Sistem penyembunyian kehilangan paket neural terbaik dalam INTERSPEECH 2022 Audio Deep PLC Challenge milik Microsoft meraih PLCMOS 4,28 pada skala 1 sampai 5, dibandingkan 2,90 jika sekadar menyisipkan keheningan dan 4,51 untuk aslinya yang bersih (Microsoft, makalah INTERSPEECH 2022 Audio Deep PLC Challenge). Dua tahun kemudian, ketika tantangan yang sama beralih ke audio full-band dan kehilangan beruntun hingga 3 detik, para pemenang bersama hanya mampu menaikkan kualitas keseluruhan dari 2,37 ke 3,49, masih jauh di bawah 4,01 yang diraih ucapan bersih (Microsoft, makalah ICASSP 2024 Audio Deep PLC Challenge). Masalahnya tidak jarang terjadi: Google melaporkan bahwa 99% panggilan Duo harus menghadapi kehilangan paket, jitter, atau delay, dan satu dari sepuluh panggilan kehilangan lebih dari 8% audionya (Google Research, blog WaveNetEQ 2020). Penyembunyian adalah lapisan senyap di bawah tren bisnis dalam statistik VoIP dan UCaaS kami, dan melengkapi gambaran dari sisi operator dalam statistik kualitas suara seluler (MOS) kami. Kami mengagregasi data dari makalah tantangan Microsoft Research, IETF dan ITU-T, W3C, Google Research, pengembang Opus di Xiph.Org, Meta Engineering, dokumentasi Microsoft Learn dan Twilio, serta studi PLC yang telah ditinjau sejawat yang tercantum dalam metodologi.
TL;DR
- 99% panggilan Google Duo harus menangani kehilangan paket, jitter, atau delay; 10% kehilangan lebih dari 8% dari total audio (Google Research, blog WaveNetEQ 2020).
- Microsoft Teams menandai aliran audio sebagai Poor ketika rata-rata kehilangan paket melebihi 0,1, yaitu 10% (Microsoft Learn, CQD Stream Classification 2026).
- G.711 dengan penyembunyian Appendix I memiliki faktor ketahanan terhadap kehilangan paket sebesar 25,1, dibandingkan 4,3 tanpa penyembunyian (ITU-T G.113, 09/2024).
- Pemenang PLC neural: PLCMOS 4,28 dibandingkan 2,90 untuk pengisian nol dan 4,51 untuk ucapan bersih (Microsoft, makalah INTERSPEECH 2022 Deep PLC Challenge).
- PLC hibrida tim Opus menempati peringkat pertama pada akurasi kata (0,882) dan kedua secara keseluruhan dalam tantangan 2022 (Valin dkk., Real-Time PLC with Mixed Generative and Predictive Model 2022).
- Dengan kehilangan beruntun hingga 3 detik, 2 dari 8 sistem yang memenuhi syarat mendapat skor di bawah audio berkehilangan yang tidak diproses pada kualitas keseluruhan P.804 (Microsoft, makalah ICASSP 2024 Deep PLC Challenge).
- PLCMOS mencapai korelasi Pearson per model sekitar 0,97 dengan penilaian manusia; pada data yang sejajar dengan referensi, PESQ hanya 0,52 (Diener dkk., makalah PLCMOS 2023).
- FEC dalam pita LBRR milik Opus mencakup 1 frame pada sekitar 2/3 dari bitrate biasa; DRED mencakup hingga 1 detik pada sekitar 1/50 (IETF draft-ietf-mlcodec-opus-dred-07, Agustus 2026).
- Opus membutuhkan minimal 19 kbps untuk mengodekan FEC dalam pita pada kehilangan paket 10%, menurut perbandingan MLow milik Meta sendiri (Meta Engineering, MLow 2024).
- Opus 1.6 memperkecil model DRED-nya sekitar 3x, menjadi 600 kB dari 1.800 kB (Xiph.Org, demo Opus 1.6, Desember 2025).
1. Seberapa Banyak Audio yang Hilang, dan Di Mana Platform Menarik Garis
Paket, dalam konteks ini, adalah satu potongan kecil audio (sering kali 20 ms) yang dikirim melalui jaringan. Ketika paket tiba terlalu terlambat atau tidak tiba sama sekali, penerima punya dua pilihan: memutar keheningan, atau menyembunyikan celahnya dengan mensintesis sesuatu yang terdengar seperti ucapan yang hilang. Data Google sendiri menunjukkan bahwa 99% panggilan Duo harus menghadapi kehilangan paket, jitter, atau delay (Google Research, Improving Audio Quality in Duo with WaveNetEQ 2020). Jadi penyembunyian bukanlah kasus pinggiran: ia berjalan di hampir setiap panggilan.
