บัฟเฟอร์ลดจิตเตอร์ที่กำหนดขนาดไว้เพื่อรองรับความแปรผันของความหน่วงของแพ็กเก็ต 50 ms จะเพิ่มความหน่วงให้ทุกสายโดยเฉลี่ยราว 25 ms เพราะกฎการวางแผนของ ITU-T สมมติว่าบัฟเฟอร์มีส่วนร่วมครึ่งหนึ่งของความหน่วงสูงสุดของตัวเอง (ITU-T G.114) ความหน่วง 25 ms นี้ถูกหักออกจากงบประมาณที่ตึงอยู่แล้ว: เสียงสนทนาตั้งเป้าความหน่วงทางเดียวต่ำกว่า 150 ms โดยมี 400 ms เป็นขีดจำกัด (ITU-T G.1010) ขณะนี้ 3GPP กำหนดให้จิตเตอร์บัฟเฟอร์ของโทรศัพท์เคลื่อนที่รักษาการสูญเสียที่เกิดจากจิตเตอร์ให้ต่ำกว่า 1% ในโปรไฟล์เครือข่ายมาตรฐานหกแบบ (3GPP TS 26.114) การวัดผลก็เปลี่ยนไปเช่นกัน: ITU-T ยกเลิกแบบจำลองคุณภาพเสียงพูด PESQ เมื่อวันที่ 5 มกราคม 2024 และแนะนำให้ผู้ใช้หันไปใช้ POLQA ซึ่งมาตราส่วนย่านความถี่เต็มสูงสุดที่ 4.8 ไม่ใช่ 4.5 (หน้า ITU-T P.862; ITU-T P.863.1) เรารวบรวมข้อมูลจากข้อเสนอแนะ ITU-T G.114, G.107, G.107.1, G.1010, Y.1541, P.800, P.863 และ P.863.1, IETF RFC 3550, 3611 และ 6716, 3GPP TS 26.114, แคมเปญวัดคุณภาพเครือข่ายมือถือปี 2025 ของ Arcep, เอกสาร Call Quality Dashboard ของ Microsoft Teams และงานวิจัยที่ผ่านการประเมินโดยผู้ทรงคุณวุฒิใน Acta Acustica และ EURASIP Journal on Wireless Communications and Networking สำหรับด้านตลาดของการโทรผ่านอินเทอร์เน็ต ดูสถิติ VoIP และ UCaaSของเรา
สรุปโดยย่อ
- ความหน่วงทางเดียวจากปากถึงหูต่ำกว่า 150 ms ให้การโต้ตอบที่โปร่งใสโดยพื้นฐาน; 400 ms คือเพดานสำหรับการวางแผนเครือข่ายทั่วไป (ITU-T G.114 2003)
- บัฟเฟอร์ลดจิตเตอร์เพิ่มความหน่วงเฉลี่ยครึ่งหนึ่งของความหน่วงสูงสุดของตัวเอง: 25 ms สำหรับบัฟเฟอร์ที่ครอบคลุมความแปรผันของความหน่วง 50 ms (ITU-T G.114 2003)
- เครือข่ายสำหรับ VoIP แบบโต้ตอบอาจมีความหน่วงของแพ็กเก็ตแปรผันได้ถึง 50 ms แต่เป้าหมายที่ผู้ใช้ปลายทางสำหรับเสียงสนทนาคือต่ำกว่า 1 ms (ITU-T Y.1541 2011; ITU-T G.1010 2001)
- จิตเตอร์บัฟเฟอร์ของ 3GPP ต้องรักษาการสูญเสียที่เกิดจากจิตเตอร์ให้ต่ำกว่า 1% ในทั้งหกโปรไฟล์ทดสอบ (3GPP TS 26.114, รีลีส 19)
- Teams จัดสตรีมเสียงเป็นระดับแย่เมื่อจิตเตอร์เฉลี่ยเกิน 30 ms (Microsoft Learn, การจัดประเภทสตรีม CQD 2026)
- การลดจาก R 90 เหลือ R 70 ทำให้สัดส่วนผู้ใช้ที่ให้คะแนนสายว่าดีหรือดีกว่าลดจากอย่างน้อย 97% เหลืออย่างน้อย 73% (ITU-T G.107 2015)
- E-model ย่านความถี่กว้างมีช่วง R ตั้งแต่ 0 ถึง 129 หรือกว้างกว่ามาตราส่วนย่านความถี่แคบราว 29% (ITU-T G.107.1 2019)
