1. Τι είναι η μορφή ήχου iLBC;

Το Internet Low Bitrate Codec δημιουργήθηκε αρχικά από την Global IP Solutions (GIPS) — μια σουηδική εταιρεία ηχητικής μηχανικής που εξαγοράστηκε από τη Google το 2010. Ορίστηκε από το Internet Engineering Task Force υπό το RFC 3951 με την περιγραφή της ενσωμάτωσης του φορτίου RTP στο RFC 3952, το iLBC σχεδιάστηκε ειδικά για αξιόπιστη μετάδοση φωνής μέσω ασταθών συνδέσεων IP.

Ενώ οι σύγχρονοι web browsers συχνά χρησιμοποιούν τον κωδικοποιητή Opus για σύγχρονη επικοινωνία σε πραγματικό χρόνο, το iLBC παραμένει ένα κρίσιμο, χωρίς δικαιώματα χρήσης πρότυπο ενσωματωμένο σε επιχειρηματικά τηλεφωνικά στοίβα, πελάτες SIP, προφίλ συμβατότητας προς τα πίσω του WebRTC, και παλαιές συσκευές VoIP που κατασκευάζονται από Cisco, Polycom και συστήματα Asterisk PBX.

2. Κύρια Χαρακτηριστικά του iLBC

ΠαράμετροςΠροδιαγραφή
ΤυποποίησηIETF RFC 3951 (Κωδικοποιητής), RFC 3952 (Φορτίο RTP)
Κοινές επεκτάσεις αρχείων.ilbc, .lbc
Τύπος Μέσου MIMEaudio/iLBC
Συχνότητα Δειγματοληψίας$8\text{ kHz}$ (Στενό ζώνης)
Ανάλυση Κβαντισμού16-bit γραμμικό PCM
Κανάλια ΉχουΜονο (Ομιλία μονοκαναλική)
Υποστηριζόμενα Μήκη Πλαισίου$20\text{ ms}$ λειτουργία και $30\text{ ms}$ λειτουργία
Λειτουργικοί Ρυθμοί Bit$15.20\text{ kbit/s}$ ($20\text{ ms}$) / $13.33\text{ kbit/s}$ ($30\text{ ms}$)
Bits Φορτίου ανά Μπλοκ$304\text{ bits}$ ($20\text{ ms}$) / $400\text{ bits}$ ($30\text{ ms}$)
Αναγνωριστικό Μαγικής Κεφαλίδας#!iLBC20\n ($20\text{ ms}$) ή #!iLBC30\n ($30\text{ ms}$)
ΑδειοδότησηΧωρίς Δικαιώματα (ανοιχτού κώδικα BSD 3-ρητρων μέσω WebRTC)

3. Λεπτομερή Χαρακτηριστικά & Σχεδίαση Αρχιτεκτονικής

Ανεξάρτητη Κωδικοποίηση Πλαισίου (Μηδενική Διάδοση Σφάλματος)

Παραδοσιακές μορφές συμπίεσης φωνής όπως τα codecs G.729 και της οικογένειας CELP χρησιμοποιούν inter-frame prediction, όπου κάθε πλαίσιο ήχου εξαρτάται από πληροφορίες κατάστασης και διανύσματα προβλεπτών τόνου από το προηγούμενο πλαίσιο. Εάν ένα πακέτο χαθεί σε ένα φορτωμένο δίκτυο, η ελλιπής κατάσταση μεταδίδεται προς τα εμπρός, παραμορφώνοντας τον ήχο που ακολουθεί για αρκετές εκατοντάδες χιλιοστά του δευτερολέπτου.

Το iLBC εξαλείφει αυτήν την εξάρτηση. Κάθε πλαίσιο ομιλίας στο iLBC κωδικοποιείται ανεξάρτητα. Εάν το πακέτο $N$ χαθεί κατά τη μετάδοση, το πακέτο $N+1$ αποκωδικοποιείται με πλήρη ακουστική πιστότητα.