Platform tidak sepakat soal titik di mana kehilangan berubah dari derau latar menjadi masalah. Microsoft Teams menarik garis Poor pada rata-rata kehilangan 10%, Twilio pada 5%, dan Microsoft secara eksplisit memperingatkan bahwa label Poor tidak berarti pengguna benar-benar merasakan masalah kualitas, karena tumpukan medianya mengoreksi kehilangan (Microsoft Learn, Stream Classification in CQD 2026). Peringatan itu adalah seluruh argumen untuk penyembunyian yang lebih baik: semakin jauh jangkauan PLC, semakin tinggi platform dapat menetapkan ambang alarmnya.
| Metrik | Nilai | Sumber |
|---|---|---|
| Porsi panggilan Google Duo yang harus menghadapi kehilangan paket, jitter, atau delay | 99% | Google Research, blog WaveNetEQ 2020 |
| Porsi panggilan Duo yang kehilangan lebih dari 3% dari total durasi audionya | 20% | Google Research, blog WaveNetEQ 2020 |
| Porsi panggilan Duo yang kehilangan lebih dari 8% dari total durasi audionya | 10% | Google Research, blog WaveNetEQ 2020 |
| Rata-rata tingkat kehilangan paket di atas mana Teams mengklasifikasikan aliran audio sebagai Poor | Di atas 0,1 (10%), hanya berlaku untuk aliran di atas 500 paket | Microsoft Learn, CQD Stream Classification 2026 |
| Tingkat kehilangan paket yang memicu tag panggilan high_packet_loss milik Twilio | Di atas 5% | Twilio Voice Insights, Details: Call Tags |
| Estimasi MOS di bawah mana Twilio menandai panggilan browser atau SDK seluler sebagai low_mos | Di bawah 3,5 | Twilio Voice Insights, Details: Call Tags |
| Rata-rata tingkat kehilangan dalam set uji Deep PLC Challenge yang digunakan untuk mengevaluasi Opus DRED | 18,4%, dengan kehilangan beruntun hingga satu detik | Valin dkk., makalah DRED (arXiv 2212.04453 v3, 2024) |
Data terbaru yang tersedia: Google Research, 2020. Tidak ada platform besar yang mempublikasikan distribusi kehilangan tingkat panggilan yang lebih baru. Teams melaporkan metrik terkait “Ratio Concealed Samples Avg” per aliran, di mana 0,1 berarti 10% frame audio mengandung sampel yang disembunyikan (Microsoft Learn, CQD dimensions and measures 2026), tetapi Microsoft tidak mempublikasikan nilai untuk seluruh armadanya. Padanan di sisi browser, concealedSamples dan concealmentEvents, didefinisikan dalam API Statistik WebRTC W3C (Candidate Recommendation Draft, 25 September 2025).
2. Penyembunyian Kodek Klasik di Bawah Model-E ITU-T
Sebelum jaringan saraf, penyembunyian berarti mengulang atau mengekstrapolasi periode pitch terakhir yang baik. Model perencanaan ITU-T (Model-E) menilai seberapa baik sebuah kodek bertahan dari kehilangan dengan faktor ketahanan terhadap kehilangan paket, Bpl: angka biasa di mana nilai yang lebih tinggi berarti kualitas menurun lebih lambat saat paket menghilang. G.711 dengan algoritma penyembunyian dari Appendix I-nya memiliki Bpl 25,1, hampir enam kali lipat dari 4,3 milik G.711 tanpa penyembunyian (ITU-T G.113 09/2024, Tabel I.4).
