سجل أفضل نظام عصبي لإخفاء فقدان الحزم في تحدي Audio Deep PLC Challenge ضمن INTERSPEECH 2022 من Microsoft درجة PLCMOS بلغت 4.28 على مقياس من 1 إلى 5، مقابل 2.90 لمجرد إدراج الصمت و4.51 للأصل النظيف (Microsoft، ورقة تحدي INTERSPEECH 2022 Audio Deep PLC Challenge). وبعد عامين، حين انتقل التحدي نفسه إلى صوت كامل النطاق ودفعات فقدان تصل إلى 3 ثوان، لم يتمكن الفائزون المشتركون إلا من رفع الجودة الإجمالية من 2.37 إلى 3.49، وهو ما يبقى أدنى بكثير من 4.01 التي حصل عليها الكلام النظيف (Microsoft، ورقة تحدي ICASSP 2024 Audio Deep PLC Challenge). والمشكلة ليست نادرة: فقد أفادت Google بأن 99% من مكالمات Duo اضطرت إلى التعامل مع فقدان الحزم أو التذبذب أو التأخير، وأن مكالمة من كل عشر فقدت أكثر من 8% من صوتها (Google Research، مدونة WaveNetEQ 2020). والإخفاء هو الطبقة الصامتة التي تقف تحت الاتجاهات التجارية في إحصائيات VoIP وUCaaS لدينا، ويكمل صورة جانب المشغلين في إحصائيات جودة الصوت (MOS) في الشبكات الخلوية لدينا. وقد جمعنا بيانات من أوراق تحديات Microsoft Research، وIETF وITU-T، وW3C، وGoogle Research، ومطوري Opus في Xiph.Org، وMeta Engineering، ووثائق Microsoft Learn وTwilio، ودراسات PLC المحكمة المدرجة في المنهجية.
أبرز النقاط
- 99% من مكالمات Google Duo اضطرت إلى التعامل مع فقدان الحزم أو التذبذب أو التأخير؛ و10% فقدت أكثر من 8% من إجمالي الصوت (Google Research، مدونة WaveNetEQ 2020).
- تصنف Microsoft Teams تدفق الصوت بأنه ضعيف عندما يتجاوز متوسط فقدان الحزم 0.1، أي 10% (Microsoft Learn، CQD Stream Classification 2026).
- لدى G.711 مع إخفاء ملحقه I عامل متانة أمام فقدان الحزم يبلغ 25.1، مقابل 4.3 دون إخفاء (ITU-T G.113، 09/2024).
- الفائز في الإخفاء العصبي: PLCMOS 4.28 مقابل 2.90 للتعبئة بالأصفار و4.51 للكلام النظيف (Microsoft، ورقة تحدي INTERSPEECH 2022 Deep PLC Challenge).
- احتل PLC الهجين من فريق Opus المركز الأول في دقة الكلمات (0.882) والثاني في الترتيب العام في تحدي 2022 (Valin وآخرون، Real-Time PLC with Mixed Generative and Predictive Model 2022).
- مع دفعات فقدان تصل إلى 3 ثوان، سجل نظامان من أصل 8 أنظمة مؤهلة درجة أدنى من الصوت المفقود غير المعالج في الجودة الإجمالية P.804 (Microsoft، ورقة تحدي ICASSP 2024 Deep PLC Challenge).
- يبلغ ارتباط بيرسون على مستوى النموذج بين PLCMOS والتقييمات البشرية نحو 0.97؛ وعلى البيانات المحاذية للمرجع لا يتجاوز PESQ 0.52 (Diener وآخرون، ورقة PLCMOS 2023).
- يغطي LBRR، وهو FEC داخل النطاق في Opus، إطارا واحدا بنحو 2/3 من معدل البت المعتاد؛ ويغطي DRED حتى ثانية واحدة بنحو 1/50 (IETF draft-ietf-mlcodec-opus-dred-07، أغسطس 2026).
- يحتاج Opus إلى 19 kbps على الأقل لترميز FEC داخل النطاق عند فقدان حزم 10%، بحسب مقارنة Meta الخاصة بترميز MLow (Meta Engineering، MLow 2024).
- قلص Opus 1.6 نماذج DRED لديه بنحو 3 أضعاف، إلى 600 kB من 1,800 kB (Xiph.Org، عرض Opus 1.6 التوضيحي، ديسمبر 2025).
1. كم من الصوت يضيع، وأين تضع المنصات الخط الفاصل
الحزمة في هذا السياق هي شريحة صغيرة واحدة من الصوت (غالبا 20 ms) تُرسل عبر الشبكة. وعندما تصل متأخرة جدا أو لا تصل أبدا، يكون أمام المستقبل خياران: تشغيل الصمت، أو إخفاء الفجوة بتوليد ما يشبه الكلام المفقود. أظهرت بيانات Google نفسها أن 99% من مكالمات Duo اضطرت إلى التعامل مع فقدان الحزم أو التذبذب أو التأخير (Google Research، Improving Audio Quality in Duo with WaveNetEQ 2020). فالإخفاء إذن ليس حالة هامشية: إنه يعمل في كل مكالمة تقريبا.
