Bufor eliminujący jitter, zaprojektowany tak, by pochłaniać 50 ms zmienności opóźnienia pakietów, dodaje do każdej rozmowy średnio około 25 ms, ponieważ zasady planowania ITU-T zakładają, że bufor wnosi połowę swojego szczytowego opóźnienia (ITU-T G.114). Te 25 ms pochodzi z budżetu, który i tak jest ciasny: głos konwersacyjny ma cel poniżej 150 ms opóźnienia w jedną stronę, przy limicie 400 ms (ITU-T G.1010). 3GPP wymaga obecnie, aby bufory jittera w telefonii komórkowej utrzymywały straty wywołane jitterem poniżej 1% w sześciu standardowych profilach sieciowych (3GPP TS 26.114). Zmieniły się też pomiary: ITU-T usunęło model jakości mowy PESQ w dniu 5 stycznia 2024 roku i kieruje użytkowników do POLQA, którego skala pełnopasmowa sięga 4,8, a nie 4,5 (strona ITU-T P.862; ITU-T P.863.1). Zebraliśmy dane z zaleceń ITU-T G.114, G.107, G.107.1, G.1010, Y.1541, P.800, P.863 i P.863.1, dokumentów IETF RFC 3550, 3611 i 6716, 3GPP TS 26.114, kampanii Arcep z 2025 roku dotyczącej jakości sieci komórkowych, dokumentacji panelu jakości połączeń Microsoft Teams oraz recenzowanych badań opublikowanych w Acta Acustica i EURASIP Journal on Wireless Communications and Networking. Rynkową stronę połączeń internetowych opisują nasze statystyki VoIP i UCaaS.
TL;DR
- Opóźnienie w jedną stronę, od ust do ucha, poniżej 150 ms zapewnia w praktyce przezroczystą interaktywność; 400 ms to pułap przy ogólnym planowaniu sieci (ITU-T G.114 2003).
- Bufor eliminujący jitter dodaje średnio połowę swojego szczytowego opóźnienia: 25 ms dla bufora obejmującego 50 ms zmienności opóźnienia (ITU-T G.114 2003).
- Sieci dla interaktywnego VoIP mogą zmieniać opóźnienie pakietów o maksymalnie 50 ms, ale cel dla użytkownika końcowego w głosie konwersacyjnym to poniżej 1 ms (ITU-T Y.1541 2011; ITU-T G.1010 2001).
- Bufory jittera 3GPP muszą utrzymywać straty wywołane jitterem poniżej 1% we wszystkich sześciu profilach testowych (3GPP TS 26.114, wydanie 19).
- Teams oznacza strumień audio jako słaby, gdy średni jitter przekracza 30 ms (Microsoft Learn, klasyfikacja strumieni w CQD 2026).
- Spadek z R 90 do R 70 obniża odsetek użytkowników oceniających rozmowę jako dobrą lub lepszą z co najmniej 97% do co najmniej 73% (ITU-T G.107 2015).
- Szerokopasmowy model E obejmuje zakres od R 0 do 129, czyli o około 29% więcej niż skala wąskopasmowa (ITU-T G.107.1 2019).
- ITU-T usunęło PESQ (P.862) w dniu 5 stycznia 2024 roku (strona ITU-T P.862 2024).
- POLQA pełnopasmowe: EVS przy 48 kbit/s uzyskuje średnio 4,70, a G.711 tylko 3,6 (ITU-T P.863.1 2019).
- Przesunięcia momentu odtwarzania o 30 ms lub mniej miały znikomy wpływ na słuchaczy, ale PESQ błędnie je oceniał (Počta, Melvin i Hines, Acta Acustica 2015).
- Orange utrzymał 91% rozmów w doskonałej jakości w skali kraju, Free Mobile 84% (Arcep 2025).
1. Budżet opóźnień: 150 ms dla naturalnej rozmowy, 400 ms jako pułap
Opóźnienie to budżet, a nie pojedyncza liczba. Kodek, pakietyzacja, sieć, bufor jittera i urządzenie odtwarzające czerpią z tej samej puli, a słuchacz odczuwa tylko sumę. Progi planistyczne ITU-T nie zmieniły się od dwóch dekad, ponieważ opisują ludzką rozmowę, a nie technologię: poniżej 150 ms w jedną stronę większość zastosowań uzyskuje w praktyce przezroczystą interaktywność; powyżej 400 ms ITU-T uznaje opóźnienie za niedopuszczalne przy ogólnym planowaniu sieci.