Arti selisih itu dalam praktik lebih jelas dengan angka. Menggunakan Persamaan 7-29 dari ITU-T G.107 (06/2015), Ie-eff = Ie + (95 - Ie) x Ppl / (Ppl/BurstR + Bpl), G.711 (Ie = 0) pada kehilangan acak 5% (BurstR = 1) menghasilkan 95 x 5 / (5 + 4,3) = 51,1 poin gangguan tanpa penyembunyian, dan 95 x 5 / (5 + 25,1) = 15,8 dengan penyembunyian. Dikurangkan dari peringkat default R = 93,2, hasilnya R 42,1 berbanding R 77,4, yang oleh rumus Annex B G.107 dikonversi menjadi estimasi MOS sekitar 2,2 berbanding 3,9 (perhitungan kami; semua input Model-E lainnya dibiarkan pada nilai default). Penyembunyian saja memindahkan panggilan dengan kehilangan 5% dari buruk menjadi dapat diterima.
| Metrik | Nilai | Sumber |
|---|---|---|
| G.711 (64 kbit/s, paket 10 ms) tanpa penyembunyian: faktor ketahanan terhadap kehilangan paket Bpl pada kehilangan acak | 4,3 | ITU-T G.113 (09/2024), Tabel I.4 |
| G.711 dengan algoritma penyembunyian G.711 Appendix I: Bpl pada kehilangan acak | 25,1 | ITU-T G.113 (09/2024), Tabel I.4 |
| G.729 Annex A dengan deteksi aktivitas suara (8 kbit/s, paket 20 ms, penyembunyian bawaan): Ie dan Bpl | Ie 11, Bpl 19,0 | ITU-T G.113 (09/2024), Tabel I.4 |
| G.711 dengan paket 20 ms, 8 paket hilang dalam satu kehilangan beruntun pada kehilangan 2% (rasio kehilangan beruntun 7,84): gangguan efektif Ie-eff | 10 | ITU-T G.113 (09/2024), Tabel I.6 |
| G.722 pada 64 kbit/s dengan penyembunyian berkualitas tinggi G.722 Appendix III: Bpl wideband (mendengarkan dengan kedua telinga) | 7,1 | ITU-T G.113 (09/2024), Appendix IV |
| EVS dalam mode super-wideband pada 24,4 kbit/s: Bpl fullband | 11,4 | ITU-T G.113 (09/2024), Appendix V |
| Faktor peringkat Model-E R ketika semua input berada pada nilai default | 93,2 | ITU-T G.107 (06/2015) |
Konteks: nilai Bpl hanya dapat dibandingkan dalam skala yang sama (narrowband, wideband, atau fullband). G.113 tidak mencantumkan nilai Opus sama sekali, sehingga audio WebRTC berbasis Opus harus dinilai dengan alat lain (lihat bagian 5).
3. Penyembunyian Neural vs Keheningan: Deep PLC Challenge 2022
Tantangan INTERSPEECH 2022 membandingkan PLC neural pada pola kehilangan nyata, menggunakan jejak yang direkam dari panggilan Microsoft Teams dan aturan waktu nyata yang ketat: total latensi algoritmik paling banyak 20 ms. Hasil utamanya adalah besarnya selisih antara pemenang dan tidak berbuat apa-apa. Sistem pemenang meraih -0,55 pada skala perbandingan (CMOS, di mana 0 berarti tak dapat dibedakan dari aslinya yang bersih), dibandingkan -1,23 untuk pengisian nol (Microsoft, makalah INTERSPEECH 2022 Audio Deep PLC Challenge).
Keterpahaman bercerita lebih sederhana. Akurasi kata, diukur sebagai 1 dikurangi tingkat kesalahan kata dari pengenal ucapan, hanya naik dari 0,86 dengan keheningan menjadi 0,88 untuk pemenang, dibandingkan 0,97 untuk ucapan bersih. Pendengar merasakan penyembunyian sebagai peningkatan besar, tetapi pengenal tetap melewatkan 12% kata dengan sistem pemenang, dibandingkan 3% pada ucapan bersih, sebuah pola yang layak diingat di samping statistik tingkat kesalahan kata pengenalan ucapan kami.