تختلف المنصات في تحديد النقطة التي يتحول عندها الفقدان من ضوضاء خلفية إلى مشكلة. فتضع Microsoft Teams خط التصنيف الضعيف عند متوسط فقدان 10%، وTwilio عند 5%، وتحذر Microsoft صراحة من أن التصنيف بأنه ضعيف لا يعني أن المستخدمين لاحظوا فعلا مشكلة في الجودة، لأن حزمة الوسائط لديها تصحح الفقدان (Microsoft Learn, Stream Classification in CQD 2026). وهذا التحذير هو الحجة الكاملة لصالح إخفاء أفضل: فكلما امتدت قدرة PLC، تمكنت المنصة من رفع عتبة الإنذار لديها.
| المقياس | القيمة | المصدر |
|---|---|---|
| نسبة مكالمات Google Duo التي يجب أن تتعامل مع فقدان الحزم أو التذبذب أو التأخير | 99% | Google Research، مدونة WaveNetEQ 2020 |
| نسبة مكالمات Duo التي تفقد أكثر من 3% من إجمالي مدة الصوت | 20% | Google Research، مدونة WaveNetEQ 2020 |
| نسبة مكالمات Duo التي تفقد أكثر من 8% من إجمالي مدة الصوت | 10% | Google Research، مدونة WaveNetEQ 2020 |
| متوسط معدل فقدان الحزم الذي يصنف Teams عند تجاوزه تدفق الصوت بأنه ضعيف | أعلى من 0.1 (10%)، ويطبق فقط على التدفقات التي تتجاوز 500 حزمة | Microsoft Learn، CQD Stream Classification 2026 |
| مستوى فقدان الحزم الذي يفعّل وسم المكالمة high_packet_loss لدى Twilio | أعلى من 5% | Twilio Voice Insights، Details: Call Tags |
| قيمة MOS المقدرة التي يضع Twilio دونها وسم low_mos على مكالمة المتصفح أو SDK الجوال | أقل من 3.5 | Twilio Voice Insights، Details: Call Tags |
| متوسط معدل الفقدان في مجموعة اختبار Deep PLC Challenge المستخدمة لتقييم Opus DRED | 18.4%، مع دفعات فقدان تصل إلى ثانية واحدة | Valin وآخرون، ورقة DRED (arXiv 2212.04453 الإصدار 3، 2024) |
أحدث البيانات المتاحة: Google Research، 2020. لم تنشر أي منصة كبرى توزيعا أحدث للفقدان على مستوى المكالمات. وتبلغ Teams عن مقياس «Ratio Concealed Samples Avg» لكل تدفق، حيث تعني القيمة 0.1 أن 10% من إطارات الصوت احتوت على عينات مخفاة (Microsoft Learn, CQD dimensions and measures 2026)، لكن Microsoft لا تنشر قيما على مستوى الأسطول كله. أما المقاييس المقابلة في المتصفح، concealedSamples وconcealmentEvents، فمعرّفة في واجهة إحصائيات WebRTC من W3C (مسودة توصية مرشحة، 25 سبتمبر 2025).
2. الإخفاء الكلاسيكي في الترميزات ضمن نموذج E-model من ITU-T
قبل الشبكات العصبية، كان الإخفاء يعني تكرار آخر فترة نغمة سليمة أو استقراءها. ويقيس نموذج التخطيط من ITU-T (نموذج E-model) مدى صمود الترميز أمام الفقدان بعامل المتانة أمام فقدان الحزم Bpl: وهو رقم بسيط تعني قيمته الأعلى أن الجودة تتدهور ببطء أكبر مع اختفاء الحزم. يبلغ Bpl لترميز G.711 مع خوارزمية الإخفاء من ملحقه I القيمة 25.1، أي ما يقارب ستة أضعاف القيمة 4.3 لترميز G.711 دون إخفاء (ITU-T G.113 09/2024، الجدول I.4).
ما تعنيه هذه الفجوة عمليا أوضح بالأرقام. باستخدام المعادلة 7-29 من ITU-T G.107 (06/2015)، Ie-eff = Ie + (95 - Ie) x Ppl / (Ppl/BurstR + Bpl)، فإن G.711 (Ie = 0) عند فقدان عشوائي بنسبة 5% (BurstR = 1) يعطي 95 x 5 / (5 + 4.3) = 51.1 نقطة اختلال دون إخفاء، و95 x 5 / (5 + 25.1) = 15.8 معه. وعند طرحها من التقييم الافتراضي R = 93.2، يصبح R 42.1 مقابل R 77.4، وتحولهما صيغة الملحق B من G.107 إلى MOS مقدر يبلغ نحو 2.2 مقابل 3.9 (حسابنا الخاص؛ مع إبقاء كل مدخلات E-model الأخرى عند قيمها الافتراضية). والإخفاء وحده ينقل مكالمة بفقدان 5% من الرديئة إلى المقبولة.