- ITU-T ยกเลิก PESQ (P.862) เมื่อวันที่ 5 มกราคม 2024 (หน้า ITU-T P.862 2024)
- POLQA ย่านความถี่เต็ม: EVS ที่ 48 kbit/s ได้คะแนนเฉลี่ย 4.70 ส่วน G.711 ได้เพียง 3.6 (ITU-T P.863.1 2019)
- การเลื่อนเวลาเล่นกลับ 30 ms หรือน้อยกว่ามีผลต่อผู้ฟังเพียงเล็กน้อยจนไม่สำคัญ แต่ PESQ ประเมินผิด (Počta, Melvin และ Hines, Acta Acustica 2015)
- Orange รักษาสายที่มีคุณภาพสมบูรณ์แบบไว้ได้ 91% ทั่วประเทศ ส่วน Free Mobile ได้ 84% (Arcep 2025)
1. งบประมาณความหน่วง: 150 ms สำหรับการสนทนาที่เป็นธรรมชาติ และ 400 ms เป็นเพดาน
ความหน่วงคืองบประมาณ ไม่ใช่ตัวเลขตัวเดียว โคเดก การแบ่งแพ็กเก็ต เครือข่าย จิตเตอร์บัฟเฟอร์ และอุปกรณ์เล่นเสียงล้วนใช้จ่ายจากแหล่งเดียวกัน และผู้ฟังรับรู้เฉพาะผลรวม เกณฑ์การวางแผนของ ITU-T ไม่เปลี่ยนแปลงมาสองทศวรรษเพราะอธิบายการสนทนาของมนุษย์ ไม่ใช่เทคโนโลยี: ต่ำกว่า 150 ms ทางเดียว แอปพลิเคชันส่วนใหญ่ได้การโต้ตอบที่โปร่งใสโดยพื้นฐาน; เกิน 400 ms ITU-T ถือว่าความหน่วงยอมรับไม่ได้สำหรับการวางแผนเครือข่ายทั่วไป
สิ่งที่น่าสังเกตคือเครือข่ายควรใช้งบประมาณนี้น้อยเพียงใด คลาส VoIP ที่มีการโต้ตอบสูงสุดใน ITU-T Y.1541 อนุญาตความหน่วงในการส่งต่อ IP เฉลี่ยเพียง 100 ms ทำให้เหลือ 50 ms (150 ms ลบ 100 ms) สำหรับทุกอย่างที่ปลายทั้งสองด้านของสาย หากต้องการให้สายยังคงโปร่งใส โคเดก G.723.1 ตัวเดียวใช้ไป 97.5 ms ในตารางการวางแผนเครือข่ายแบบใช้สายของ ITU-T เทียบกับ 0.375 ms สำหรับ G.711 ดังนั้นการเลือกโคเดกเพียงอย่างเดียวก็อาจตัดสินได้ว่าสายจะอยู่ต่ำกว่า 150 ms หรือไม่ ทุกขั้นตอนแบบเรียลไทม์ในเส้นทางเสียง ตั้งแต่การลดเสียงรบกวนไปจนถึงโปรแกรมเปลี่ยนเสียงสำหรับ Discord ใช้จ่ายจากงบประมาณปากถึงหูเดียวกัน ซึ่งเป็นเหตุผลที่ความหน่วงในการประมวลผลต่ำมีความสำคัญไม่แพ้คุณภาพเสียงในการโทรสด ผู้วางแผนตรวจสอบขีดจำกัดเหล่านี้ด้วย E-model ซึ่งโดยค่าเริ่มต้นจะเริ่มคิดค่าปรับความหน่วงก็ต่อเมื่อความหน่วงทางเดียวสัมบูรณ์เกิน 100 ms เท่านั้น เกณฑ์เหล่านี้อยู่ใน ITU-T G.114 และ ITU-T G.1010
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ความหน่วงทางเดียว: ขีดจำกัดสำหรับการโต้ตอบที่โปร่งใสโดยพื้นฐาน (ปากถึงหู) เทียบกับเพดานที่แนะนำสำหรับการวางแผนเครือข่ายทั่วไป | ต่ำกว่า 150 ms เทียบกับ 400 ms | ITU-T G.114 (05/2003) |
| เป้าหมายที่ผู้ใช้ปลายทางสำหรับเสียงสนทนา ความหน่วงทางเดียว | ต่ำกว่า 150 ms เป็นค่าที่พึงประสงค์ ต่ำกว่า 400 ms เป็นขีดจำกัด (สมมติว่ามีการควบคุมเสียงสะท้อนอย่างเพียงพอ) | ITU-T G.1010 (11/2001) |