| Metrik | Nilai | Sumber |
|---|---|---|
| Ucapan referensi bersih: PLCMOS (1 sampai 5) dan akurasi kata | 4,51 dan 0,97 | Microsoft, makalah INTERSPEECH 2022 Deep PLC Challenge |
| Acuan pengisian nol (keheningan menggantikan paket yang hilang): PLCMOS, CMOS, dan akurasi kata | 2,90, -1,23, dan 0,86 | Microsoft, makalah INTERSPEECH 2022 Deep PLC Challenge |
| Sistem pemenang (tim #12, U-Net domain waktu, sekitar 2,36M parameter): PLCMOS, CMOS, dan akurasi kata | 4,28, -0,55, dan 0,88 | Microsoft, makalah INTERSPEECH 2022 Deep PLC Challenge |
| Sistem memenuhi syarat dengan peringkat terendah (tim #6) vs acuan pengisian nol: CMOS | -1,31 vs -1,23 | Microsoft, makalah INTERSPEECH 2022 Deep PLC Challenge |
| PLC hibrida generatif dan prediktif milik tim Opus: akurasi kata dan peringkat pada metrik itu | 0,882, pertama; kedua pada CMOS dan secara keseluruhan | Valin dkk., Real-Time PLC with Mixed Generative and Predictive Model 2022 |
| Sistem yang sama: komputasi per 10 ms ucapan pada CPU laptop (Intel i7-10810U) | 1,3 hingga 1,4 ms, sekitar 13% hingga 14% dari satu inti | Valin dkk. 2022 |
Catatan pencilan: satu sistem yang diperingkat mendapat skor di bawah acuan keheningan pada CMOS, pengingat bahwa generator yang disetel buruk bisa terdengar lebih buruk daripada celah kosong. Set uji buta lebih banyak berisi kehilangan beruntun pendek: 504 dari 966 kliknya memiliki kehilangan beruntun maksimum hingga 120 ms. Angka sistem hibrida berasal dari Valin dkk., yang penyembunyiannya kemudian dirilis dalam Opus 1.5 (lihat bagian 7).
4. Kehilangan Beruntun Panjang: Tempat Penyembunyian Masih Gagal (ICASSP 2024)
Edisi 2024 sengaja membuat tugasnya lebih sulit: audio full-band 48 kHz, dinilai dengan metode multidimensi ITU-T P.804 (Microsoft Research, ICASSP 2024 Audio Deep PLC Challenge), dan kehilangan beruntun hingga 3 detik. Bahkan sistem terbaik hanya menutup sekitar dua pertiga jarak antara audio berkehilangan dan audio bersih: kualitas keseluruhan naik dari 2,37 ke 3,49, dibandingkan 4,01 untuk ucapan bersih ((3,49 - 2,37) / (4,01 - 2,37) = 68%) (Microsoft, makalah ICASSP 2024 Audio Deep PLC Challenge).
Kolom yang paling bermakna adalah diskontinuitas, skor P.804 untuk jeda dan gangguan yang terdengar (semakin tinggi berarti semakin mulus). Skornya naik dari 2,47 ke 3,90 untuk sistem terbaik, lonjakan yang lebih besar daripada dimensi lainnya. Penyembunyian memperbaiki celah yang pertama kali disadari pendengar, sementara ucapan hasil sintesis masih mengorbankan kealamian. Akurasi kata juga menunjukkan pertukaran ini: salah satu pemenang bersama mengenali 0,81 kata, sedikit di bawah 0,83 milik audio berkehilangan yang tidak diubah, petunjuk bahwa ucapan karangan dapat menyesatkan pengenal lebih jauh daripada keheningan.
| Metrik | Nilai | Sumber |
|---|---|---|
| Kualitas keseluruhan P.804 (1 sampai 5): ucapan bersih vs audio berkehilangan yang tidak diproses vs pemenang bersama (1024K dan NWPU & ByteAudio) | 4,01 vs 2,37 vs 3,49 dan 3,44 | Microsoft, makalah ICASSP 2024 Deep PLC Challenge |
| Skor diskontinuitas P.804: bersih vs berkehilangan vs sistem terbaik (1024K) | 4,55 vs 2,47 vs 3,90 | Microsoft, makalah ICASSP 2024 Deep PLC Challenge |
| Akurasi kata: bersih vs berkehilangan vs 1024K vs NWPU & ByteAudio | 0,98 vs 0,83 vs 0,81 vs 0,84 | Microsoft, makalah ICASSP 2024 Deep PLC Challenge |
| Sistem memenuhi syarat dengan skor di bawah audio berkehilangan yang tidak diproses pada kualitas keseluruhan P.804 | 2 dari 8 (2,11 dan 2,17) | Microsoft, makalah ICASSP 2024 Deep PLC Challenge |
| Bandwidth audio dan metode uji dengar edisi 2024 | Full-band, 48.000 Hz; penilaian multidimensi ITU-T P.804 ditambah tingkat kesalahan kata | Microsoft Research, halaman ICASSP 2024 Deep PLC Challenge |
Konteks: sistem kesembilan meraih skor keseluruhan 2,91 tetapi melewati batas latensi dan dicantumkan sebagai tidak selesai. Para penyelenggara mencatat bahwa sistem era 2022 “mungkin tidak mampu bekerja baik untuk urutan kehilangan yang lebih panjang”, dan di situlah pengodean redundansi (bagian 6) mengambil alih.