| المقياس | القيمة | المصدر |
|---|---|---|
| G.711 (64 kbit/s، حزم 10 ms) دون إخفاء: عامل المتانة أمام فقدان الحزم Bpl عند الفقدان العشوائي | 4.3 | ITU-T G.113 (09/2024)، الجدول I.4 |
| G.711 مع خوارزمية الإخفاء من الملحق I لـ G.711: Bpl عند الفقدان العشوائي | 25.1 | ITU-T G.113 (09/2024)، الجدول I.4 |
| G.729 الملحق A مع كشف النشاط الصوتي (8 kbit/s، حزم 20 ms، إخفاء أصلي مدمج): Ie وBpl | Ie 11، Bpl 19.0 | ITU-T G.113 (09/2024)، الجدول I.4 |
| G.711 بحزم 20 ms، وفقدان 8 حزم في دفعة واحدة عند فقدان 2% (نسبة الدفعات 7.84): الاختلال الفعال Ie-eff | 10 | ITU-T G.113 (09/2024)، الجدول I.6 |
| G.722 عند 64 kbit/s مع الإخفاء عالي الجودة من الملحق III لـ G.722: Bpl للنطاق العريض (الاستماع بالأذنين) | 7.1 | ITU-T G.113 (09/2024)، الملحق IV |
| EVS في وضع النطاق فائق العرض عند 24.4 kbit/s: Bpl للنطاق الكامل | 11.4 | ITU-T G.113 (09/2024)، الملحق V |
| عامل التقييم R في E-model عندما تكون كل المدخلات عند قيمها الافتراضية | 93.2 | ITU-T G.107 (06/2015) |
السياق: لا تقارن قيم Bpl إلا ضمن المقياس نفسه (النطاق الضيق أو العريض أو الكامل). ولا يدرج G.113 أي قيم لـ Opus على الإطلاق، لذا يجب الحكم على صوت WebRTC المبني على Opus بأدوات أخرى (انظر القسم 5).
3. الإخفاء العصبي مقابل الصمت: تحدي Deep PLC لعام 2022
اختبر تحدي INTERSPEECH 2022 الإخفاء العصبي على أنماط فقدان حقيقية، باستخدام تسجيلات مأخوذة من مكالمات Microsoft Teams وقاعدة صارمة للزمن الحقيقي: زمن تأخير خوارزمي إجمالي لا يزيد على 20 ms. ونتيجته الرئيسية هي حجم الفجوة بين الفائز وعدم فعل شيء. سجل النظام الفائز -0.55 على مقياس المقارنة (CMOS، حيث يعني 0 أنه لا يمكن تمييزه عن الأصل النظيف)، مقابل -1.23 للتعبئة بالأصفار (Microsoft، ورقة تحدي INTERSPEECH 2022 Audio Deep PLC Challenge).
تروي الوضوحية قصة أكثر تواضعا. فدقة الكلمات، المقاسة بقيمة 1 ناقص معدل أخطاء الكلمات لدى برنامج التعرف على الكلام، ارتفعت من 0.86 مع الصمت إلى 0.88 فقط للفائز، مقابل 0.97 للكلام النظيف. فالمستمعون يسمعون الإخفاء كتحسن كبير، لكن برنامج التعرف ظل يخطئ في 12% من الكلمات مع النظام الفائز، مقابل 3% في الكلام النظيف، وهو نمط يستحق التذكر بجانب إحصائيات معدل أخطاء الكلمات في التعرف على الكلام لدينا.
| المقياس | القيمة | المصدر |
|---|---|---|
| الكلام المرجعي النظيف: PLCMOS (من 1 إلى 5) ودقة الكلمات | 4.51 و0.97 | Microsoft، ورقة تحدي INTERSPEECH 2022 Deep PLC Challenge |
| خط الأساس بالتعبئة بالأصفار (صمت بدلا من الحزم المفقودة): PLCMOS وCMOS ودقة الكلمات | 2.90 و-1.23 و0.86 | Microsoft، ورقة تحدي INTERSPEECH 2022 Deep PLC Challenge |
| النظام الفائز (الفريق #12، شبكة U-Net في المجال الزمني، نحو 2.36M معامل): PLCMOS وCMOS ودقة الكلمات | 4.28 و-0.55 و0.88 | Microsoft، ورقة تحدي INTERSPEECH 2022 Deep PLC Challenge |
| أدنى نظام مؤهل ترتيبا (الفريق #6) مقابل خط الأساس بالتعبئة بالأصفار: CMOS | -1.31 مقابل -1.23 | Microsoft، ورقة تحدي INTERSPEECH 2022 Deep PLC Challenge |
| إخفاء PLC الهجين التوليدي والتنبئي من فريق Opus: دقة الكلمات وترتيبه في هذا المقياس | 0.882، المركز الأول؛ والثاني في CMOS وفي الترتيب العام | Valin وآخرون، Real-Time PLC with Mixed Generative and Predictive Model 2022 |
| النظام نفسه: الحوسبة لكل 10 ms من الكلام على معالج حاسوب محمول (Intel i7-10810U) | من 1.3 إلى 1.4 ms، أي نحو 13% إلى 14% من نواة واحدة | Valin وآخرون 2022 |
ملاحظة حول القيمة الشاذة: نظام واحد مصنف سجل درجة أقل من خط أساس الصمت في CMOS، وهو تذكير بأن المولد المضبوط بشكل سيئ قد يبدو أسوأ من الفجوة. وكانت المجموعة العمياء مائلة نحو الدفعات القصيرة: 504 من مقاطعها البالغ عددها 966 بلغ أقصى دفعة فيها حتى 120 ms. وتأتي أرقام النظام الهجين من Valin وآخرون، التي صدر إخفاؤها لاحقا ضمن Opus 1.5 (انظر القسم 7).
