энергию простая.
Есть несущая частота сигнала и есть модуляция этой несущей частоты. Собственно модуляция и содержит полезную информацию. То есть в зависимости от передаваемой последовательности единиц и нулей изменяются какие-то параметры излучаемой частоты. Обычно, меняют амплитуду, частоту и фазу. Иногда одновременно. На принимающей стороне смотрим, как меняются параметры несущей и восстанавливаем переданную последовательность.
Чем больше изменений в единицу времени, тем больше информации в ту же единицу времени можно передать. Но когда в передатчике мы меняем параметры излучаемого радиосигнала, в приемнике встает проблема отличить изменение параметров сигнала от случайной помехи. Помехи важны не сами по себе, Интересна мощность помех относительно мощности полезного сигнала. Вот тут и появляется соотношение сигнал/шум. Чем больше отношение сигнал/шум, тем меньшее влияние оказывают помехи, тем чаще и тем слабее можно менять исходный сигнал, увеличивая его информационную емкость.
Простейший пример. Пусть мы передаем сигнал амплитудной модуляцией. Мы можем передавать единичку максимальным уровнем, а ноль нулевым. При этом достаточно просто понимать, есть сигнал или нет сигнала. Надежная передача получится в том случае, если уровень шумов будет таким, что не «заглушит» несущую, если она есть и не даст ложного срабатывания ее нет. Для надежного определения факта наличия несущей можно увеличить время ее определения в принятом сигнале. Чем более длинный кусок эфира мы анализируем, тем меньше вероятность ошибки. Если же мы можем различать уровни амплитуды, например, 0, 1/3, 2/3, 1, то за одно изменение синала мы сможем передать уже не один бит, а целых два. Но для этого надо, чтобы уровень шума был меньше, чем в предыдущем случае. Чтобы различать не только факт наличия несущей, но и ее «громкость».
Ну а единственный способ увеличить соотношение сигнал/шум при выбранных параметрах передатчиков, модуляции и антенн — увеличить мощность сигнала.
Вот как-то так. Немного путано, но, надеюсь, понятно.
Newbilius
17.01.2017 10:26+1Ни в 1300, ни в 700C не могу разобрать текст целиком, только отдельные слова выхватываю, и то ненадёжно. А вот Codec2 v0.1 (2550 бит/с) и MELP (2400 бит/с) звучат гораздо разборчивей.
Nihonjin
17.01.2017 10:40+1Вполне разборчиво, если прослушать сообщение 5+ раз, каждый раз проматывая в голове возможные варианты сказанного :D
Вообще, мне думается что англофонам не составит труда понять речь и с первого раза.
ZEvS_Cat
17.01.2017 12:56+2Я даже слушать не стал. Считаю, разборчивость надо оценивать на родном языке.
hzs
17.01.2017 11:41+1Я разницу между 1300 и 700 вообще на слух не различил, и там и там голос вполне отчётливо слышно.
В условиях очень больших расстояний и стоимости оборудования, 700C может быть очень хорошим вариантом.
vanxant
17.01.2017 12:29+1Ну не знаю, в последнем сэмпле голос-то слышно, вот только текст не разобрать) В обоих вариантах.
hzs
18.01.2017 05:52Там не особо текст, там приветствие с произношением позывных: Hello CQCQCQ. Calling CQ. This is KA9Q. А дальше действительно неразборчиво, но это скорее всего связано с моим фиговым английским ну и произношение у говорящего явно хромает.
Вероятно пример последних семплов и был добавлен чтобы показать, что качество 700С не хуже и что если на сжатом им файле ничего не разобрать, то и на кодеке с увеличенном вдвое битрейте будет не лучше.
aram_pakhchanian
17.01.2017 14:42Все вполне очень отчетливо слышно – примерно как в любительском эфире, откуда часть записей и взята. Качество для целей служебной радиосвязи вполне удовлетворительное.
Killy
17.01.2017 15:26Спектр для образца vk5qi.
Вверху 700С, внизу 1300.
(PNG 2.2 МБ)
В 700С лучше видны верхние гармоники. А нижние зачастую хуже видны или немного искажены. (Не хватает оригинала для сравнения.)
Для меня 700С звучит более резко, но менее разборчиво из-за искажений, что согласуется с наблюдением, сделанным при сравнении спектров.
vit1251
18.01.2017 04:06Рисовали в MathCad? Подскажите название этого инструмента?
Killy
18.01.2017 14:57Это скриншот из ocenaudio всего-навсего.
(Рекомендую в качестве альтернативы для Audacity.)Killy
18.01.2017 15:01Тем, кто со звуком работает, ещё Sonic Visualiser должен быть знаком.
Alyoshka1976
18.01.2017 16:59Любителям радиомониторинга такая спектрограмма-«водопад» тоже знакома по работе с такими программами как SDR# и Spectrum Lab.
ZEvS_Cat
18.01.2017 04:10Вот еще вопрос. 700 бит/с, в «кадре» содержится 10 ms, значит в секунде 100 «кадров».
Что, каждый «кадр» по 7 бит?!?
amarao
18.01.2017 04:29У Винжа разбирался такой вариант кодека: старательно тренируемая нейронная сеть (а-ля deepdream) учится «говорить как человек», т.е. получать на вход текст с маркерами эмоций, а выдавать звук. (и обратная задача, но это не важно сейчас).
Соответственно, при передаче по сверхнизкому каналу передаётся текст, если есть полоса — маркеры интонаций, если есть полоса — подстроечные коэфиценты для нейронной сети для передачи голоса.
При этом даже если канал падает до минимально возможного, мы всё ещё слышим речь, но «механическую». Если полоса широкая — нейронная сеть воспроизводит голос неотличимо от оригинала.
delvin-fil
18.01.2017 04:34Может я чего-то не понимаю, но как по «ВАВ» судить? А по ссылкам именно wav.
evnuh
всякие ссылки поломаны, проверьте ещё раз каждую
unxed
преимущественно ссылки «слушать»
FisHlaBsoMAN
Можно поискать самому http://www.rowetel.com/downloads/codec2/