1. 什么是 iLBC 音频格式？

The Internet Low Bitrate Codec 最初由 Global IP Solutions (GIPS) 创建——这是一家瑞典音频工程公司，于 2010 年被 Google 收购。它由互联网工程任务组（IETF）在 RFC 3951 中定义，并在 RFC 3952 中概述了 RTP 负载封装，iLBC 专为在不稳定的 IP 链路上实现稳健的语音传输而设计。

虽然现代网页浏览器通常使用 Opus 编解码器进行实时通信，iLBC 仍然是一个关键的免版税标准，嵌入在企业电话系统、SIP 客户端、WebRTC 向后兼容配置文件以及由 Cisco、Polycom 和 Asterisk PBX 系统制造的传统 VoIP 设备中。

2. iLBC 的关键特性

参数规格
标准化IETF RFC 3951（编解码器），RFC 3952（RTP 负载）
常见文件扩展名.ilbc, .lbc
MIME 媒体类型audio/iLBC
采样频率$8\text{ kHz}$ (窄带)
量化分辨率16 位线性 PCM
音频通道单声道（单通道语音）
支持的帧长度$20\text{ ms}$ 模式和 $30\text{ ms}$ 模式
运行比特率$15.20\text{ kbit/s}$ ($20\text{ ms}$) / $13.33\text{ kbit/s}$ ($30\text{ ms}$)
每块有效负载位$304\text{ bits}$ ($20\text{ ms}$) / $400\text{ bits}$ ($30\text{ ms}$)
魔术头标识符#!iLBC20\n ($20\text{ ms}$) 或 #!iLBC30\n ($30\text{ ms}$)
许可免版税（通过 WebRTC 的 3 条款 BSD 开源）

3. 深入特性与架构设计

独立帧编码（零错误传播）

传统的语音压缩格式，如 G.729 和 CELP 系列编解码器，使用 帧间预测，其中每个音频帧依赖于前一帧的状态信息和音高预测向量。如果在拥挤的网络中丢失了数据包，缺失的状态会向前传播，导致下游音频在数百毫秒内出现乱码。

iLBC 消除了这种依赖。 iLBC 中的每个语音帧都是独立编码的。 如果在传输过程中丢失了数据包 $N$，则数据包 $N+1$ 能够以完整的声学保真度解码。

双模式操作（$20\text{ ms}$ 与 $30\text{ ms}$)

为了让电信工程师能够灵活管理延迟，iLBC 定义了两种强制性的工作模式：

  1. $20\text{ ms}$ 帧模式 ($15.20\text{ kbit/s}$):
    • 将每帧 160 个音频样本编码为 38 字节（$304\text{ bits}$）。
    • 提供更低的算法缓冲延迟，使其非常适合交互式通信。
  2. $30\text{ ms}$ 帧模式 ($13.33\text{ kbit/s}$):
    • 将每帧 240 个音频样本编码为 50 字节（$400\text{ bits}$）。
    • 将比特消耗降低约 $12%$，优化长途连接的网络负载效率。

高级数据包丢失隐藏 (PLC)

当出现丢包时，iLBC 使用状态变量 LPC（线性预测编码）合成滤波器，通过邻近帧的边界状态重建缺失的音高周期表示。它不会产生点击声、数字噼啪声或刺耳的静音，而是使丢失的语音包平滑降级。

音频质量与比特率配置文件

在理想的网络条件下（0% 丢包），iLBC 的平均意见分数（MOS）约为 4.14（满分 5.0）。虽然略低于未压缩的 G.711 PCM（$\mu$-law 约为 $\sim 4.3$），但 iLBC 在高达 $5%\text{ to }10%$ 的丢包率下仍能保持语音清晰度，而此时 G.729 或 G.711 的可懂度会显著下降。

4. 如何打开和播放 .ilbc 音频文件

因为 .ilbc 是一种专用的原始电话流格式，而不是通用的消费媒体容器（如 MP3 或 WAV），主流消费播放器在没有专用解码器包的情况下并不总能识别它。

方法 1：使用 Audacity（导入原始数据）

Audacity 可以导入原始 PCM 转储或已解码的 iLBC 语音文件：

  1. 启动 Audacity。
  2. 导航至 文件 > 导入 > 原始数据…
  3. 选择文件并将编码设置为 Signed 16-bit PCM，字节序设为 Little-endian，1 通道（单声道），采样率设为 8000 Hz。

方法 2：通过 FFplay 命令行播放

如果你的 FFmpeg 构建已编译了 libilbc 扩展：

ffplay -f ilbc sample.ilbc

方法 3：专用 VoIP 分析仪

网络诊断工具如 Wireshark 可以直接从捕获的 SIP/RTP 包会话中提取并重建 .ilbc 语音负载，并通过内置的 RTP Player 实用程序进行播放。

5. 如何创建和转换 .ilbc 音频文件

使用 .ilbc 音频需要 16 位、单声道、$8000\text{ Hz}$ 输入音频。

使用 FFmpeg 对 iLBC 进行编码

将现有的 .wav 或 .mp3 音频样本转换为 .ilbc 位流：

ffmpeg -i input_speech.wav \
  -ar 8000 \
  -ac 1 \
  -c:a libilbc \
  output_audio.ilbc
  • -ar 8000：将音频重新采样至所需的 8 kHz 采样率。
  • -ac 1：将多声道音频混合为单声道。
  • -c:a libilbc：使用 libilbc 参考编码器。

指定帧模式（$20\text{ ms}$ 或 $30\text{ ms}$）

您可以使用 -mode 标志选择帧模式：

# 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

将 .ilbc 文件解码回标准 WAV

将 .ilbc 文件转换为可在任何地方播放的未压缩 WAV 文件：

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

6. 常见问题解答 (FAQ)

Q1：iLBC 音频格式创建的主要问题是什么？

iLBC 格式的设计旨在通过使每个音频帧独立，保持在 IP 网络中的语音可懂度，从而防止数据包丢失错误在后续语音帧中级联传播。

Q2：.ilbc 文件的两种工作比特率是什么？

一个 .ilbc 流在使用 $30\text{ ms}$ 帧时的比特率为 $13.33\text{ kbit/s}$，或在配置为 $20\text{ ms}$ 帧时为 $15.20\text{ kbit/s}$。

Q3：iLBC 格式可以用于流式传输高保真音乐吗？

不，iLBC 是一种窄带语音编解码器，严格限制在 $8\text{ kHz}$ 采样率，仅针对 $90\text{ Hz}$ 到 $4000\text{ Hz}$ 之间的人声进行优化。

Q4：iLBC 音频编解码器是免版税的吗？

是的，iLBC 已完全在 IETF RFC 3951 下标准化，并通过 WebRTC 项目以开源、免版税的 3 条款 BSD 许可证发布。

Q5：iLBC 与现代 Opus 编解码器相比如何？

虽然 iLBC 在早期宽带网络中为窄带 VoIP 提供了丢包隐藏功能，但现代的 Opus 编解码器支持动态比特率、全频段（$48\text{ kHz}$）音频以及更低的算法延迟。

7. 官方规格与参考文献