4. الدفعات الطويلة: حيث لا يزال الإخفاء يفشل (ICASSP 2024)
جعلت نسخة 2024 المهمة أصعب عمدا: صوت كامل النطاق عند 48 kHz، مقيّم بطريقة ITU-T P.804 متعددة الأبعاد (Microsoft Research, ICASSP 2024 Audio Deep PLC Challenge)، ودفعات فقدان تصل إلى 3 ثوان. حتى أفضل نظام لم يغلق سوى نحو ثلثي المسافة بين الصوت المفقود والصوت النظيف: ارتفعت الجودة الإجمالية من 2.37 إلى 3.49، مقابل 4.01 للكلام النظيف ((3.49 - 2.37) / (4.01 - 2.37) = 68%) (Microsoft، ورقة تحدي ICASSP 2024 Audio Deep PLC Challenge).
العمود الأكثر دلالة هو الانقطاع، وهو درجة P.804 للانقطاعات والتشويشات المسموعة (الأعلى يعني أكثر سلاسة). فقد ارتفع من 2.47 إلى 3.90 لأفضل نظام، وهي قفزة أكبر من أي بعد آخر. فالإخفاء يصلح الثقوب التي يلاحظها المستمعون أولا، بينما يكلف الكلام المولد شيئا من الطبيعية. وتظهر دقة الكلمات المفاضلة نفسها: فقد تعرف أحد الفائزين المشتركين على 0.81 من الكلمات، أي أقل قليلا من 0.83 للصوت المفقود دون معالجة، وهو مؤشر إلى أن الكلام المختلق قد يضلل برنامج التعرف أكثر مما يفعل الصمت.
| المقياس | القيمة | المصدر |
|---|---|---|
| الجودة الإجمالية P.804 (من 1 إلى 5): الكلام النظيف مقابل الصوت المفقود غير المعالج مقابل الفائزين المشتركين (1024K وNWPU & ByteAudio) | 4.01 مقابل 2.37 مقابل 3.49 و3.44 | Microsoft، ورقة تحدي ICASSP 2024 Deep PLC Challenge |
| درجة الانقطاع P.804: النظيف مقابل المفقود مقابل أفضل نظام (1024K) | 4.55 مقابل 2.47 مقابل 3.90 | Microsoft، ورقة تحدي ICASSP 2024 Deep PLC Challenge |
| دقة الكلمات: النظيف مقابل المفقود مقابل 1024K مقابل NWPU & ByteAudio | 0.98 مقابل 0.83 مقابل 0.81 مقابل 0.84 | Microsoft، ورقة تحدي ICASSP 2024 Deep PLC Challenge |
| الأنظمة المؤهلة التي سجلت أقل من الصوت المفقود غير المعالج في الجودة الإجمالية P.804 | 2 من 8 (2.11 و2.17) | Microsoft، ورقة تحدي ICASSP 2024 Deep PLC Challenge |
| النطاق الترددي للصوت وطريقة اختبار الاستماع في نسخة 2024 | نطاق كامل، 48,000 Hz؛ تقييم متعدد الأبعاد وفق ITU-T P.804 إضافة إلى معدل أخطاء الكلمات | Microsoft Research، صفحة تحدي ICASSP 2024 Deep PLC Challenge |
السياق: حصل نظام تاسع على 2.91 في الجودة الإجمالية لكنه تجاوز حد زمن التأخير وأدرج على أنه لم يكتمل. ويلاحظ المنظمون أن أنظمة جيل 2022 «قد لا تكون قادرة على الأداء الجيد مع تسلسلات الفقدان الأطول»، وهو بالضبط ما يتولاه ترميز التكرار الاحتياطي (القسم 6).