Uderza to, jak mała część tego budżetu przypada sieci. Najbardziej interaktywna klasa VoIP w ITU-T Y.1541 dopuszcza średnie opóźnienie transferu IP wynoszące tylko 100 ms, co zostawia 50 ms (150 ms minus 100 ms) na wszystko, co dzieje się na obu końcach połączenia, jeśli rozmowa ma pozostać przezroczysta. Sam kodek G.723.1 zużywa 97,5 ms w tabeli planistycznej ITU-T dla łączy przewodowych, wobec 0,375 ms dla G.711, więc sam wybór kodeka może przesądzić, czy rozmowa zmieści się poniżej 150 ms. Każdy etap przetwarzania w czasie rzeczywistym w torze audio, od tłumienia szumów po zmieniacz głosu dla Discorda, czerpie z tego samego budżetu od ust do ucha, dlatego niskie opóźnienie przetwarzania liczy się w rozmowach na żywo tak samo jak jakość dźwięku. Planiści sprawdzają te limity za pomocą modelu E, który domyślnie zaczyna naliczać karę za opóźnienie dopiero wtedy, gdy bezwzględne opóźnienie w jedną stronę przekroczy 100 ms. Same progi znajdują się w ITU-T G.114 i ITU-T G.1010.
| Metryka | Wartość | Źródło |
|---|---|---|
| Opóźnienie w jedną stronę: granica przezroczystej interaktywności (od ust do ucha) wobec zalecanego pułapu przy ogólnym planowaniu sieci | Poniżej 150 ms wobec 400 ms | ITU-T G.114 (05/2003) |
| Cel dla użytkownika końcowego w głosie konwersacyjnym, opóźnienie w jedną stronę | Poniżej 150 ms preferowane, poniżej 400 ms limit (przy założeniu odpowiedniej kontroli echa) | ITU-T G.1010 (11/2001) |
| Górna granica średniego opóźnienia transferu IP: klasa QoS 0 (VoIP o wysokiej interaktywności) wobec klasy 1 (VoIP interaktywne) | 100 ms wobec 400 ms | ITU-T Y.1541 (12/2011) |
| Opóźnienie w jedną stronę wynikające z przetwarzania kodeka w planowaniu łączy przewodowych (3 ramki plus wyprzedzenie): G.711 / G.729 / G.723.1 | 0,375 ms / 35 ms / 97,5 ms | ITU-T G.114, Dodatek I |
| Zakres opóźnienia algorytmicznego kodeka Opus | od 5 ms do 65,2 ms | IETF RFC 6716 (2012) |
| Rozmiary ramek Opus | 2,5, 5, 10, 20, 40 lub 60 ms | IETF RFC 6716 (2012) |
| Domyślne bezwzględne opóźnienie w jedną stronę, poniżej którego model E nie stosuje żadnego pogorszenia z tytułu opóźnienia | 100 ms | ITU-T G.107 (06/2015) |
Uwaga kontekstowa: wyprzedzenie to dodatkowy fragment dźwięku, na który kodek musi poczekać, zanim zakoduje bieżącą ramkę. G.114 (2003), G.1010 (2001) i Y.1541 (2011) są stare, ale to wydania obowiązujące na stronie ITU-T w październiku 2026 roku. Najnowsze dostępne dane: ITU-T, od 2001 do 2015 roku.
2. Jitter: ile zmienności opóźnienia dopuszczają sieci
Jitter to zmienność czasu, jaki pakiety potrzebują na dotarcie. Rozmowa z długim, ale stałym opóźnieniem może brzmieć czysto; rozmowa, w której pakiety przychodzą w nierównych odstępach, potrzebuje bufora, bo inaczej będzie się urywać. ITU-T dopuszcza w interaktywnych sieciach VoIP zmienność opóźnienia pakietów do 50 ms, a mimo to cel dla użytkownika końcowego w głosie konwersacyjnym to poniżej 1 ms zmienności opóźnienia (ITU-T Y.1541; ITU-T G.1010). Luka między tymi dwiema liczbami to opis stanowiska bufora jittera: od sieci oczekuje się, że będą dostarczać jitter, a od odbiorników, że będą go ukrywać.