| ขอบเขตความหน่วงในการส่งต่อ IP เฉลี่ย: QoS คลาส 0 (VoIP ที่มีการโต้ตอบสูง) เทียบกับคลาส 1 (VoIP แบบโต้ตอบ) | 100 ms เทียบกับ 400 ms | ITU-T Y.1541 (12/2011) |
| ความหน่วงทางเดียวจากการประมวลผลของโคเดกในการวางแผนเครือข่ายแบบใช้สาย (3 เฟรมบวกการมองล่วงหน้า): G.711 / G.729 / G.723.1 | 0.375 ms / 35 ms / 97.5 ms | ITU-T G.114, ภาคผนวก I |
| ช่วงความหน่วงเชิงอัลกอริทึมของโคเดก Opus | 5 ms ถึง 65.2 ms | IETF RFC 6716 (2012) |
| ขนาดเฟรมของ Opus | 2.5, 5, 10, 20, 40 หรือ 60 ms | IETF RFC 6716 (2012) |
| ความหน่วงทางเดียวสัมบูรณ์ตามค่าเริ่มต้น ซึ่งต่ำกว่านี้ E-model จะไม่คิดความเสื่อมจากความหน่วง | 100 ms | ITU-T G.107 (06/2015) |
หมายเหตุบริบท: “การมองล่วงหน้า” คือช่วงเสียงเพิ่มเติมที่โคเดกต้องรอก่อนจึงจะเข้ารหัสเฟรมปัจจุบันได้ G.114 (2003), G.1010 (2001) และ Y.1541 (2011) เป็นฉบับเก่าแต่เป็นฉบับที่มีผลบังคับใช้อยู่บนเว็บไซต์ของ ITU-T ในเดือนตุลาคม 2026 ข้อมูลล่าสุดที่มี: ITU-T ปี 2001 ถึง 2015
2. จิตเตอร์: เครือข่ายได้รับอนุญาตให้มีความแปรผันของความหน่วงได้เท่าไร
จิตเตอร์คือความแปรผันของเวลาที่แพ็กเก็ตใช้เดินทางมาถึง สายที่มีความหน่วงสูงแต่คงที่ยังคงฟังชัดเจนได้ ส่วนสายที่แพ็กเก็ตมาถึงเป็นช่วงห่างไม่สม่ำเสมอต้องมีบัฟเฟอร์ ไม่เช่นนั้นเสียงจะขาดหาย ITU-T อนุญาตให้เครือข่าย VoIP แบบโต้ตอบมีความแปรผันของความหน่วงของแพ็กเก็ตได้ถึง 50 ms แต่เป้าหมายที่ผู้ใช้ปลายทางสำหรับเสียงสนทนาคือความแปรผันของความหน่วงต่ำกว่า 1 ms (ITU-T Y.1541; ITU-T G.1010) ช่องว่างระหว่างตัวเลขสองตัวนี้คือคำอธิบายหน้าที่ของจิตเตอร์บัฟเฟอร์: เครือข่ายถูกคาดหวังให้ส่งมอบจิตเตอร์ และผู้รับถูกคาดหวังให้ซ่อนมัน
วิธีรายงานจิตเตอร์สำคัญไม่แพ้ปริมาณของมัน ผู้รับ RTP คำนวณค่าประมาณแบบต่อเนื่องที่แพ็กเก็ตใหม่แต่ละตัวขยับค่าเพียงหนึ่งในสิบหกของส่วนต่าง ซึ่งเป็นอัตราขยายที่ IETF เลือกเพราะ “ให้อัตราส่วนการลดสัญญาณรบกวนที่ดี ขณะที่ยังคงอัตราการลู่เข้าที่สมเหตุสมผล” (IETF RFC 3550) RFC ฉบับเดียวกันแนะนำให้รายงานควบคุมใช้แบนด์วิดท์ของเซสชัน 5% โดยมีช่วงเวลาขั้นต่ำคงที่ 5 วินาที เพราะการทำให้เรียบและจังหวะการรายงานนี้ ความหน่วงที่พุ่งขึ้นสั้น ๆ เพียงครั้งเดียวแทบไม่ขยับค่าจิตเตอร์ที่เครื่องมือตรวจสอบมองเห็น ลิงก์วิทยุเพิ่มความแปรผันของตัวเอง: ในการศึกษาในห้องปฏิบัติการ VoLTE ปี 2021 ความหน่วงเฉลี่ย 57.5 ms ในช่วง 20 ถึง 150 ms ขณะที่จิตเตอร์กระจุกอยู่เหนือ 31 ms เล็กน้อย (Lipovac และคณะ, EURASIP JWCN 2021) การศึกษาเดียวกันถือว่าอัตราความผิดพลาดของบล็อกวิทยุ 10% เป็นจุดดำเนินงานที่เหมาะสมที่สุดสำหรับเสียง LTE ซึ่งลดลงเหลือราว 1% หลังการส่งซ้ำหนึ่งครั้ง