5. قياس الإخفاء: لماذا تخطئه مقاييس الجودة العامة
أخطاء الإخفاء قصيرة ومتقطعة وغالبا معقولة، وهذا بالضبط ما لم تُصمم مقاييس الجودة العامة لالتقاطه. على البيانات المحاذية للمرجع، لم يتجاوز ارتباط بيرسون على مستوى النموذج بين PESQ والتقييمات البشرية لأنظمة PLC نحو 0.52، وبين STOI 0.21 فقط، بينما بلغ لدى PLCMOS 0.98 (Diener وآخرون، ورقة PLCMOS، Microsoft، Interspeech 2023). والمقياس الذي يرتب الأنظمة ترتيبا خاطئا قد يوجه حقلا بحثيا كاملا في الاتجاه الخاطئ.
يعمل PLCMOS دون مرجع نظيف، وهذا مهم في المكالمات الفعلية التي لا يتوفر فيها الصوت الأصلي أبدا لدى المستقبل. ونقطة ضعفه هي الدقة على مستوى الملف: 0.85 لكل مقطع مقابل 0.97 لكل نظام، فهو يرتب الخوارزميات أفضل بكثير مما يحكم على مكالمة واحدة. ويمتد التوتر نفسه عبر تقييم الكلام الاصطناعي، كما نغطيه في إحصائيات MOS لطبيعية الكلام الاصطناعي لدينا.
| المقياس | القيمة | المصدر |
|---|---|---|
| PLCMOS مقابل التقييمات البشرية: ارتباط بيرسون على مستوى النموذج وارتباط الرتب | نحو 0.97 ونحو 0.95 | Diener وآخرون، ورقة PLCMOS 2023 |
| DNSMOS (مقياس عام لكبح الضوضاء): ارتباط بيرسون على مستوى الملف مقابل مستوى النموذج | 0.52 مقابل 0.85 | Diener وآخرون، ورقة PLCMOS 2023 |
| PESQ مقابل PLCMOS على البيانات المحاذية للمرجع: ارتباط بيرسون على مستوى النموذج | 0.52 مقابل 0.98 | Diener وآخرون، ورقة PLCMOS 2023 |
| STOI (مقياس للوضوحية): ارتباط بيرسون على مستوى النموذج | 0.21 | Diener وآخرون، ورقة PLCMOS 2023 |
| الأصوات البشرية في مجموعة التدريب الرئيسية لـ PLCMOS (LibriSpeech Basic) | 333,740 | Diener وآخرون، ورقة PLCMOS 2023 |
| ملفات الاختبار في مجموعة اختبارات الاستماع لترميزات التعلم الآلي لدى IETF | 100 كلام نظيف، و90 ضوضاء أو صدى، و20 متحدثا متداخلا | IETF draft-ietf-mlcodec-test-battery-00، يونيو 2026 |
السياق: ارتبطت التقييمات المجمعة من الجمهور بتقييمات الخبراء بنحو 0.83 PCC (فاصل الثقة 95%: [0.78, 0.87]) في الدراسة التمهيدية لوسم PLCMOS. ولا تزال مسودة IETF لمجموعة الاختبارات تدرج سيناريوهات فقدان الحزم فيها تحت «التفاصيل ستحدد لاحقا»، ولذلك لا يوجد حتى الآن اختبار فقدان قياسي للترميزات العصبية.
6. ترميز التكرار الاحتياطي: دفع بتات لتفادي الإخفاء
الإخفاء يخمن، أما التكرار الاحتياطي فيرسل نسخة احتياطية. تصحيح الأخطاء الأمامي (FEC) يعني إرفاق نسخة أقل جودة من الصوت السابق بالحزم اللاحقة، بحيث يمكن إعادة بناء الحزمة المفقودة بدلا من اختلاقها. والمقايضة هنا هي عرض النطاق. يغطي FEC الكلاسيكي داخل النطاق في Opus (LBRR) إطارا واحدا فقط بنحو 2/3 من معدل البت المعتاد، بينما يحمل Deep REDundancy (DRED) ما يصل إلى ثانية واحدة أو أكثر بنحو 1/50 من معدل البت المعتاد (IETF draft-ietf-mlcodec-opus-dred-07، أغسطس 2026).
يبين أسلوب RED الأقدم حجم الأثر. ففي اختبار على Chrome عند فقدان 20%، أدى إرسال إطار سابق واحد في كل حزمة إلى خفض حصة الصوت المخفى من 18% إلى 4%، وأدى إرسال إطارين سابقين إلى خفضها إلى 0.7% (webrtcHacks, RED: Improving Audio Quality with Redundancy 2020). والتكلفة: ارتفع الصوت من نحو 30 kbps إلى 60 kbps مع نسخة واحدة و90 kbps مع نسختين. ويوجد DRED للحصول على حماية مماثلة دون مضاعفة معدل البت.
