Opus：為網絡而生的音頻編碼

Opus編碼詳解

Opus的內核包含兩種編碼方式，分別是CELT和SILK，它會根據不同的信號類型（語音、音樂）來采用不同的音頻壓縮方式。CELT與MP3功能類似，負責音樂存儲，而SILK會在編碼之前優化語音信號。

音樂和語音

CELT編碼可以實時壓縮音樂。為了達到該目標，它將數據打包為小的音頻幀，從而保證只有2.5ms的延遲。

SILK編碼首先降低采用頻率到16kHz，然后才開始真正的編碼過程。

語音編碼

語音信號在正式編碼之前，首先要經過SILK編碼器的詳細分解。

語音識別 將語音與周圍環境噪音分隔開。

音高分析 降低語音幀的采樣率。

噪聲分析 優化噪聲到相應的比特率。

預過濾器 調整信號，然后將其轉移到編碼區。

音高預測 通過目前的音頻幀計算未來的音頻幀變化。

頻率量化 使傳輸的音高變得平穩。

失真優化 確保在可接受的語音失真內采用最低比特率。

噪音量化 調整預過濾的噪聲與已編碼的語音幀。

區域編碼 處理每一個已編碼的音頻幀信號。

音頻編碼對比

與其他的音頻編碼方式相比，Opus在低延遲情況下覆蓋了所有的比特率。手機的語音編碼相對是快的，但是很難達到較高的通話質量，而傳統的音頻編碼則在實時性上有欠缺。

新的音頻編碼標準Opus比傳統的MP3和AAC編碼更高效，尤其適用于網絡音頻傳輸。更重要的是，它是一個完全開放的標準。

包括VoIP、在線音樂、有聲讀物和播客（Podcasts）等在內，網絡流量中相當大的一部分貢獻給了音頻傳輸。上面提到的這幾項操作，在快速的DSL線路上可以流暢地進行。但如果使用的是蜂窩數據連接，VoIP通話就難免會產生令人不爽的延遲，在線音樂也會變得時斷時續。不過，現在已經有一種名為Opus的音頻編碼會解決這些問題。它的最大優勢是可以利用更小的帶寬帶來更高質量的音頻，而且可以實時進行。除此之外，Opus本身的編碼是完全開源的，開發者不需要擔心任何專利授權的問題。

從一開始，Opus編碼就是為交互式音頻傳輸而開發的。這意味著Opus編碼不僅適用于音樂，而且支持雙向音頻傳輸，例如為視頻電話和VoIP通話做了充分的優化。2012年9月初，IETF（互聯網工程任務組）將其提升為正式的官方標準，也就是說它事實上已經成為了HTML標準的一部分。Opus音頻編碼是由非盈利的Xiph.org基金會、Skype和Mozilla等共同主導開發的。像MP3一樣，Opus也是一種有損音頻編碼，這意味著在傳輸過程中內容會被壓縮。低延遲是它的最大特色，也就是說，它的信號延遲非常小，數據包會在20ms之內被處理。相比之下， MP3文件的延遲是它的10倍。

高度的靈活性

Opus的開發者在靈活性上付出了很大的心血，從而保證了Opus的比特率可以從6Kb/s到510Kb/s，采樣率可以在8kHz到48kHz之間搖擺，音頻信號幀可以從2.5ms到60ms。從內部結構來看，Opus是開發者利用已經存在的音頻編碼進行優化后組合而成的所謂混合編碼。Opus聯合了CELT（Constrained Energy Lapped Transform）和SILK編碼，并且對兩者進行了改良。CELT編碼由于“實時”的特性，已經被作為OGG家族的一部分。最初來自Skype的SILK編碼，從Skype 4.0開始已經作為語音編碼的方式被引入。

大體上，Opus編碼器的結構和功能都非常簡單。首先，輸入信號被以最高達48kHz的采樣率進行采樣。因為人的耳朵已經很難分辨更高采樣率音頻的更多細節了。然后，根據頻率的不同，使數據流通過CELT或者SILK編碼器。如果最終需要的是高品質的音樂，那么CELT編碼器是首選。而利用SILK，人們可以使用最優化的帶寬來傳輸音頻。為了這個目標，SILK編碼必須做一些與之前的編碼不一樣的事情。

對話中的語音分析

SILK編碼適合采樣率不超過16kHz的低頻信號，一個典型的場景就是語音通話。因此，在Opus編碼中，所有低于16kHz采樣率的音頻內容都由SILK編碼。SILK編碼器包含一系列組件，在這里將它們總結為4個部分：分析、預過濾、編碼和輸出。其中，音頻分析的背后其實是語音識別。首先，將音頻信號分為語音和環境噪音兩部分。將語音幀根據頻率分解為更小的音頻碎片，SILK編碼器過濾掉延遲信息，識別出有效語音信號的特點。第二項優化是噪聲分析，它將周圍環境中重復的噪音打包為越小越好的音頻子幀（sub-frames），使其占用更小的帶寬。利用分析階段獲得的信息，SILK編碼器就可以進行音高預測和頻率量化。例如，如果在一段對話中，音高（pitch）沒有大的變化，那么只需要傳輸變化部分的信息就可以了。這一步的目標是讓數據流在保證質量的同時，越少越好。噪聲的量化是另一種達成目標的方法。在這個例子中，SILK編碼可以確保不進行不必要的優化，而且不可避免的噪聲沒有消耗過多的比特率。

所有的高頻信號，也就是頻率最高達20kHz的信號，都采用CELT編碼器處理。與MP3和AAC編碼一樣，它通過修改后的離散余弦變換（DCF）將頻率轉換為系數，從而消減在隨后的量化中難以覆蓋或者人耳很難感知的頻率。開發者為Opus定義了3個模式，使得SILK和CELT也能夠同時工作：純SILK模式負責低帶寬下的語音傳輸；混合模式負責高質量的語音傳輸；純CELT模式負責音樂傳輸。Firefox用戶從第15版開始可以在不安裝插件的情況下，直接播放Opus文件。視頻播放器VLC Media Player也將集成Opus編解碼。現在打開opus-codec.org/examples網站就可以立即試聽采用Opus編碼的音頻文件樣例。