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ขอบเขตความแปรผันของความหน่วงของแพ็กเก็ต (ความหน่วงที่เปอร์เซ็นไทล์ที่ 99.9 ลบความหน่วงต่ำสุด) QoS คลาส 0 และ 1 | 50 ms | ITU-T Y.1541 (12/2011) |
| ขอบเขตอัตราการสูญเสียแพ็กเก็ต QoS คลาส 0 และ 1 | 1 ใน 1,000 (1 x 10^-3) | ITU-T Y.1541 (12/2011) |
| เป้าหมายความแปรผันของความหน่วงที่ผู้ใช้ปลายทาง เสียงสนทนา | ต่ำกว่า 1 ms | ITU-T G.1010 (11/2001) |
| อัตราขยายของตัวประมาณจิตเตอร์ระหว่างการมาถึงของ RTP มาตรฐาน | 1/16 ต่อแพ็กเก็ต | IETF RFC 3550 (2003) |
| จิตเตอร์เฉลี่ยที่เกินกว่านี้ Teams จัดสตรีมเสียงเป็นระดับแย่ | เกิน 30 ms | Microsoft Learn, การจัดประเภทสตรีม CQD (2026), เกณฑ์ของผู้จำหน่าย |
| ความหน่วงทางเดียวเฉลี่ยในการทดสอบ VoLTE ในห้องปฏิบัติการ (ช่วงที่วัดได้ 20 ถึง 150 ms) | 57.5 ms | Lipovac และคณะ, EURASIP JWCN 2021 |
| ค่าที่จิตเตอร์ RTP สะสมอยู่รอบ ๆ ในการทดสอบ VoLTE เดียวกัน | สูงกว่า 31 ms เล็กน้อย | Lipovac และคณะ, EURASIP JWCN 2021 |
| เวลาไป-กลับของการส่งซ้ำทางวิทยุ LTE หนึ่งครั้ง (HARQ) บนลิงก์ FDD | 8 ms | Lipovac และคณะ, EURASIP JWCN 2021 |
หมายเหตุบริบท: HARQ (คำขอทวนซ้ำอัตโนมัติแบบผสม) คือการส่งซ้ำอย่างรวดเร็วของชั้นวิทยุเอง การลองใหม่แต่ละครั้งแก้ไขบล็อกที่หายไปได้แต่มาถึงช้าลง ซึ่งเป็นหนึ่งในวิธีที่ลิงก์เคลื่อนที่เปลี่ยนข้อผิดพลาดให้เป็นจิตเตอร์ เกณฑ์ 30 ms ของ Teams เป็นกฎการตรวจสอบของ Microsoft เอง ไม่ใช่มาตรฐานอุตสาหกรรม Microsoft ระบุว่าธงระดับแย่ไม่ได้หมายความว่าผู้ใช้ได้ยินปัญหาจริง ๆ
3. จิตเตอร์บัฟเฟอร์: ความหน่วงที่ต้องจ่ายเพื่อกำจัดจิตเตอร์
จิตเตอร์บัฟเฟอร์หน่วงแพ็กเก็ตไว้เพื่อให้เล่นได้ในจังหวะสม่ำเสมอ ทุกมิลลิวินาทีที่หน่วงไว้คือความหน่วงที่เพิ่มเข้ามา ทุกแพ็กเก็ตที่มาถึงหลังเวลาเล่นของมันจะสูญหาย แม้เครือข่ายส่งมาแล้วก็ตาม หน่วยงานมาตรฐานต้องเลือกข้างในการแลกเปลี่ยนนี้ และ 3GPP วางขีดจำกัดเด็ดขาดไว้ที่การสูญเสีย: จิตเตอร์บัฟเฟอร์ของ 3GPP ที่สอดคล้องตามมาตรฐานต้องรักษาการสูญเสียที่เกิดจากจิตเตอร์ให้ต่ำกว่า 