Δυο Λειτουργικές Καταστάσεις ($20\text{ ms}$ vs. $30\text{ ms}$)

Για να δώσει στους τηλεπικοινωνιακούς μηχανικούς ευέλικτη διαχείριση καθυστέρησης, το iLBC ορίζει δύο υποχρεωτικές λειτουργικές λειτουργίες:

  1. $20\text{ ms}$ Λειτουργία Πλαισίου ($15.20\text{ kbit/s}$):
    • Κωδικοποιεί 160 δείγματα ήχου ανά πλαίσιο σε 38 byte ($304\text{ bits}$).
    • Παρέχει χαμηλότερη αλγοριθμική καθυστέρηση ενδιάμεσης αποθήκευσης, καθιστώντας το κατάλληλο για διαδραστικές επικοινωνίες.
  2. $30\text{ ms}$ Λειτουργία Πλαισίου ($13.33\text{ kbit/s}$):
    • Κωδικοποιεί 240 δείγματα ήχου ανά πλαίσιο σε 50 byte ($400\text{ bits}$).
    • Μειώνει την κατανάλωση bit κατά περίπου $12%$, βελτιστοποιώντας την αποδοτικότητα του φορτίου δικτύου σε συνδέσεις μεγάλων αποστάσεων.

Προηγμένη Απόκρυψη Απώλειας Πακέτων (PLC)

Όταν συμβαίνουν χαμένα πακέτα, το iLBC χρησιμοποιεί ένα φίλτρο σύνθεσης LPC (Linear Predictive Coding) μεταβλητής κατάστασης που ανακατασκευάζει τις ελλιπείς αναπαραστάσεις κύκλου τόνου χρησιμοποιώντας τις οριακές καταστάσεις από τα γειτονικά πλαίσια. Αντί να δημιουργεί κλικ, ψηφιακά «pop», ή σκληρές σίγαση, τα χαμένα πακέτα φωνής υποβαθμίζονται ομαλά.

Ποιότητα Ήχου έναντι Προφίλ Ρυθμού Bitrate

Σε ιδανικές συνθήκες δικτύου (0% απώλεια πακέτων), το iLBC επιτυγχάνει ένα Μέσο Βαθμό Άποψης (MOS) περίπου 4.14 (από 5.0). Αν και ελαφρώς κάτω από το ασυμπίεστο G.711 PCM ($\mu$-law στο $\sim 4.3$), το iLBC διατηρεί την καθαρότητα της φωνής σε ποσοστά απώλειας πακέτων έως και $5%\text{ to }10%$, όπου η καταληπτότητα του G.729 ή του G.711 μειώνεται σημαντικά.

4. Πώς να Ανοίξετε και να Αναπαράγετε Αρχεία Ήχου .ilbc

Επειδή το .ilbc είναι μια εξειδικευμένη μορφή ακατέργαστου τηλεφωνικού ρεύματος και όχι ένας γενικού σκοπού καταναλωτικός κοντέινερ μέσων (όπως MP3 ή WAV), οι κυρίαρχοι καταναλωτικοί αναπαραγωγείς δεν μπορούν πάντα να το εντοπίσουν χωρίς ειδικά πακέτα κωδικοποιητών.

Μέθοδος 1: Χρήση Audacity (Εισαγωγή Ακατέργαστων Δεδομένων)

Το Audacity μπορεί να εισάγει ακατέργαστες αποτυπώσεις PCM ή αποκωδικοποιημένα αρχεία φωνής iLBC:

  1. Εκκινήστε το Audacity.
  2. Μεταβείτε στο File > Import > Raw Data…
  3. Επιλέξτε το αρχείο και ορίστε την κωδικοποίηση σε Signed 16-bit PCM, τη σειρά byte σε Little-endian, 1 Channel (Mono), και το ρυθμό δειγματοληψίας σε 8000 Hz.

Μέθοδος 2: Αναπαραγωγή μέσω Γραμμής Εντολών με FFplay

Εάν η έκδοση του FFmpeg που χρησιμοποιείτε είναι μεταγλωττισμένη με την επέκταση libilbc:

ffplay -f ilbc sample.ilbc

Μέθοδος 3: Αφοσιωμένα Αναλυτικά Εργαλεία VoIP

Εργαλεία διάγνωσης δικτύου όπως το Wireshark μπορούν να εξάγουν και να ανακατασκευάσουν τα .ilbc φορτία φωνής απευθείας από καταγεγραμμένες συνεδρίες πακέτων SIP/RTP και να τα αναπαράγουν μέσω της ενσωματωμένης βοηθητικής εφαρμογής RTP Player.