Sposób raportowania jittera liczy się tak samo jak jego wielkość. Odbiorniki RTP obliczają bieżące oszacowanie, w którym każdy nowy pakiet przesuwa wartość tylko o jedną szesnastą różnicy, a ten współczynnik IETF wybrał, ponieważ “zapewnia dobry stopień redukcji szumu przy zachowaniu rozsądnej szybkości zbieżności” (IETF RFC 3550). Ten sam dokument zaleca, by raporty kontrolne zajmowały 5% przepustowości sesji, ze stałym minimalnym odstępem 5 sekund. Z powodu tego wygładzania i takiego tempa raportowania pojedynczy krótki skok opóźnienia ledwo porusza wartość jittera widzianą przez narzędzie monitorujące. Łącza radiowe dokładają własną zmienność: w laboratoryjnym badaniu VoLTE z 2021 roku opóźnienie wynosiło średnio 57,5 ms w zakresie od 20 do 150 ms, a jitter skupiał się tuż powyżej 31 ms (Lipovac i in., EURASIP JWCN 2021). To samo badanie uznaje 10% błędów bloków radiowych za optymalny punkt pracy dla głosu LTE, spadający do około 1% po jednej retransmisji.
| Metryka | Wartość | Źródło |
|---|---|---|
| Górna granica zmienności opóźnienia pakietów (opóźnienie 99,9. percentyla minus opóźnienie minimalne), klasy QoS 0 i 1 | 50 ms | ITU-T Y.1541 (12/2011) |
| Górna granica współczynnika utraty pakietów, klasy QoS 0 i 1 | 1 na 1.000 (1 × 10^-3) | ITU-T Y.1541 (12/2011) |
| Cel zmienności opóźnienia po stronie użytkownika końcowego, głos konwersacyjny | Poniżej 1 ms | ITU-T G.1010 (11/2001) |
| Współczynnik wzmocnienia standardowego estymatora jittera czasu między przybyciami pakietów w RTP | 1/16 na pakiet | IETF RFC 3550 (2003) |
| Średni jitter, powyżej którego Teams oznacza strumień audio jako słaby | Powyżej 30 ms | Microsoft Learn, klasyfikacja strumieni w CQD (2026), próg dostawcy |
| Średnie opóźnienie w jedną stronę w laboratoryjnym teście VoLTE (zmierzony zakres od 20 do 150 ms) | 57,5 ms | Lipovac i in., EURASIP JWCN 2021 |
| Wartość, wokół której kumulował się jitter RTP w tym samym teście VoLTE | Nieco powyżej 31 ms | Lipovac i in., EURASIP JWCN 2021 |
| Czas pełnego obiegu jednej radiowej retransmisji LTE (HARQ) na łączach FDD | 8 ms | Lipovac i in., EURASIP JWCN 2021 |
Uwaga kontekstowa: HARQ (hybrydowe automatyczne żądanie powtórzenia) to szybka retransmisja własna warstwy radiowej. Każda ponowna próba naprawia utracony blok, ale dociera później, i to jeden ze sposobów, w jaki łącze mobilne zamienia błędy w jitter. Próg 30 ms w Teams to wewnętrzna reguła monitorowania Microsoftu, a nie standard branżowy; Microsoft zaznacza, że oznaczenie jako słaby nie oznacza, że użytkownik faktycznie usłyszał problem.
3. Bufory jittera: opóźnienie, które płacisz za usunięcie jittera
Bufor jittera przytrzymuje pakiety, aby mogły być odtwarzane w równym tempie. Każda milisekunda przytrzymania to dodane opóźnienie; każdy pakiet, który dotrze po swoim momencie odtworzenia, jest tracony, mimo że sieć go dostarczyła. Organizacje normalizacyjne muszą wybrać stronę tego kompromisu, a 3GPP położyło twardy limit na stratach: zgodny z 3GPP bufor jittera musi utrzymywać straty wywołane jitterem poniżej 1% w każdym z sześciu standardowych profili opóźnień i strat, zachowując co najmniej 90% ramek mowy na poziomie nie większym niż rozkład opóźnień algorytmu referencyjnego przesunięty o 60 ms (3GPP TS 26.114). Limit strat jest bezwzględny, a limit opóźnienia tylko względny wobec wzorca, co mówi twórcom implementacji, że wydanie odrobiny dodatkowego opóźnienia jest dopuszczalne, a utrata dźwięku nie.