1% ในแต่ละโปรไฟล์จากหกโปรไฟล์มาตรฐานของความหน่วงและการสูญเสีย พร้อมกับรักษาเฟรมเสียงพูดอย่างน้อย 90% ให้อยู่ที่หรือต่ำกว่าการกระจายความหน่วงของอัลกอริทึมอ้างอิงที่เลื่อนไป 60 ms (3GPP TS 26.114) ขีดจำกัดการสูญเสียเป็นค่าสัมบูรณ์ ขณะที่ขีดจำกัดความหน่วงเป็นเพียงค่าสัมพัทธ์กับอัลกอริทึมอ้างอิง ซึ่งบอกผู้พัฒนาว่าการใช้ความหน่วงเพิ่มอีกเล็กน้อยยอมรับได้ แต่การสูญเสียเสียงยอมรับไม่ได้
บัฟเฟอร์แบบปรับตัวได้ปรับขนาดตัวเองในช่วงเงียบ และการศึกษาการฟังแบบควบคุมชิ้นหนึ่งพบว่าการปรับขนาดเล็กน้อยไม่มีใครสังเกตเห็น การเลื่อนเวลาเล่นกลับ 30 ms หรือน้อยกว่าที่แทรกในช่วงเงียบมีผลต่อคะแนนการฟังเชิงอัตวิสัยเพียงเล็กน้อยจนไม่สำคัญ แต่แบบจำลอง PESQ รายงานการเสื่อมคุณภาพอย่างมีนัยสำคัญที่ผู้คนไม่ได้ยิน (Počta, Melvin และ Hines, Acta Acustica 2015) สำหรับการตรวจสอบสด รายงาน RTCP XR ช่วยให้ผู้รับเผยแพร่ความหน่วงของบัฟเฟอร์ระดับปกติ ระดับสูงสุด และระดับสูงสุดสัมบูรณ์เป็นมิลลิวินาที พร้อมระบุว่าบัฟเฟอร์เป็นแบบปรับตัวได้หรือคงที่ (IETF RFC 3611)
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ความหน่วงเฉลี่ยที่บัฟเฟอร์ลดจิตเตอร์เพิ่ม สำหรับการวางแผน (ตัวอย่างการคำนวณ: บัฟเฟอร์สำหรับช่วงความแปรผันของความหน่วง 50 ms) | ครึ่งหนึ่งของความหน่วงสูงสุด (25 ms ในตัวอย่าง) | ITU-T G.114 (05/2003) |
| ขีดจำกัดการสูญเสียที่เกิดจากจิตเตอร์สำหรับบัฟเฟอร์โทรศัพท์มัลติมีเดียของ 3GPP | ต่ำกว่า 1% ในทุกช่องทดสอบ | 3GPP TS 26.114 (รีลีส 19), ข้อ 8.2.3.2.3 |
| เกณฑ์ความหน่วง: สัดส่วนเฟรมเสียงพูดที่อยู่ที่หรือต่ำกว่าการกระจายความหน่วงของอัลกอริทึมอ้างอิงที่เลื่อนไป 60 ms | อย่างน้อย 90% | 3GPP TS 26.114 (รีลีส 19), ข้อ 8.2.3.2.2 |
| โปรไฟล์ทดสอบมาตรฐานสำหรับความสอดคล้องของจิตเตอร์บัฟเฟอร์: จำนวน ความยาว และการสูญเสียแพ็กเก็ตที่กำหนดไว้ | 6 โปรไฟล์ โปรไฟล์ละ 7,500 แพ็กเก็ต IP โดยมีการสูญเสียแพ็กเก็ตตั้งแต่ 0% (โปรไฟล์ 1) ถึง 5.9% (โปรไฟล์ 5) | 3GPP TS 26.114 (รีลีส 19), ตาราง 8.1 |
| ขนาดของการเลื่อนเวลาเล่นกลับในช่วงเงียบที่มีผลต่อคะแนนผู้ฟังเพียงเล็กน้อยจนไม่สำคัญ | 30 ms หรือน้อยกว่า | Počta, Melvin และ Hines, Acta Acustica 2015 |
| ความหน่วงของจิตเตอร์บัฟเฟอร์ที่ใหญ่ที่สุดที่รายงาน RTCP XR สามารถแสดงได้ | 65,535 ms (ฟิลด์ 16 บิต) | IETF RFC 3611 (2003) |