5. Πώς να Δημιουργήσετε και να Μετατρέψετε Αρχεία Ήχου .ilbc

Η εργασία με ήχο .ilbc απαιτεί είσοδο ήχου 16-bit, μονοκαναλική, $8000\text{ Hz}$.

Κωδικοποίηση σε iLBC με χρήση FFmpeg

Για να μετατρέψετε ένα υπάρχον δείγμα ήχου .wav ή .mp3 σε ροή δεδομένων .ilbc:

ffmpeg -i input_speech.wav \
  -ar 8000 \
  -ac 1 \
  -c:a libilbc \
  output_audio.ilbc
  • -ar 8000: Επαναδειγματοληπτεί τον ήχο στον απαιτούμενο ρυθμό 8 kHz.
  • -ac 1: Μετατρέπει τον πολυκαναλικό ήχο σε μονοφωνικό.
  • -c:a libilbc: Χρησιμοποιεί τον αναφορά κωδικοποιητή libilbc.

Καθορισμός της λειτουργίας πλαισίου ($20\text{ ms}$ ή $30\text{ ms}$)

Μπορείτε να επιλέξετε τη λειτουργία πλαισίου χρησιμοποιώντας τη σημαία -mode:

# Encode using 30ms mode (13.33 kbit/s)
ffmpeg -i input_speech.wav -ar 8000 -ac 1 -c:a libilbc -mode 30 output_30ms.ilbc

# Encode using 20ms mode (15.20 kbit/s)
ffmpeg -i input_speech.wav -ar 8000 -ac 1 -c:a libilbc -mode 20 output_20ms.ilbc

Αποκωδικοποίηση ενός αρχείου .ilbc σε τυπικό WAV

Για να μετατρέψετε ένα αρχείο .ilbc σε μη συμπιεσμένο αρχείο WAV που μπορεί να αναπαραχθεί οπουδήποτε:

ffmpeg -f ilbc -i voice_message.ilbc converted_audio.wav

6. Συχνές Ερωτήσεις (FAQ)

Q1: Ποιο κύριο πρόβλημα δημιουργήθηκε για να λύσει η μορφή ήχου iLBC;

Η μορφή iLBC σχεδιάστηκε ώστε να διατηρεί την καταληπτότητα της ομιλίας σε δίκτυα IP, κάνοντας κάθε πλαίσιο ήχου ανεξάρτητο, αποτρέποντας τα σφάλματα απώλειας πακέτων από το να επηρεάσουν επόμενα πλαίσια ομιλίας.

Q2: Ποιες είναι οι δύο λειτουργικές ταχύτητες bit ενός αρχείου .ilbc;

Μια ροή .ilbc λειτουργεί είτε στα $13.33\text{ kbit/s}$ όταν χρησιμοποιεί πλαίσια $30\text{ ms}$ είτε στα $15.20\text{ kbit/s}$ όταν είναι ρυθμισμένη για πλαίσια $20\text{ ms}$.

Q3: Μπορεί η μορφή iLBC να χρησιμοποιηθεί για ροή μουσικής υψηλής πιστότητας;

Όχι, το iLBC είναι ένας στενόζωνη κωδικοποιητής ομιλίας που περιορίζεται αυστηρά σε ρυθμό δειγματοληψίας $8\text{ kHz}$, βελτιστοποιημένος αποκλειστικά για ανθρώπινη ομιλία μεταξύ $90\text{ Hz}$ και $4000\text{ Hz}$.

Q4: Είναι ο κωδικοποιητής ήχου iLBC χωρίς δικαιώματα;

Ναι, το iLBC είναι πλήρως τυποποιημένο σύμφωνα με το IETF RFC 3951 και κυκλοφορεί υπό ανοιχτή πηγή, άδεια 3-ρήτρων BSD χωρίς δικαιώματα μέσω του έργου WebRTC.

Q5: Πώς συγκρίνεται το iLBC με τον σύγχρονο κωδικοποιητή Opus;

Ενώ το iLBC παρείχε απόκρυψη απώλειας πακέτων για στενόζωνη VoIP σε πρώινα δίκτυα ευρυζωνικότητας, ο σύγχρονος κωδικοποιητής Opus υποστηρίζει δυναμικούς ρυθμούς bit, ήχο πλήρους ζώνης ($48\text{ kHz}$) και χαμηλότερη αλγοριθμική καθυστέρηση.

7. Επίσημες προδιαγραφές & αναφορές