Bufory adaptacyjne zmieniają swój rozmiar w czasie ciszy, a jedno kontrolowane badanie odsłuchowe wykazało, że małe zmiany rozmiaru pozostają niezauważone. Przesunięcia momentu odtwarzania o 30 ms lub mniej, wprowadzone w okresach ciszy, miały znikomy wpływ na subiektywne oceny odsłuchowe, ale model PESQ wykazał znaczące pogorszenie, którego ludzie nie słyszeli (Počta, Melvin i Hines, Acta Acustica 2015). Do monitorowania na żywo raporty RTCP XR pozwalają odbiornikowi opublikować nominalne, maksymalne i bezwzględnie maksymalne opóźnienie bufora w milisekundach, a także informację, czy bufor jest adaptacyjny, czy stały (IETF RFC 3611).
| Metryka | Wartość | Źródło |
|---|---|---|
| Średnie opóźnienie dodawane przez bufor eliminujący jitter, do celów planowania (przykład obliczeniowy: bufor dla zakresu zmienności opóźnienia 50 ms) | Połowa jego szczytowego opóźnienia (25 ms w przykładzie) | ITU-T G.114 (05/2003) |
| Limit strat wywołanych jitterem dla buforów telefonii multimedialnej 3GPP | Poniżej 1% w każdym kanale testowym | 3GPP TS 26.114 (wydanie 19), punkt 8.2.3.2.3 |
| Kryterium opóźnienia: odsetek ramek mowy na poziomie nie większym niż rozkład opóźnień algorytmu referencyjnego przesunięty o 60 ms | Co najmniej 90% | 3GPP TS 26.114 (wydanie 19), punkt 8.2.3.2.2 |
| Standardowe profile testowe zgodności bufora jittera: liczba, długość i wbudowana utrata pakietów | 6 profili po 7.500 pakietów IP każdy, z utratą pakietów od 0% (profil 1) do 5,9% (profil 5) | 3GPP TS 26.114 (wydanie 19), Tabela 8.1 |
| Wielkość przesunięć odtwarzania w ciszy, które miały znikomy wpływ na oceny słuchaczy | 30 ms lub mniej | Počta, Melvin i Hines, Acta Acustica 2015 |
| Największe opóźnienie bufora jittera, jakie może wyrazić raport RTCP XR | 65.535 ms (pole 16-bitowe) | IETF RFC 3611 (2003) |
Uwaga kontekstowa: profil 5 niesie 2 ramki mowy na pakiet (15.000 ramek w 7.500 pakietach), a pozostałe pięć po 1 ramce na pakiet. Wartości 3GPP odczytano w tekście wydania 19 specyfikacji TS 26.114; portal 3GPP wymieniał wersję 20.1.1 (wydanie 20) jako najnowszą wysłaną 25 września 2026 roku. Najnowsze dostępne dane z testu odsłuchowego: Počta, Melvin i Hines, 2015.
4. Ocena rozmów: skale MOS i współczynnik R modelu E
Obok siebie działają dwa systemy oceny. Średnia ocena opinii (MOS) pochodzi od ludzi: słuchacze oceniają próbki na pięciostopniowej skali bezwzględnej oceny kategorii z ITU-T P.800, od 5 (doskonała) do 1 (zła), po wysłuchaniu krótkich grup zdań, z których każda mieści się w przedziale 2 do 3 sekund. Współczynnik R modelu E pochodzi z obliczeń: zaczyna od podstawowej oceny stosunku sygnału do szumu, odejmuje pogorszenia z tytułu szumu, opóźnienia, echa, kodeka i strat, a dodaje współczynnik przewagi za wygodę. Gdy wszystkie parametry mają wartości domyślne, R wynosi 93,2 (ITU-T G.107).
Tabela zadowolenia w Aneksie B to miejsce, w którym R nabiera znaczenia biznesowego. Spadek z R 90 do R 70 obniża odsetek użytkowników oceniających rozmowę jako dobrą lub lepszą z co najmniej 97% do co najmniej 73%, a przy R 50 dolna granica to tylko 27% ocen dobrych lub lepszych, przy czym do 38% ocenia ją jako słabą lub gorszą. R 80 nadal utrzymuje co najmniej 89% ocen dobrych lub lepszych, a R 60 co najmniej 50%, więc postrzegana jakość spada szybciej, niż sugeruje liniowa skala R. Rozmowy szerokopasmowe dostają dłuższą linijkę: szerokopasmowy model E obejmuje zakres od 0 do 129, czyli o około 29% więcej niż skala wąskopasmowa (ITU-T G.107.1).
