コーデック 2

コーデック2は、特許フリーでオープンソースの低ビットレートの音声オーディオコーデック（音声コーディング）です。^{[1]コーデック2は、人間の}音声に特化した方法である正弦波コーディングを使用して音声を圧縮します。3200〜450ビット/秒のビットレートが実現されています。コーデック2は、アマチュア無線やその他の高圧縮音声アプリケーション で使用するために設計されました。

このコーデックは、David Grant Rowe氏によって開発され、他の研究者（OpusのJean-Marc Valin氏など）の支援と協力を得ました。^[2]

Codec 2 は、3200、2400、1600、1400、1300、1200、700、および 450 ビット/秒のコーデック モードで構成されています。これは、他のほとんどの低ビットレート音声コーデックよりも優れています。たとえば、Advanced Multi-Band Excitationの半分の帯域幅を使用して、同様の品質で音声をエンコードします。^[要出典]音声コーデックは、16 ビットPCMサンプル オーディオを使用し、パックされたデジタル バイトを出力します。パックされたデジタル バイトが送信されると、PCM サンプル オーディオを出力します。オーディオ サンプル レートは 8 kHz に固定されています。

リファレンス実装はオープンソースであり、GitHubリポジトリで自由に入手できます。^[3]ソースコードはGNU Lesser General Public License (LGPL)バージョン2.1の条件に従って公開されています。^[4] C言語でプログラムされており、現在のソースコードでは浮動小数点演算が必要ですが、アルゴリズム自体はこれを必要としません。リファレンスソフトウェアパッケージには、周波数分割多重デジタル音声ソフトウェアモデムとWxWidgetsに基づくグラフィカルユーザーインターフェイスも含まれています。ソフトウェアはLinux上で開発されており、Apple MacOSバージョンに加えて、Cygwinで作成されたMicrosoft Windowsへの移植版も提供されています。

このコーデックはさまざまなカンファレンスで発表されており、2012 ARRL Technical Innovation Award ^[5]とLinux Australia ConferenceのBest Presentation Award ^{[6]を受賞しています。}

内部的には、パラメトリック オーディオ コーディング アルゴリズムが、人間の声のモデルを使用して 10 ミリ秒の PCM フレームで動作します。これらの各オーディオ セグメントは、有声音(母音) または無声音 (子音) として宣言されます。

コーデック 2 は、音声をモデル化するために正弦波符号化を使用します。これは、マルチバンド励起コーデックの符号化と密接に関連しています。正弦波符号化は、倍音周波数のパターンの規則性 (周期性) に基づいており、倍音正弦波を重ねます。話し声は、話し手の声の特定の基本周波数(ピッチ)の上に、線スペクトル対(LSP) と呼ばれる独立した振幅を持つ、倍音的に関連する正弦波の合計として音声をモデル化することで再現されます。倍音の (量子化された) ピッチと振幅 (エネルギー) はエンコードされ、LSP とともにデジタル形式でチャネルを介して交換されます。LSP 係数は、周波数領域で線形予測符号化(LPC) モデルを表し、LPC パラメータの堅牢で効率的な量子化に役立ちます。^[7]

デジタル バイトは、バイトにまとめられたビット フィールド形式です。これらのビット フィールドは、グループ化される前にオプションでグレー コーディングされます。グレー コーディングは、生の状態で送信する場合に便利ですが、通常、アプリケーションはビット フィールドをバーストします。ビット フィールドは、保存または交換されるさまざまなパラメーター (ピッチ、エネルギー、ボイシング ブール値、LSP など) を構成します。

たとえば、モード 3200 では、20 ミリ秒のオーディオが 64 ビットに変換されます。したがって、64 ビットは 20 ミリ秒ごとに (1 秒あたり 50 回) 出力され、最小データ レートは 3200 ビット/秒になります。これらの 64 ビットは 8 バイトとしてアプリケーションに送信され、アプリケーションはビット フィールドをアンラップするか、データ チャネルを介してバイトを送信する必要があります。

もう 1 つの例はモード 1300 です。このモードでは、40 ミリ秒のオーディオが送信され、40 ミリ秒ごとに 52 ビット (1 秒あたり 25 回) が出力され、最小レートは 1300 ビット/秒です。これらの 52 ビットは、7 バイトとしてアプリケーションまたはデータ チャネルに送信されます。

コーデック2は現在、いくつかの無線機やソフトウェア定義無線システムで使用されている。

• フリーDV ^[8]
• フレックスラジオ6000シリーズ^[9]
• SM1000 ^[10]
• クイスク^[11]
• M17プロジェクト^[12]

Codec2 はFreeSWITCHにも統合されており、Asteriskでサポートするためのパッチも利用可能です。

アマチュア無線用キューブサット LilacSat-1（コールサインON02CN、QB50コンステレーション）には、FMからCodec2へのデジタル音声中継器が地球軌道上に搭載されており、 2017年に国際宇宙ステーションから打ち上げられ、その後展開された。^[13]

著名なフリーソフトウェアの提唱者でありアマチュア無線家でもある ブルース・ペレンズは、5 kbit/s 未満で動作するフリースピーチコーデックの作成を訴えました。彼自身には経験がなかったため、2008 年にジャン＝マルク・ヴァリンにアプローチし、ヴァリンからリード開発者のデイビッド・グラント・ロウを紹介されました。ロウはヴァリンと何度かSpeexで協力しています。ロウ自身もアマチュア無線家 (アマチュア無線のコールサインVK5DGR) であり、音声コーデックや音声信号用のその他の信号処理アルゴリズムの作成と使用の経験がありました。彼は 1990 年代に音声コーディングの博士号を取得し、最初の衛星電話システムの 1 つ (Mobilesat) の開発に携わりました。

彼はこの仕事に同意し、2009年8月21日にフォーマットの開発に取り組む決定を発表しました。彼は博士論文の研究と発見を基に作業を進めました。^{[14] [15]}基礎となる正弦波モデリングは、1980年代半ばのロバート・J・マコーレーとトーマス・F・クアティエリ（MITリンカーン研究所）による開発に遡ります。

2010年8月、David Roweはバージョン0.1アルファを公開しました。^[16]バージョン0.2は2011年末にリリースされ、1,400ビット/秒のモードが導入され、量子化が大幅に改善されました。

2012年1月、 linux.conf.auで、Jean-Marc Valinは、Roweがあまり詳しくない線スペクトル対の量子化の改善に協力しました。^[17] 2011年冬と2012年春に利用可能なビットレートモードにいくつかの変更が行われた後、その年の5月以降、2,400、1,400、1,200ビット/秒のモードが利用可能になりました。

700ビット/秒のビットレートを持つ新しいモードであるコーデック2 700Cは、2017年初頭に完成しました。^[18]

2018年7月には、エアランゲン・ニュルンベルク大学の修士論文の一環として開発された実験的な450ビット/秒モードが実証されました。ベクトル量子化を巧みに訓練することで、700Cモードの原理に基づいてデータレートをさらに削減することができます。^[19]

• 公式サイト
• 無料DV