5. Menilai Penyembunyian: Mengapa Metrik Kualitas Generik Melewatkannya
Kesalahan penyembunyian bersifat singkat, putus-putus, dan sering kali masuk akal, persis hal yang tidak dirancang untuk ditangkap oleh metrik kualitas serbaguna. Pada data yang sejajar dengan referensi, PESQ hanya mencapai korelasi Pearson per model 0,52 dengan penilaian manusia terhadap sistem PLC, dan STOI hanya 0,21, sedangkan PLCMOS mencapai 0,98 (Diener dkk., makalah PLCMOS, Microsoft, Interspeech 2023). Metrik yang salah memeringkat sistem dapat mengarahkan seluruh bidang riset ke arah yang keliru.
PLCMOS bekerja tanpa referensi bersih, yang penting untuk panggilan nyata di mana audio aslinya tidak pernah tersedia di penerima. Kelemahannya adalah presisi tingkat berkas: 0,85 per klip dibandingkan 0,97 per sistem, sehingga ia memeringkat algoritma jauh lebih baik daripada menilai satu panggilan. Ketegangan yang sama berlaku pada penilaian ucapan sintetis, yang dibahas dalam statistik MOS kealamian ucapan sintetis kami.
| Metrik | Nilai | Sumber |
|---|---|---|
| PLCMOS vs penilaian manusia: korelasi Pearson dan korelasi peringkat per model | Sekitar 0,97 dan sekitar 0,95 | Diener dkk., makalah PLCMOS 2023 |
| DNSMOS (metrik umum peredam derau): korelasi Pearson per berkas vs per model | 0,52 vs 0,85 | Diener dkk., makalah PLCMOS 2023 |
| PESQ vs PLCMOS pada data yang sejajar dengan referensi: korelasi Pearson per model | 0,52 vs 0,98 | Diener dkk., makalah PLCMOS 2023 |
| STOI (metrik keterpahaman): korelasi Pearson per model | 0,21 | Diener dkk., makalah PLCMOS 2023 |
| Suara manusia dalam set pelatihan utama PLCMOS (LibriSpeech Basic) | 333.740 | Diener dkk., makalah PLCMOS 2023 |
| Berkas uji dalam baterai uji dengar kodek pembelajaran mesin IETF | 100 ucapan bersih, 90 derau atau gema, 20 pembicara yang tumpang tindih | IETF draft-ietf-mlcodec-test-battery-00, Juni 2026 |
Konteks: peringkat dari crowdsourcing berkorelasi dengan peringkat pakar sekitar 0,83 PCC (CI 95%: [0,78, 0,87]) dalam studi pendahuluan pelabelan PLCMOS. Draf baterai uji IETF masih mencantumkan skenario kehilangan paketnya sebagai “Detail akan ditentukan (TBD)”, sehingga belum ada uji kehilangan standar untuk kodek neural.
6. Pengodean Redundansi: Membayar Bit untuk Menghindari Penyembunyian
Penyembunyian menebak; redundansi mengirim cadangan. Koreksi kesalahan maju (FEC) berarti melampirkan salinan audio sebelumnya berkualitas lebih rendah pada paket-paket berikutnya, sehingga paket yang hilang dapat dibangun ulang, bukan dikarang. Imbalannya adalah bandwidth. FEC dalam pita klasik Opus (LBRR) hanya mencakup satu frame pada sekitar 2/3 dari bitrate biasa, sedangkan Deep REDundancy (DRED) membawa hingga satu detik atau lebih pada sekitar 1/50 dari bitrate biasa (IETF draft-ietf-mlcodec-opus-dred-07, Agustus 2026).