| Metryka | Wartość | Źródło |
|---|---|---|
| Skala jakości odsłuchu używana w subiektywnych testach MOS | 5 = doskonała, 4 = dobra, 3 = wystarczająca, 2 = słaba, 1 = zła | ITU-T P.800 (08/1996) |
| Wąskopasmowy współczynnik R przy wszystkich parametrach modelu E o wartościach domyślnych | 93,2 | ITU-T G.107 (06/2015) |
| Dolna granica R 90: szacowane MOS / użytkownicy oceniający rozmowę jako dobrą lub lepszą / użytkownicy oceniający ją jako słabą lub gorszą | 4,34 / co najmniej 97% / 0% (bardzo zadowoleni) | ITU-T G.107 (06/2015), Aneks B |
| Dolna granica R 70: szacowane MOS / dobra lub lepsza / słaba lub gorsza | 3,60 / co najmniej 73% / co najwyżej 6% (część użytkowników niezadowolona) | ITU-T G.107 (06/2015), Aneks B |
| Dolna granica R 50: szacowane MOS / dobra lub lepsza / słaba lub gorsza | 2,58 / co najmniej 27% / co najwyżej 38% (niemal wszyscy użytkownicy niezadowoleni) | ITU-T G.107 (06/2015), Aneks B |
| Maksymalny współczynnik przewagi A (jakość, z której użytkownicy rezygnują dla wygody): przewodowo / mobilnie w budynku / mobilnie w pojeździe / satelita wieloetapowy | 0 / 5 / 10 / 20 | ITU-T G.107 (06/2015), Tabela 2 |
| Zakres współczynnika R w szerokopasmowym modelu E | od 0 do 129 | ITU-T G.107.1 (06/2019) |
| Wartość R, którą raporty RTCP XR określają jako jakość telefonii tradycyjnej, wobec wartości, przy której i poniżej której rozmowy uznaje się za nieużyteczne | 94 wobec 50 | IETF RFC 3611 (2003) |
Uwaga kontekstowa: jakość telefonii tradycyjnej oznacza jakość rozmowy w klasycznej sieci stacjonarnej. RFC 3611 koduje wartości MOS jako liczby całkowite od 10 do 50 (MOS razy 10), a wartość 127 oznacza brak danych. Jej etykieta 94 dla jakości telefonii tradycyjnej i domyślne 93,2 w modelu E opierają się na różnych konwencjach i nie należy ich odczytywać jako sprzeczności.
5. Od PESQ do POLQA: jak modele obiektywne oceniają mowę
Panele odsłuchowe są wolne i drogie, więc sieci ocenia się modelami obiektywnymi, które porównują czyste nagranie referencyjne z nagraniem zdegradowanym i przewidują MOS, jaki wystawiłby panel. ITU-T usunęło PESQ (P.862) i towarzyszące mu zalecenia P.862.1 do P.862.3 w dniu 5 stycznia 2024 roku, kierując użytkowników do POLQA (P.863) (ITU-T P.862). Jeszcze w wydaniu z 2019 roku przewodnik stosowania POLQA mówił inżynierom, że P.863 “nie unieważnia” P.862, i zalecał uruchamianie obu równolegle, więc każdy plan testów napisany przed 2024 rokiem zasługuje na ponowne przejrzenie.
Większą pułapką jest skala. POLQA obejmuje dźwięk od wąskopasmowego (300 do 3.400 Hz) po pełnopasmowy (20 do 20.000 Hz), a jego trzecie wydanie (2018) zrezygnowało z początkowego filtru dolnoprzepustowego 14 kHz, aby obsłużyć kodeki pełnopasmowe, takie jak Opus i EVS (ITU-T P.863). Tryb wąskopasmowy osiąga maksimum 4,5, a pełnopasmowy 4,8, i ta sama rozmowa G.711 uzyskuje w jednym 4,4, a w drugim 3,6 (ITU-T P.863.1). Wynik “MOS 3,6” nic nie znaczy, dopóki nie wiadomo, który tryb go wyprodukował. O tym, jak operatorzy publikują te wyniki z rzeczywistych testów drogowych, piszemy w naszych statystykach jakości głosu (MOS) w sieciach komórkowych.