หมายเหตุบริบท: โปรไฟล์ 5 มีเฟรมเสียงพูด 2 เฟรมต่อแพ็กเก็ต (15,000 เฟรมใน 7,500 แพ็กเก็ต) ขณะที่อีกห้าโปรไฟล์มี 1 เฟรมต่อแพ็กเก็ต ตัวเลขของ 3GPP อ่านจากข้อความรีลีส 19 ของ TS 26.114 พอร์ทัลของ 3GPP แสดงเวอร์ชัน 20.1.1 (รีลีส 20) เป็นการอัปโหลดล่าสุดเมื่อวันที่ 25 กันยายน 2026 ข้อมูลล่าสุดที่มีเกี่ยวกับการทดสอบการฟัง: Počta, Melvin และ Hines ปี 2015
4. การให้คะแนนการสนทนา: มาตราส่วน MOS และค่า R ของ E-model
ระบบให้คะแนนสองระบบทำงานคู่กัน คะแนนความคิดเห็นเฉลี่ย (MOS) มาจากผู้คน: ผู้ฟังให้คะแนนตัวอย่างบนมาตราส่วนการให้คะแนนแบบหมวดหมู่สัมบูรณ์ห้าระดับของ ITU-T P.800 ตั้งแต่ 5 (ยอดเยี่ยม) ถึง 1 (แย่มาก) หลังจากฟังกลุ่มประโยคสั้น ๆ ที่แต่ละกลุ่มอยู่ในช่วง 2 ถึง 3 วินาที ค่า R ของ E-model มาจากการคำนวณ: เริ่มจากคะแนนพื้นฐานของอัตราส่วนสัญญาณต่อสัญญาณรบกวน หักความเสื่อมจากสัญญาณรบกวน ความหน่วง เสียงสะท้อน โคเดก และการสูญเสีย แล้วบวกปัจจัยความได้เปรียบด้านความสะดวก เมื่อทุกพารามิเตอร์อยู่ที่ค่าเริ่มต้น R จะอยู่ที่ 93.2 (ITU-T G.107)
ตารางความพึงพอใจในภาคผนวก B คือจุดที่ R มีความหมายทางธุรกิจ การลดจาก R 90 เหลือ R 70 ทำให้สัดส่วนผู้ใช้ที่ให้คะแนนสายว่าดีหรือดีกว่าลดจากอย่างน้อย 97% เหลืออย่างน้อย 73% และที่ R 50 ค่าต่ำสุดเหลือเพียง 27% ที่ดีหรือดีกว่า โดยมีผู้ให้คะแนนว่าแย่หรือแย่กว่าสูงถึง 38% ที่ R 80 ยังคงมีอย่างน้อย 89% ที่ดีหรือดีกว่า และที่ R 60 อย่างน้อย 50% ดังนั้นคุณภาพที่รับรู้ได้ลดลงเร็วกว่าที่มาตราส่วน R แบบเส้นตรงบ่งชี้ สายย่านความถี่กว้างได้ไม้บรรทัดที่กว้างกว่า: E-model ย่านความถี่กว้างมีช่วงตั้งแต่ 0 ถึง 129 หรือกว้างกว่ามาตราส่วนย่านความถี่แคบราว 29% (ITU-T G.107.1)
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| มาตราส่วนคุณภาพการฟังที่ใช้ในการทดสอบ MOS เชิงอัตวิสัย | 5 = ยอดเยี่ยม, 4 = ดี, 3 = พอใช้, 2 = แย่, 1 = แย่มาก | ITU-T P.800 (08/1996) |
| ค่า R ย่านความถี่แคบเมื่อทุกพารามิเตอร์ของ E-model อยู่ที่ค่าเริ่มต้น | 93.2 | ITU-T G.107 (06/2015) |
| ขอบล่างของ R 90: MOS โดยประมาณ / ผู้ใช้ที่ให้คะแนนดีหรือดีกว่า / ผู้ใช้ที่ให้คะแนนแย่หรือแย่กว่า | 4.34 / อย่างน้อย 97% / 0% (พึงพอใจมาก) | ITU-T G.107 (06/2015), ภาคผนวก B |
| ขอบล่างของ R 70: MOS โดยประมาณ / ดีหรือดีกว่า / แย่หรือแย่กว่า | 3.60 / อย่างน้อย 73% / ไม่เกิน 6% (ผู้ใช้บางส่วนไม่พึงพอใจ) | ITU-T G.107 (06/2015), ภาคผนวก B |
| ขอบล่างของ R 50: MOS โดยประมาณ / ดีหรือดีกว่า / แย่หรือแย่กว่า | 2.58 / อย่างน้อย 27% / ไม่เกิน 38% (ผู้ใช้เกือบทั้งหมดไม่พึงพอใจ) | ITU-T G.107 (06/2015), ภาคผนวก B |