Pendekatan RED yang lebih lama menunjukkan skala efeknya. Dalam uji Chrome pada kehilangan 20%, mengirim satu frame sebelumnya di setiap paket menurunkan porsi audio yang disembunyikan dari 18% menjadi 4%, dan dua frame sebelumnya menurunkannya menjadi 0,7% (webrtcHacks, RED: Improving Audio Quality with Redundancy 2020). Biayanya: audio naik dari sekitar 30 kbps menjadi 60 kbps dengan satu salinan dan 90 kbps dengan dua. DRED ada untuk mendapatkan perlindungan serupa tanpa menggandakan bitrate.
| Metrik | Nilai | Sumber |
|---|---|---|
| FEC dalam pita LBRR Opus: kedalaman redundansi dan biaya bitrate | 1 frame; sekitar 2/3 dari bitrate Opus biasa | IETF draft-ietf-mlcodec-opus-dred-07, 2026 |
| Opus DRED: kedalaman redundansi dan biaya bitrate | Hingga satu detik atau lebih per paket; sekitar 1/50 dari bitrate biasa | IETF draft-ietf-mlcodec-opus-dred-07, 2026 |
| Evaluasi DRED: redundansi yang dibawa per paket, dan berapa kali setiap frame dikirim | 1,04 detik; 52 salinan | Valin dkk., makalah DRED (arXiv 2212.04453 v3, 2024) |
| Bitrate kondisi uji LBRR dalam evaluasi DRED (basis 24 kb/s ditambah LBRR) | Total 40 kb/s, LBRR rata-rata sekitar 16 kb/s | Valin dkk., makalah DRED 2024 |
| Porsi audio yang disembunyikan pada kehilangan 20% di Chrome: tanpa RED vs satu frame sebelumnya vs dua frame sebelumnya | 18% vs 4% vs 0,7% | webrtcHacks, uji RED Hancke 2020 |
| Porsi audio yang disembunyikan pada kehilangan acak 60%: tanpa RED vs satu vs dua frame sebelumnya | 60% vs 32% vs 18% | webrtcHacks, uji RED Hancke 2020 |
| Bitrate Opus minimum untuk mengodekan FEC dalam pita pada kehilangan paket 10% | 19 kbps (perbandingan vendor sendiri) | Meta Engineering, blog kodek MLow 2024 |
| Bitrate sampel MLow Meta pada kehilangan paket 30% di sisi penerima | 14 kbps (klaim vendor sendiri) | Meta Engineering, blog kodek MLow 2024 |
Konteks: angka webrtcHacks berasal dari uji laboratorium satu penulis tahun 2020 (pengukuran publik terbaru yang tersedia untuk RED di Chrome). Angka Meta berasal dari pengumuman MLow miliknya sendiri dan belum direplikasi secara independen. Semua perbedaan DRED dalam uji dengar P.808 pada makalah itu (966 ucapan, masing-masing 10 pendengar) dilaporkan signifikan pada p < 0,05.
7. Mengirimkan Penyembunyian: Komputasi, Jejak, dan Standar
Model penyembunyian hanya berarti jika muat di ponsel termurah dalam panggilan. Deep PLC milik Opus 1.5 membutuhkan sekitar 1% dari satu inti CPU laptop pada tingkat kehilangan tinggi dan menambah sekitar 1 MB pada pustaka (Xiph.Org, demo Opus 1.5, Maret 2024, angka dari pengembang sendiri). Entri tantangan 2022 dari tim yang sama membutuhkan 13% hingga 14% dari satu inti (bagian 3), meskipun kedua angka itu diukur dengan cara berbeda dan bukan perbandingan yang setara persis.
Sebaliknya, lapisan standar nyaris tidak bergerak. Aturan audio WebRTC (RFC 7874, 2016) mewajibkan Opus dan G.711 tetapi tidak menetapkan persyaratan penyembunyian atau FEC, sehingga kualitas di bawah kehilangan sepenuhnya diserahkan kepada tiap implementasi. Opus 1.6 terus memperkecil model: jaringan DRED-nya sekitar 3x lebih kecil daripada di 1.5 (Xiph.Org, demo Opus 1.6, Desember 2025).