| المقياس | القيمة | المصدر |
|---|---|---|
| FEC داخل النطاق LBRR في Opus: عمق التكرار الاحتياطي وتكلفة معدل البت | إطار واحد؛ نحو 2/3 من معدل بت Opus المعتاد | IETF draft-ietf-mlcodec-opus-dred-07، 2026 |
| Opus DRED: عمق التكرار الاحتياطي وتكلفة معدل البت | حتى ثانية واحدة أو أكثر لكل حزمة؛ نحو 1/50 من معدل البت المعتاد | IETF draft-ietf-mlcodec-opus-dred-07، 2026 |
| تقييم DRED: التكرار الاحتياطي المحمول في كل حزمة، وعدد مرات إرسال كل إطار | 1.04 ثانية؛ 52 نسخة | Valin وآخرون، ورقة DRED (arXiv 2212.04453 الإصدار 3، 2024) |
| معدل بت حالة اختبار LBRR في تقييم DRED (24 kb/s أساسية إضافة إلى LBRR) | 40 kb/s إجمالا، وبمتوسط LBRR نحو 16 kb/s | Valin وآخرون، ورقة DRED 2024 |
| حصة الصوت المخفى عند فقدان 20% في Chrome: بدون RED مقابل إطار سابق واحد مقابل إطارين سابقين | 18% مقابل 4% مقابل 0.7% | webrtcHacks، اختبار RED من Hancke 2020 |
| حصة الصوت المخفى عند فقدان عشوائي 60%: بدون RED مقابل إطار واحد مقابل إطارين سابقين | 60% مقابل 32% مقابل 18% | webrtcHacks، اختبار RED من Hancke 2020 |
| الحد الأدنى لمعدل بت Opus لترميز FEC داخل النطاق عند فقدان حزم 10% | 19 kbps (مقارنة الشركة المطورة نفسها) | Meta Engineering، مدونة ترميز MLow 2024 |
| معدل بت عينات MLow من Meta تحت فقدان حزم 30% في جانب المستقبل | 14 kbps (ادعاء الشركة المطورة نفسها) | Meta Engineering، مدونة ترميز MLow 2024 |
السياق: أرقام webrtcHacks هي اختبار مخبري بقلم مؤلف واحد من عام 2020 (أحدث قياس عام متاح لـ RED في Chrome). وتأتي أرقام Meta من إعلان MLow الخاص بها ولم يتم تكرارها بشكل مستقل. وقد أبلغ عن أن جميع فروق DRED في اختبار الاستماع P.808 الوارد في الورقة (966 مقطعا، 10 مستمعين لكل مقطع) ذات دلالة عند p < .05.
7. شحن الإخفاء: الحوسبة والحجم والمعايير
لا يهم نموذج الإخفاء إلا إذا كان يتسع على أرخص هاتف في المكالمة. يكلف Deep PLC في Opus 1.5 نحو 1% من نواة معالج حاسوب محمول عند معدلات الفقدان العالية، ويضيف نحو 1 MB إلى المكتبة (Xiph.Org, Opus 1.5 demo، مارس 2024، وهي أرقام المطورين أنفسهم). أما مشاركة تحدي 2022 من الفريق نفسه فقد احتاجت إلى 13% إلى 14% من نواة (القسم 3)، مع أن الرقمين قيسا بطريقتين مختلفتين وليسا مقارنة متكافئة تماما.
أما طبقة المعايير فبالمقابل بالكاد تتحرك. فقواعد الصوت في WebRTC (RFC 7874، 2016) تفرض Opus وG.711 لكنها لا تضع أي اشتراط بشأن الإخفاء أو FEC، تاركة الجودة تحت الفقدان بالكامل لكل تنفيذ. وواصل Opus 1.6 تصغير النماذج: فشبكات DRED فيه أصغر بنحو 3 أضعاف مما في 1.5 (Xiph.Org, Opus 1.6 demo، ديسمبر 2025).
| المقياس | القيمة | المصدر |
|---|---|---|
| Deep PLC في Opus 1.5: حجم المكتبة المضاف وتكلفة المعالج | نحو 1 MB؛ نحو 1% من نواة حاسوب محمول عند الفقدان العالي؛ يتطلب تعقيد مفكك الترميز 5 أو أعلى | Xiph.Org، عرض Opus 1.5 التوضيحي 2024 (أرقام المطورين أنفسهم) |
| DRED في Opus 1.5: حجم المكتبة المضاف وتكلفة التشغيل وعبء معدل البت | نحو 2 MB؛ نحو 1%؛ نحو 12 إلى 32 kb/s | Xiph.Org، عرض Opus 1.5 التوضيحي 2024 (أرقام المطورين أنفسهم) |
| المرمز الصوتي العصبي FARGAN المستخدم لتوليد الكلام المخفى والاحتياطي: التعقيد | 600 MFLOPS، أي 1/5 من LPCNet | Xiph.Org، عرض Opus 1.5 التوضيحي 2024 |
| معدلات الفقدان في اختبارات WebRTC لـ Opus 1.5 (PLCMOS v2) | من 0% إلى 90% بخطوات 10%؛ ويفاد بأن DRED يحافظ على الجودة عند فقدان 90% | Xiph.Org، عرض Opus 1.5 التوضيحي 2024 (ادعاء المطورين أنفسهم) |
| حجم نموذج DRED في Opus 1.6 مقابل Opus 1.5 | 600 kB مقابل 1,800 kB | Xiph.Org، عرض Opus 1.6 التوضيحي، ديسمبر 2025 |
| أحجام إطارات Opus وطول الحزمة ونطاق معدل البت | إطارات من 2.5 إلى 60 ms؛ حزم تصل إلى 120 ms؛ من 6 إلى 510 kbit/s | IETF RFC 6716 (2012) |
| التأخير الخوارزمي في Opus | من 5 ms إلى 65.2 ms | IETF RFC 6716 (2012) |
| الترميزات التي يجب أن تدعمها نقاط WebRTC الطرفية | Opus وG.711 (PCMA وPCMU)؛ دون اشتراط PLC أو FEC | IETF RFC 7874 (2016) |
السياق: RFC 6716 وRFC 7874 أقدم من ثلاث سنوات لكنهما لا يزالان المعيارين الحاليين (RFC 6716، RFC 7874). ومسودة DRED، إن اعتمدت، ستحدّث RFC 6716 بطبقة تكرار احتياطي عصبية.