| ปัจจัยความได้เปรียบ A สูงสุด (คุณภาพที่ผู้ใช้ยอมแลกกับความสะดวก): ระบบใช้สาย / มือถือในอาคาร / มือถือในยานพาหนะ / ดาวเทียมหลายช่วง | 0 / 5 / 10 / 20 | ITU-T G.107 (06/2015), ตาราง 2 |
| ช่วงค่า R ใน E-model ย่านความถี่กว้าง | 0 ถึง 129 | ITU-T G.107.1 (06/2019) |
| ค่า R ที่รายงาน RTCP XR ระบุว่าเป็นคุณภาพระดับโทลล์ เทียบกับค่าที่เท่ากับหรือต่ำกว่านี้สายถือว่าใช้งานไม่ได้ | 94 เทียบกับ 50 | IETF RFC 3611 (2003) |
หมายเหตุบริบท: “คุณภาพระดับโทลล์” หมายถึงคุณภาพของสายโทรศัพท์พื้นฐานแบบดั้งเดิม RFC 3611 เข้ารหัสค่า MOS เป็นจำนวนเต็มตั้งแต่ 10 ถึง 50 (MOS คูณ 10) โดย 127 หมายถึงไม่มีข้อมูล ป้ายคุณภาพระดับโทลล์ที่ 94 และค่าเริ่มต้นของ E-model ที่ 93.2 ใช้หลักเกณฑ์ต่างกันและไม่ควรอ่านว่าขัดแย้งกัน
5. จาก PESQ สู่ POLQA: แบบจำลองเชิงวัตถุวิสัยให้คะแนนเสียงพูดอย่างไร
คณะผู้ฟังทั้งช้าและแพง เครือข่ายจึงถูกให้คะแนนด้วยแบบจำลองเชิงวัตถุวิสัยที่เปรียบเทียบการบันทึกอ้างอิงที่สะอาดกับการบันทึกที่เสื่อมคุณภาพ และทำนายค่า MOS ที่คณะผู้ฟังจะให้ ITU-T ยกเลิก PESQ (P.862) และข้อเสนอแนะประกอบ P.862.1 ถึง P.862.3 เมื่อวันที่ 5 มกราคม 2024 โดยแนะนำให้ผู้ใช้หันไปใช้ POLQA (P.863) (ITU-T P.862) แม้ในฉบับปี 2019 คู่มือการใช้งาน POLQA ยังบอกวิศวกรว่า P.863 “ไม่ได้ยกเลิก” P.862 และแนะนำให้รันทั้งสองควบคู่กัน ดังนั้นแผนทดสอบใด ๆ ที่เขียนก่อนปี 2024 ควรได้รับการทบทวนอีกครั้ง
กับดักที่ใหญ่กว่าคือมาตราส่วน POLQA ครอบคลุมเสียงตั้งแต่ย่านความถี่แคบ (300 ถึง 3,400 Hz) ไปจนถึงย่านความถี่เต็ม (20 ถึง 20,000 Hz) และฉบับที่สาม (2018) ตัดตัวกรองความถี่ต่ำผ่าน 14 kHz เดิมออกเพื่อรองรับโคเดกย่านความถี่เต็ม เช่น Opus และ EVS (ITU-T P.863) โหมดย่านความถี่แคบสูงสุดที่ 4.5 ขณะที่โหมดย่านความถี่เต็มสูงสุดที่ 4.8 และสาย G.711 เดียวกันได้ 4.4 ในโหมดหนึ่งและ 3.6 ในอีกโหมดหนึ่ง (ITU-T P.863.1) “MOS 3.6” ไม่มีความหมายใด ๆ จนกว่าคุณจะรู้ว่าโหมดไหนให้ค่านี้ สำหรับวิธีที่ผู้ให้บริการเผยแพร่คะแนนเหล่านี้จากการทดสอบขับรถวัดสัญญาณจริง ดูสถิติคุณภาพเสียง (MOS) ของเครือข่ายเซลลูลาร์ของเรา
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| สถานะของ PESQ ที่ ITU-T | P.862, P.862.1, P.862.2 และ P.862.3 ถูกยกเลิกเมื่อวันที่ 5 มกราคม 2024 | หน้า ITU-T P.862 (2024) |