| Metrik | Nilai | Sumber |
|---|---|---|
| Deep PLC Opus 1.5: ukuran pustaka tambahan dan biaya CPU | Sekitar 1 MB; sekitar 1% dari satu inti laptop pada kehilangan tinggi; membutuhkan kompleksitas dekoder 5 atau lebih tinggi | Xiph.Org, demo Opus 1.5 2024 (angka dari pengembang sendiri) |
| DRED Opus 1.5: ukuran pustaka tambahan, biaya saat dijalankan, dan overhead bitrate | Sekitar 2 MB; sekitar 1%; sekitar 12 hingga 32 kb/s | Xiph.Org, demo Opus 1.5 2024 (angka dari pengembang sendiri) |
| Vocoder neural FARGAN yang digunakan untuk mensintesis ucapan yang disembunyikan dan redundan: kompleksitas | 600 MFLOPS, 1/5 dari LPCNet | Xiph.Org, demo Opus 1.5 2024 |
| Tingkat kehilangan dalam uji WebRTC Opus 1.5 (PLCMOS v2) | 0% hingga 90% dengan kelipatan 10%; DRED dilaporkan mempertahankan kualitas pada kehilangan 90% | Xiph.Org, demo Opus 1.5 2024 (klaim pengembang sendiri) |
| Ukuran model DRED Opus 1.6 vs Opus 1.5 | 600 kB vs 1.800 kB | Xiph.Org, demo Opus 1.6, Desember 2025 |
| Ukuran frame Opus, panjang paket, dan rentang bitrate | Frame 2,5 hingga 60 ms; paket hingga 120 ms; 6 hingga 510 kbit/s | IETF RFC 6716 (2012) |
| Penundaan algoritmik Opus | 5 ms hingga 65,2 ms | IETF RFC 6716 (2012) |
| Kodek yang wajib didukung titik akhir WebRTC | Opus dan G.711 (PCMA dan PCMU); tidak ada persyaratan PLC atau FEC | IETF RFC 7874 (2016) |
Konteks: RFC 6716 dan RFC 7874 berusia lebih dari tiga tahun tetapi tetap menjadi standar yang berlaku (RFC 6716, RFC 7874). Draf DRED, jika disetujui, akan memperbarui RFC 6716 dengan lapisan redundansi neural.
Ringkasan: Penyembunyian Kehilangan Paket Audio WebRTC dalam Angka
| Metrik | Nilai | Sumber |
|---|---|---|
| Panggilan Google Duo yang harus menghadapi kehilangan paket, jitter, atau delay | 99% | Google Research, blog WaveNetEQ 2020 |
| Panggilan Duo yang kehilangan lebih dari 8% audionya | 10% | Google Research, blog WaveNetEQ 2020 |
| Ambang Poor Teams untuk rata-rata kehilangan paket audio | Di atas 0,1 (10%) | Microsoft Learn, CQD Stream Classification 2026 |
| Ambang tag high_packet_loss Twilio | Di atas 5% | Twilio Voice Insights, Details: Call Tags |
| Faktor ketahanan G.711 Bpl: tanpa penyembunyian vs penyembunyian Appendix I | 4,3 vs 25,1 | ITU-T G.113 (09/2024) |
| G.729 Annex A dengan deteksi aktivitas suara: Bpl | 19,0 | ITU-T G.113 (09/2024) |
| PLCMOS tantangan 2022: pengisian nol vs pemenang vs bersih | 2,90 vs 4,28 vs 4,51 | Microsoft, makalah INTERSPEECH 2022 Deep PLC Challenge |
| Akurasi kata tantangan 2022: pengisian nol vs pemenang vs bersih | 0,86 vs 0,88 vs 0,97 | Microsoft, makalah INTERSPEECH 2022 Deep PLC Challenge |
| Komputasi PLC hibrida tim Opus per 10 ms ucapan | 1,3 hingga 1,4 ms (13% hingga 14% dari satu inti) | Valin dkk. 2022 |
| Kualitas keseluruhan P.804 tantangan 2024: berkehilangan vs terbaik vs bersih | 2,37 vs 3,49 vs 4,01 | Microsoft, makalah ICASSP 2024 Deep PLC Challenge |
| Sistem tantangan 2024 dengan skor di bawah audio berkehilangan yang tidak diproses | 2 dari 8 | Microsoft, makalah ICASSP 2024 Deep PLC Challenge |
| Korelasi Pearson per model PLCMOS dengan penilaian manusia | Sekitar 0,97 | Diener dkk., makalah PLCMOS 2023 |
| Korelasi Pearson per model PESQ vs STOI pada sistem PLC | 0,52 vs 0,21 | Diener dkk., makalah PLCMOS 2023 |
| Kedalaman redundansi LBRR vs DRED | 1 frame vs hingga satu detik atau lebih | IETF draft-ietf-mlcodec-opus-dred-07, 2026 |
| Bitrate redundansi DRED relatif terhadap Opus biasa | Sekitar 1/50 | IETF draft-ietf-mlcodec-opus-dred-07, 2026 |
| Audio yang disembunyikan pada kehilangan 20%: tanpa RED vs RED dua frame | 18% vs 0,7% | webrtcHacks, uji RED Hancke 2020 |