الخلاصة: إخفاء فقدان حزم صوت WebRTC بالأرقام
| المقياس | القيمة | المصدر |
|---|---|---|
| مكالمات Google Duo التي يجب أن تتعامل مع فقدان الحزم أو التذبذب أو التأخير | 99% | Google Research، مدونة WaveNetEQ 2020 |
| مكالمات Duo التي تفقد أكثر من 8% من صوتها | 10% | Google Research، مدونة WaveNetEQ 2020 |
| عتبة التصنيف الضعيف في Teams لمتوسط فقدان حزم الصوت | أعلى من 0.1 (10%) | Microsoft Learn، CQD Stream Classification 2026 |
| عتبة وسم high_packet_loss لدى Twilio | أعلى من 5% | Twilio Voice Insights، Details: Call Tags |
| عامل المتانة Bpl في G.711: دون إخفاء مقابل إخفاء الملحق I | 4.3 مقابل 25.1 | ITU-T G.113 (09/2024) |
| G.729 الملحق A مع كشف النشاط الصوتي: Bpl | 19.0 | ITU-T G.113 (09/2024) |
| PLCMOS في تحدي 2022: التعبئة بالأصفار مقابل الفائز مقابل النظيف | 2.90 مقابل 4.28 مقابل 4.51 | Microsoft، ورقة تحدي INTERSPEECH 2022 Deep PLC Challenge |
| دقة الكلمات في تحدي 2022: التعبئة بالأصفار مقابل الفائز مقابل النظيف | 0.86 مقابل 0.88 مقابل 0.97 | Microsoft، ورقة تحدي INTERSPEECH 2022 Deep PLC Challenge |
| حوسبة PLC الهجين من فريق Opus لكل 10 ms من الكلام | من 1.3 إلى 1.4 ms (13% إلى 14% من نواة واحدة) | Valin وآخرون 2022 |
| الجودة الإجمالية P.804 في تحدي 2024: المفقود مقابل الأفضل مقابل النظيف | 2.37 مقابل 3.49 مقابل 4.01 | Microsoft، ورقة تحدي ICASSP 2024 Deep PLC Challenge |
| أنظمة تحدي 2024 التي سجلت أقل من الصوت المفقود غير المعالج | 2 من 8 | Microsoft، ورقة تحدي ICASSP 2024 Deep PLC Challenge |
| ارتباط بيرسون على مستوى النموذج بين PLCMOS والتقييمات البشرية | نحو 0.97 | Diener وآخرون، ورقة PLCMOS 2023 |
| ارتباط بيرسون على مستوى النموذج لـ PESQ مقابل STOI على أنظمة PLC | 0.52 مقابل 0.21 | Diener وآخرون، ورقة PLCMOS 2023 |
| عمق التكرار الاحتياطي في LBRR مقابل DRED | إطار واحد مقابل ثانية واحدة أو أكثر | IETF draft-ietf-mlcodec-opus-dred-07، 2026 |
| معدل بت التكرار الاحتياطي في DRED نسبة إلى Opus المعتاد | نحو 1/50 | IETF draft-ietf-mlcodec-opus-dred-07، 2026 |
| الصوت المخفى عند فقدان 20%: بدون RED مقابل RED بإطارين | 18% مقابل 0.7% | webrtcHacks، اختبار RED من Hancke 2020 |
| الحد الأدنى لمعدل بت FEC داخل النطاق في Opus عند فقدان 10% | 19 kbps (مقارنة الشركة المطورة نفسها) | Meta Engineering، مدونة ترميز MLow 2024 |
| تكلفة المعالج لـ Deep PLC في Opus 1.5 | نحو 1% من نواة حاسوب محمول | Xiph.Org، عرض Opus 1.5 التوضيحي 2024 |
| حجم نموذج DRED في Opus 1.6 مقابل 1.5 | 600 kB مقابل 1,800 kB | Xiph.Org، عرض Opus 1.6 التوضيحي 2025 |
المنهجية والمصادر
- Microsoft Research، ورقة تحدي INTERSPEECH 2022 Audio Deep Packet Loss Concealment Challenge (Diener وآخرون، 2022): arxiv.org/pdf/2204.05222
- Microsoft Research، ورقة تحدي ICASSP 2024 Audio Deep Packet Loss Concealment Challenge (2024): arxiv.org/html/2402.16927v1
- Microsoft Research، صفحة برنامج تحدي ICASSP 2024 Audio Deep PLC Challenge: microsoft.com
- Diener وآخرون، PLCMOS: a data-driven non-intrusive metric for the evaluation of packet loss concealment algorithms (Interspeech 2023): arxiv.org/pdf/2305.15127