| Metryka | Wartość | Źródło |
|---|---|---|
| Status PESQ w ITU-T | P.862, P.862.1, P.862.2 i P.862.3 usunięte 5 stycznia 2024 roku | Strona ITU-T P.862 (2024) |
| Zakres surowego wyniku PESQ | od -0,5 do 4,5 | Lipovac i in., EURASIP JWCN 2021 |
| Zakres pasma audio obejmowany przez POLQA | Wąskopasmowe 300 do 3.400 Hz aż po pełnopasmowe 20 do 20.000 Hz (superszerokopasmowe 50 do 14.000 Hz symulowane przez ograniczenie pasma) | ITU-T P.863 (03/2018) |
| Maksymalny wynik POLQA: tryb wąskopasmowy wobec trybu pełnopasmowego | 4,5 wobec 4,8 (przezroczyste pełnopasmowe odniesienia powinny uzyskać co najmniej 4,75) | ITU-T P.863.1 (06/2019) |
| G.711 z filtrem słuchawki IRS, średni wynik: PESQ wąskopasmowy / POLQA wąskopasmowy / POLQA pełnopasmowy | 4,4 / 4,4 / 3,6 | ITU-T P.863.1 (06/2019), Tabela 6 |
| AMR-NB przy 12,2 kbit/s, średni wynik: PESQ wąskopasmowy / POLQA wąskopasmowy / POLQA pełnopasmowy | 4,0 / 4,2 / 3,2 | ITU-T P.863.1 (06/2019), Tabela 6 |
| Średni wynik POLQA pełnopasmowego: EVS 48 kbit/s pełnopasmowy wobec EVS 24,4 kbit/s superszerokopasmowy wobec AMR-WB 23,85 kbit/s | 4,70 wobec 4,65 wobec 4,0 | ITU-T P.863.1 (06/2019), Tabela 6 |
| Zalecana próbka testowa POLQA | 3 do 6 s aktywnej mowy, najwyżej 12 s łącznie; 8 par zdań od 2 mówców płci męskiej i 2 płci żeńskiej | ITU-T P.863.1 (06/2019) |
Uwaga kontekstowa: wartości z Tabeli 6 są średnimi, a poszczególne próbki mogą się różnić. W badaniu Acta Acustica z 2015 roku o przesunięciach czasowych bufora jittera (zob. sekcja 3) POLQA przewidywało to, co słyszeli słuchacze, znacząco lepiej niż PESQ.
6. Pomiary terenowe: co rejestrują regulatorzy i panele połączeń
Modele laboratoryjne opisują, co powinno się dziać; kampanie terenowe pokazują, co się dzieje. Francuski regulator Arcep uznaje połączenie za “doskonałe” tylko wtedy, gdy trwa dwie minuty bez słyszalnych zakłóceń, co jest surowszym testem niż samo nawiązanie rozmowy. Jego kampania z 2025 roku, oparta na ponad 1 milionie pomiarów we wszystkich usługach od czerwca do sierpnia 2025 roku (Arcep, jakość usług mobilnych we Francji kontynentalnej 2025), pokazuje, że tylko od 76% do 83% rozmów osiągnęło doskonałą jakość na obszarach wiejskich, wobec 89% do 96% na obszarach zurbanizowanych.
Dwa szczegóły mają znaczenie szczególnie dla VoIP. Rozmowy prowadzone przez komunikatory (głos OTT, czyli przesyłany jako dane ponad siecią operatora) wypadły gorzej niż własna usługa głosowa operatorów w tych samych sieciach. A w szybkich pociągach TGV tylko od 56% do 74% rozmów zostało nawiązanych i utrzymanych przez dwie minuty. Platformy korporacyjne stosują podobną logikę wobec każdej rozmowy: poza regułą 30 ms jittera Teams oznacza strumień audio jako słaby przy czasie pełnego obiegu powyżej 500 ms lub utracie pakietów powyżej 10%, a ocenia tylko strumienie liczące więcej niż 500 pakietów (Microsoft Learn, klasyfikacja strumieni w CQD). Technologię sieciową stojącą za głosem operatorskim opisują nasze statystyki wdrożeń VoLTE i VoNR.
