Speex

Speex
Rozšíření .spx
MIME typ audio/x-speex a audio/speex [1] [2]
Vývojář Jean-Mark Valin [d] aXiph.Org
Typ formátu Zvukový kodek
Obsaženo v Ogg
standard(y) Specifikace
webová stránka speedex.org

Speex  je kodek pro kompresi volného řeči, který lze použít v aplikacích Voice over Internet ( VoIP ). S největší pravděpodobností neobsahuje žádná patentová omezení a je licencován podle nejnovější verze licence BSD (žádná třetí klauzule). Speex komprimovaná data mohou být uložena buď ve formátu pro ukládání audio dat Ogg nebo přenášena přímo pomocí UDP / RTP paketů .

Vývojáři oponují jejich vývoji vůči jiným otevřeným kodekům, jako je kodek Vorbis , s tím, že právě kodek Speex je nejvhodnější pro přenos hlasu po síti s nespolehlivým doručováním datových paketů. Autoři vývoje přitom konkrétně zdůrazňují, že kodek je vhodný pro použití v sítích s nespolehlivým přenosem paketů, tedy buď paket dorazil, nebo ne. Zároveň musí být vyloučena možnost zkreslení obsahu balení, proto Speex není vhodný pro přenos hlasu, např. v rádiové a mobilní komunikaci.

Popis

Speex patří do třídy tzv. Code Excited Linear Prediction ( CELP ) kodeků, tedy kodeků vybudovaných na bázi tzv. LPC lineárního prediktivního kódování . LPC používá digitální filtr pouze se zpětnou vazbou pro aproximaci segmentu řečového signálu (tzv. „ autoregresivní filtr “). Koeficienty tohoto filtru jsou "napasovány" na signálový segment pomocí Levinsonovy procedury (v západní literatuře - Levinson-Durbin). CELP-modifikace LPK zajišťuje přítomnost tzv. "kódová kniha", která obsahuje předdefinované sady jednotlivých pulzů, které vybudí LPK filtr.

Řečový signál v kodeku Speex je rozdělen do nepřekrývajících se segmentů s délkou trvání 20 ms (160 vzorků při 8 kHz). V tomto případě je pro vyhodnocení budícího souboru výše uvedený segment rozdělen na čtyři dílčí segmenty s délkou trvání 5 ms, resp. Na každém z podsegmentů se nacházejí budicí sady impulsů jak pro aktuální podsegment (z kódové knihy), tak pro dva předchozí podsegmenty. Na rozdíl od jiných kodeků, aby se vyhnul patentovým omezením, Speex nepoužívá algebraické kódování, ale pouze vektorové kódování. Buzení předchozích dvou dílčích segmentů jsou přidány s proměnnými váhami, na rozdíl od řady jiných kodeků, kde se používají proměnné časové polohy.

Podle vývojářů je Speex optimalizován pro vysoce kvalitní řečový signál při nízkých rychlostech. Kodek Speex také umožňuje používat proměnný stupeň komprese signálu a podporuje signály s různou šířkou pásma: ultraširokopásmové ( eng.  ultra-wideband , vzorkovací frekvence 32 kHz), širokopásmové ( eng.  wideband , 16 kHz) a úzkopásmové ( eng .  úzkopásmové , 8 kHz). Zaměření na systémy Voice-over-Internet (VoIP) předurčuje, že Speex musí být odolný proti ztrátě datových paketů, ale ne proti jejich poškození, protože protokol UDP / IP na rozdíl od TCP / IP nezaručuje doručení paketů spotřebiteli, ale zároveň je pravděpodobnost poškození dat v paketu UDP / IP v systémech drátové komunikace extrémně malá. Je třeba poznamenat, že pro přenos dat je možné použít pakety TCP / IP komprimované kodekem Speex. V druhém případě se pravděpodobnost poškození dat stane zanedbatelnou. Tato funkce určuje nepřítomnost jakékoli ochrany proti chybám v datovém formátu kodeku Speex.

Hlavní vlastnosti kodeku:

Funkce

Vzorkovací frekvence Hlavní pro Speex jsou tři vzorkovací frekvence (vzorkování): 8 kHz (nejběžnější frekvence pro digitální telefonní kanály a nejpopulárnější VoIP standard G.711 ), 16 kHz a 32 kHz. Jiné frekvence jsou povoleny, ale Speex není optimalizován pro použití s ​​nimi. Kvalitní Proces kódování řeči je řízen speciálním parametrem, kterým je číslo v rozsahu od 0 do 10. V režimu konstantní bitové rychlosti (CBR ) je  parametrem kvality celé číslo a v režimu proměnné bitové rychlosti je je to číslo s plovoucí desetinnou čárkou . Kompresní poměr (proměnný) Speex umožňuje změnit stupeň komprese signálu, který se v popisu kodeku nazývá „složitost“. Proces řízení vyhledávání se provádí pomocí celého čísla od 1 do 10. Za normálních podmínek je hladina hluku při složitosti 1 o 1-2 dB vyšší než při složitosti 10, ale zatížení procesoru při složitosti 10 je přibližně 5krát vyšší. V praxi je pravděpodobně nejlepší volbou rozsah čísel od 2 do 4, ale pro kódování neřečových signálů (například DTMF  - duální tónová vícefrekvenční volba) mohou být užitečné vyšší hodnoty.

Podpora aplikací

Speex podporuje širokou škálu aplikací, od streamovacích aplikací (telekonference) po videohry a software pro zpracování zvuku. Většina z nich používá filtr DirectShow . Existují také doplňky pro přehrávače Winamp a XMMS . Kromě toho KSP Sound Player od verze 2006.0.0.2 a foobar2000 podporují Speex.

Typ MIME pro Speex je audio/x-speex. V blízké budoucnosti jej nahradí audio/speex.

Nejnovější verze enginu Half-Life 1 a modů na něm založených používají kodek voice_speex.dll k implementaci funkcí VoIP ve hře. Speex poskytuje výrazně lepší kvalitu než výchozí Miles kodek.

Systém Land Warrior armády Spojených států , vyvinutý společností General Dynamics, také používá Speex.

V Civilizaci Sida Meiera 4 jsou popisy technologií vyjádřené Leonardem Nimoyem zakódovány ve formátu Speex.

Aplikace Teamspeak VoIP nabízí Speex mezi 3 dostupnými kodeky. Open-source VoIP program Mumble před verzí 1.2.4 používal Speex. Služba flaphone VoIP používá kodek Speex. Podnikový řídicí systém TeamWox používá pro interní hlasovou komunikaci kodek Speex.

Podpora pro kodek Speex je k dispozici v softwarovém přepínači RTU pro sítě NGN [3] .

Poznámky

  1. ↑ http://www.iana.org/assignments/media-types/audio/speex
  2. ↑ Herlein G., Valin J., Heggestad A., Moizard A. Formát užitečného zatížení RTP pro kodek Speex  (anglicky) - IETF , 2009. - 14 s. doi : 10.17487/RFC5574
  3. ↑ Popis funkčnosti RTU na webu MFI Soft . Získáno 4. května 2012. Archivováno z originálu dne 20. dubna 2012.

Odkazy

 Xiph.Org
Projekt Ogg
Jiné projekty
viz také
 Komprese zvuku
Kodeky
Řeč/hlas
Bezztrátový
Standardy
a formáty