| Bitrate FEC dalam pita Opus minimum pada kehilangan 10% | 19 kbps (perbandingan vendor sendiri) | Meta Engineering, blog kodek MLow 2024 |
| Biaya CPU Deep PLC Opus 1.5 | Sekitar 1% dari satu inti laptop | Xiph.Org, demo Opus 1.5 2024 |
| Ukuran model DRED Opus 1.6 vs 1.5 | 600 kB vs 1.800 kB | Xiph.Org, demo Opus 1.6 2025 |
Metodologi dan Sumber
- Microsoft Research, makalah INTERSPEECH 2022 Audio Deep Packet Loss Concealment Challenge (Diener dkk., 2022): arxiv.org/pdf/2204.05222
- Microsoft Research, makalah ICASSP 2024 Audio Deep Packet Loss Concealment Challenge (2024): arxiv.org/html/2402.16927v1
- Microsoft Research, halaman program ICASSP 2024 Audio Deep PLC Challenge: microsoft.com
- Diener dkk., PLCMOS: a data-driven non-intrusive metric for the evaluation of packet loss concealment algorithms (Interspeech 2023): arxiv.org/pdf/2305.15127
- Valin dkk., Real-Time Packet Loss Concealment With Mixed Generative and Predictive Model (2022): arxiv.org/pdf/2205.05785
- Valin dkk., DRED: Deep REDundancy Coding of Speech Using a Rate-Distortion-Optimized Variational Autoencoder (arXiv v3, 2024): arxiv.org/pdf/2212.04453
- IETF, Deep Audio Redundancy (DRED) Extension for the Opus Codec, draft-ietf-mlcodec-opus-dred-07 (Agustus 2026): ietf.org
- IETF, ML codec listening test battery, draft-ietf-mlcodec-test-battery-00 (Juni 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 (Candidate Recommendation Draft, 25 September 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 (April 2020): research.google
- Microsoft Learn, Stream Classification in Call Quality Dashboard (diperbarui Juni 2026): learn.microsoft.com
- Microsoft Learn, Dimensions and measures available in Call Quality Dashboard (diperbarui Juli 2026): learn.microsoft.com
- Twilio, Voice Insights Details: Call Tags: twilio.com
- Meta Engineering, MLow: Meta’s low bitrate audio codec (Juni 2024): engineering.fb.com
- Xiph.Org, demo Opus 1.5 (Maret 2024) dan demo Opus 1.6 (Desember 2025): opus-codec.org/demo/opus-1.5, opus-codec.org/demo/opus-1.6
- webrtcHacks, RED: Improving Audio Quality with Redundancy (Philipp Hancke, Agustus 2020): webrtchacks.com
- Catatan data: satu-satunya distribusi kehilangan tingkat panggilan dari platform besar adalah angka Duo Google tahun 2020, dan pengukuran penyembunyian RED adalah uji satu penulis tahun 2020, sehingga keduanya ditandai sebagai data terbaru yang tersedia. Contoh Model-E pada bagian 2 adalah perhitungan kami sendiri dari Persamaan 7-29 dan Annex B ITU-T G.107 dengan nilai Bpl G.113, dengan semua input lain pada nilai default; itu adalah estimasi, bukan pengukuran. Skor tantangan tidak dapat dibandingkan antaredisi: 2022 menggunakan audio wideband, PLCMOS dan CMOS dengan kehilangan beruntun hingga 1 detik, sedangkan 2024 menggunakan audio full-band, P.804, dan kehilangan beruntun hingga 3 detik. Dalam makalah 2022, PLCMOS berkorelasi dengan CMOS sekitar 0,95 Pearson, sementara rilis PLCMOS yang lebih baru melaporkan sekitar 0,97 pada set evaluasi yang berbeda. Angka Xiph.Org dan Meta adalah klaim pengembang sendiri. Ambang Teams (10%) dan Twilio (5%) sengaja berbeda karena tiap vendor menyetelnya sesuai tumpukan medianya sendiri. Draf DRED (kedaluwarsa Februari 2027) dan draf baterai uji IETF, yang skenario kehilangan paketnya masih belum ditentukan, dapat berubah sebelum diterbitkan sebagai RFC.
Terakhir diperbarui: 24 Oktober 2026. Kami memperbarui rangkuman ini setiap kuartal, dan pembaruan berikutnya diperkirakan terjadi ketika kelompok kerja mlcodec IETF menerbitkan revisi berikutnya dari draf Opus DRED dan skenario kehilangan paket baterai uji.