- Valin وآخرون، Real-Time Packet Loss Concealment With Mixed Generative and Predictive Model (2022): arxiv.org/pdf/2205.05785
- Valin وآخرون، DRED: Deep REDundancy Coding of Speech Using a Rate-Distortion-Optimized Variational Autoencoder (arXiv الإصدار 3، 2024): arxiv.org/pdf/2212.04453
- IETF، Deep Audio Redundancy (DRED) Extension for the Opus Codec، draft-ietf-mlcodec-opus-dred-07 (أغسطس 2026): ietf.org
- IETF، ML codec listening test battery، draft-ietf-mlcodec-test-battery-00 (يونيو 2026): ietf.org
- IETF RFC 6716، Definition of the Opus Audio Codec (2012): rfc-editor.org
- IETF RFC 7874، WebRTC Audio Codec and Processing Requirements (2016): rfc-editor.org
- W3C، Identifiers for WebRTC’s Statistics API (مسودة توصية مرشحة، 25 سبتمبر 2025): w3.org
- ITU-T G.113 (09/2024)، Transmission impairments due to speech processing: itu.int
- ITU-T G.107 (06/2015)، The E-model: itu.int
- Google Research، Improving Audio Quality in Duo with WaveNetEQ (أبريل 2020): research.google
- Microsoft Learn، Stream Classification in Call Quality Dashboard (حدثت في يونيو 2026): learn.microsoft.com
- Microsoft Learn، Dimensions and measures available in Call Quality Dashboard (حدثت في يوليو 2026): learn.microsoft.com
- Twilio، Voice Insights Details: Call Tags: twilio.com
- Meta Engineering، MLow: Meta’s low bitrate audio codec (يونيو 2024): engineering.fb.com
- Xiph.Org، عرض Opus 1.5 التوضيحي (مارس 2024) وعرض Opus 1.6 التوضيحي (ديسمبر 2025): opus-codec.org/demo/opus-1.5، opus-codec.org/demo/opus-1.6
- webrtcHacks، RED: Improving Audio Quality with Redundancy (Philipp Hancke، أغسطس 2020): webrtchacks.com
- ملاحظة حول البيانات: التوزيع الوحيد للفقدان على مستوى المكالمات من منصة كبرى هو رقم Google لمكالمات Duo من عام 2020، وقياسات إخفاء RED هي اختبار بقلم مؤلف واحد من عام 2020، ولذلك أشير إلى كليهما على أنه أحدث البيانات المتاحة. ومثال E-model في القسم 2 هو حسابنا الخاص من المعادلة 7-29 والملحق B في ITU-T G.107 مع قيم Bpl من G.113، مع إبقاء كل مدخل آخر عند قيمته الافتراضية؛ وهو تقدير وليس قياسا. ولا يمكن مقارنة درجات التحديات بين النسختين: فقد استخدمت نسخة 2022 صوتا عريض النطاق وPLCMOS وCMOS مع دفعات فقدان تصل إلى ثانية واحدة، بينما استخدمت نسخة 2024 صوتا كامل النطاق وP.804 ودفعات تصل إلى 3 ثوان. وفي ورقة 2022 ارتبط PLCMOS بـ CMOS بنحو 0.95 وفق بيرسون، بينما يفيد إصدار PLCMOS اللاحق بنحو 0.97 على مجموعة تقييم مختلفة. وأرقام Xiph.Org وMeta هي ادعاءات المطورين أنفسهم. وتتعارض عتبتا Teams (10%) وTwilio (5%) بحكم التصميم لأن كل شركة تضبطهما وفق حزمة الوسائط الخاصة بها. وقد تتغير مسودة DRED (تنتهي صلاحيتها في فبراير 2027) ومسودة مجموعة اختبارات IETF، التي لا تزال سيناريوهات فقدان الحزم فيها غير محددة، قبل نشرهما كـ RFC.
آخر تحديث: 24 أكتوبر 2026. نحدث هذا الاستعراض كل ثلاثة أشهر، ومن المتوقع أن يأتي التحديث التالي عندما ينشر فريق عمل mlcodec في IETF المراجعة التالية لمسودة Opus DRED وسيناريوهات فقدان الحزم في مجموعة الاختبارات.