| Metryka | Wartość | Źródło |
|---|---|---|
| Rozmowy o doskonałej jakości (utrzymane 2 minuty, bez słyszalnych zakłóceń), Francja kontynentalna: Orange / Bouygues Telecom / SFR / Free Mobile | 91% / 88% / 87% / 84% | Kampania Arcep 2025 |
| Ten sam wskaźnik na obszarach zurbanizowanych: Orange / Bouygues Telecom / SFR / Free Mobile | 95% / 96% / 92% / 89% | Kampania Arcep 2025 |
| Ten sam wskaźnik na obszarach wiejskich: Orange / Bouygues Telecom / SFR / Free Mobile | 83% / 77% / 79% / 76% | Kampania Arcep 2025 |
| Rozmowy przez komunikatory (głos OTT) utrzymane 2 minuty bez słyszalnych zakłóceń | Orange 82%, Free Mobile 80%, SFR 77%, Bouygues Telecom 77% | Kampania Arcep 2025 |
| Rozmowy nawiązane i utrzymane przez 2 minuty w szybkich pociągach TGV | od 56% (SFR) do 74% (Orange) | Kampania Arcep 2025 |
| Czas pełnego obiegu, powyżej którego Teams oznacza strumień audio jako słaby | Powyżej 500 ms | Microsoft Learn, klasyfikacja strumieni w CQD (2026), próg dostawcy |
| Współczynnik utraty pakietów, powyżej którego Teams oznacza strumień audio jako słaby | Powyżej 10% (0,1) | Microsoft Learn, klasyfikacja strumieni w CQD (2026), próg dostawcy |
Uwaga kontekstowa: wynik dla TGV mierzy rozmowy nawiązane i utrzymane przez dwie minuty; komunikat Arcep nie stwierdza, że warunek “bez słyszalnych zakłóceń” dotyczy wyników w transporcie, więc nie jest on porównywalny z wierszami o doskonałej jakości. Arcep nie publikuje w tym komunikacie wartości POLQA ani MOS.
Podsumowanie: bufor jittera VoIP i jakość mowy w liczbach
| Metryka | Wartość | Źródło |
|---|---|---|
| Opóźnienie w jedną stronę dla przezroczystej interaktywności wobec pułapu planistycznego | Poniżej 150 ms wobec 400 ms | ITU-T G.114 (2003) |
| Średnie opóźnienie dodawane przez bufor eliminujący jitter obejmujący zakres zmienności opóźnienia 50 ms | 25 ms (połowa jego szczytowego opóźnienia) | ITU-T G.114 (2003) |
| Górna granica średniego opóźnienia transferu IP dla VoIP o wysokiej interaktywności (klasa QoS 0) | 100 ms | ITU-T Y.1541 (2011) |
| Cel zmienności opóźnienia po stronie użytkownika końcowego, głos konwersacyjny | Poniżej 1 ms | ITU-T G.1010 (2001) |
| Opóźnienie algorytmiczne Opus | od 5 ms do 65,2 ms | IETF RFC 6716 (2012) |
| Limit strat wywołanych jitterem dla buforów jittera 3GPP | Poniżej 1% we wszystkich 6 profilach testowych | 3GPP TS 26.114 (wydanie 19) |
| Odsetek ramek mowy, które muszą mieścić się w opóźnieniu referencyjnym plus 60 ms | Co najmniej 90% | 3GPP TS 26.114 (wydanie 19) |
| Średni jitter, który oznacza strumień audio Teams jako słaby | Powyżej 30 ms | Microsoft Learn (2026) |
| Średnie opóźnienie w jedną stronę w laboratoryjnym teście VoLTE | 57,5 ms | Lipovac i in., EURASIP JWCN 2021 |
| Przesunięcia odtwarzania w ciszy o znikomym wpływie na słuchaczy | 30 ms lub mniej | Počta, Melvin i Hines, Acta Acustica 2015 |
| Użytkownicy oceniający rozmowę jako dobrą lub lepszą przy R 90 wobec R 70 wobec R 50 | Co najmniej 97% wobec 73% wobec 27% | ITU-T G.107 (2015) |
| Zakres R szerokopasmowego modelu E | od 0 do 129 | ITU-T G.107.1 (2019) |
| Wartość R oznaczona jako jakość telefonii tradycyjnej w RTCP XR | 94 | IETF RFC 3611 (2003) |
| Data usunięcia PESQ przez ITU-T | 5 stycznia 2024 roku | Strona ITU-T P.862 (2024) |
| Maksymalny wynik POLQA, tryb wąskopasmowy wobec pełnopasmowego | 4,5 wobec 4,8 | ITU-T P.863.1 (2019) |
| Górna granica zmienności opóźnienia pakietów dla interaktywnych sieci VoIP (klasy QoS 0 i 1) | 50 ms | ITU-T Y.1541 (2011) |
| Rozmowy o doskonałej jakości w skali kraju, najlepszy wobec najsłabszego operatora we Francji | 91% (Orange) wobec 84% (Free Mobile) | Kampania Arcep 2025 |
| Rozmowy przez aplikacje OTT utrzymane 2 minuty bez słyszalnych zakłóceń we Francji | od 77% do 82% | Kampania Arcep 2025 |
Metodologia i źródła
Każdą powyższą liczbę odczytano w dokumencie pierwotnym podczas badań do tego artykułu, na stronie wydawcy albo w pełnym tekście zalecenia, dokumentu RFC lub pracy naukowej. Wskazówki dostawcy (Microsoft) są oznaczone jako takie i użyte wyłącznie dla progów operacyjnych.
- ITU-T: G.114, czas transmisji w jedną stronę (05/2003, z poprawką Dodatku II dla VoIP), G.107, model E (06/2015), G.107.1, szerokopasmowy model E (06/2019), G.1010, kategorie QoS multimediów dla użytkownika końcowego (11/2001), Y.1541, cele wydajności sieci dla usług opartych na IP (12/2011)
- Ocena jakości mowy ITU-T: P.800 (08/1996), strona statusu P.862 (PESQ), P.863 (POLQA) (03/2018), przewodnik stosowania P.863.1 (06/2019)
- IETF: RFC 3550, RTP (lipiec 2003), RFC 3611, rozszerzone raporty RTCP (listopad 2003), RFC 6716, kodek Opus (wrzesień 2012)
- 3GPP: TS 26.114, telefonia multimedialna IMS, obsługa mediów i interakcja (odczytano tekst wydania 19; wersja 20.1.1 wymieniona jako najnowsza)
- Arcep: Jakość usług mobilnych we Francji kontynentalnej, kampania 2025 (komunikat prasowy, 20 listopada 2025 roku)
- Microsoft: Klasyfikacja strumieni w panelu jakości połączeń (Microsoft Learn, aktualizacja z czerwca 2026 roku; progi dostawcy)
- Počta, Melvin i Hines: An Analysis of the Impact of Playout Delay Adjustments introduced by VoIP Jitter Buffers on Listening Speech Quality (Acta Acustica united with Acustica, 2015)
- Lipovac, Lipovac, Grbavac i Obradović: Practical cross-layer testing of HARQ-induced delay variation on IP/RTP QoS and VoLTE QoE (EURASIP Journal on Wireless Communications and Networking, 2021)
- Uwaga o danych: większość progów opóźnień i oceny pochodzi ze standardów starych, ale wciąż obowiązujących (G.114 z 2003 roku, G.1010 z 2001, Y.1541 z 2011, P.800 z 1996, RFC 3550 i RFC 3611 z 2003); są to najnowsze dostępne dane, a nie przestarzałe pomiary. Źródła są sprzeczne w sprawie PESQ: ITU-T P.863.1 (2019) stwierdzało, że POLQA nie unieważnia PESQ, i zalecało uruchamianie obu, ale ITU-T usunęło P.862 w dniu 5 stycznia 2024 roku. Kryteria bufora jittera 3GPP odczytano w tekście wydania 19 za pośrednictwem lustra specyfikacji i należy je ponownie sprawdzić względem wydania 20 (wersja 20.1.1, wysłana 25 września 2026 roku). Arcep podaje okres pomiarowy 2025 jako czerwiec do sierpnia w treści komunikatu i koniec maja do sierpnia w aneksie. Badanie VoLTE Lipovac i in. podaje poziom istotności 1% w jednej sekcji, a w innej odwołuje się do 0,1; użyto tu wyłącznie jego opisowych wartości opóźnienia i jittera. Górnego limitu MOS w modelu E dla R powyżej 100 nie przytaczamy, ponieważ wyodrębniony tekst G.107 był w tym miejscu zniekształcony. Raportów z testów drogowych TRAI (zeskanowane pliki PDF) i stron Mobile Matters urzędu Ofcom (HTTP 403) nie udało się odczytać, więc je pominięto. Nasze badania wykazały niewiele otwartych, recenzowanych testów odsłuchowych dotyczących zachowania bufora jittera po 2016 roku, a budżet wyszukiwań internetowych w tej sesji wyczerpał się wcześnie, więc mogą istnieć nowsze badania, które sprawdzimy przy następnej aktualizacji.
Ostatnia aktualizacja: 24 października 2026 roku. Aktualizujemy to zestawienie kwartalnie, a kolejnej aktualizacji spodziewamy się, gdy Arcep opublikuje wyniki swojej kampanii z 2026 roku dotyczącej jakości usług mobilnych we Francji kontynentalnej.