| ช่วงคะแนน PESQ ดิบ | -0.5 ถึง 4.5 | Lipovac และคณะ, EURASIP JWCN 2021 |
| ความครอบคลุมแบนด์วิดท์เสียงของ POLQA | ย่านความถี่แคบ 300 ถึง 3,400 Hz จนถึงย่านความถี่เต็ม 20 ถึง 20,000 Hz (ย่านความถี่กว้างพิเศษ 50 ถึง 14,000 Hz จำลองโดยจำกัดย่านความถี่) | ITU-T P.863 (03/2018) |
| คะแนน POLQA สูงสุด: โหมดย่านความถี่แคบ เทียบกับโหมดย่านความถี่เต็ม | 4.5 เทียบกับ 4.8 (ข้อมูลอ้างอิงย่านความถี่เต็มแบบโปร่งใสควรได้อย่างน้อย 4.75) | ITU-T P.863.1 (06/2019) |
| G.711 พร้อมตัวกรองหูโทรศัพท์ IRS คะแนนเฉลี่ย: PESQ ย่านความถี่แคบ / POLQA ย่านความถี่แคบ / POLQA ย่านความถี่เต็ม | 4.4 / 4.4 / 3.6 | ITU-T P.863.1 (06/2019), ตาราง 6 |
| AMR-NB ที่ 12.2 kbit/s คะแนนเฉลี่ย: PESQ ย่านความถี่แคบ / POLQA ย่านความถี่แคบ / POLQA ย่านความถี่เต็ม | 4.0 / 4.2 / 3.2 | ITU-T P.863.1 (06/2019), ตาราง 6 |
| คะแนนเฉลี่ย POLQA ย่านความถี่เต็ม: EVS 48 kbit/s ย่านความถี่เต็ม เทียบกับ EVS 24.4 kbit/s ย่านความถี่กว้างพิเศษ เทียบกับ AMR-WB 23.85 kbit/s | 4.70 เทียบกับ 4.65 เทียบกับ 4.0 | ITU-T P.863.1 (06/2019), ตาราง 6 |
| ตัวอย่างทดสอบ POLQA ที่แนะนำ | เสียงพูดที่มีการใช้งาน 3 ถึง 6 วินาที รวมไม่เกิน 12 วินาที; คู่ประโยค 8 คู่จากผู้พูดชาย 2 คนและหญิง 2 คน | ITU-T P.863.1 (06/2019) |
หมายเหตุบริบท: ค่าในตาราง 6 เป็นค่าเฉลี่ย และตัวอย่างแต่ละรายการอาจแตกต่างออกไป ในการศึกษา Acta Acustica ปี 2015 เกี่ยวกับการเลื่อนเวลาของจิตเตอร์บัฟเฟอร์ (ดูหัวข้อ 3) POLQA ทำนายสิ่งที่ผู้ฟังได้ยินได้ดีกว่า PESQ อย่างมีนัยสำคัญ
6. การวัดภาคสนาม: สิ่งที่หน่วยงานกำกับดูแลและแดชบอร์ดการโทรบันทึกไว้
แบบจำลองในห้องปฏิบัติการอธิบายสิ่งที่ควรเกิดขึ้น แคมเปญภาคสนามแสดงสิ่งที่เกิดขึ้นจริง Arcep หน่วยงานกำกับดูแลของฝรั่งเศส นับสายว่า “สมบูรณ์แบบ” ก็ต่อเมื่อสายนั้นคงอยู่สองนาทีโดยไม่มีสิ่งรบกวนที่ได้ยิน ซึ่งเป็นการทดสอบที่เข้มงวดกว่าการดูว่าสายเชื่อมต่อได้หรือไม่ แคมเปญปี 2025 ของ Arcep ซึ่งอาศัยการวัดมากกว่า 1 ล้านครั้งในทุกบริการระหว่างเดือนมิถุนายนถึงสิงหาคม 2025 (Arcep, คุณภาพบริการเครือข่ายมือถือในฝรั่งเศสแผ่นดินใหญ่ 2025) แสดงให้เห็นว่า มีเพียง 76% ถึง 83% ของสายที่ได้คุณภาพสมบูรณ์แบบในพื้นที่ชนบท เทียบกับ 89% ถึง 96% ในพื้นที่หนาแน่น
มีสองรายละเอียดที่สำคัญเป็นพิเศษสำหรับ VoIP สายที่โทรผ่านแอปส่งข้อความ (เสียงโอทีที หรือ OTT ที่ทำงานเป็นข้อมูล) ได้คะแนนต่ำกว่าบริการเสียงของผู้ให้บริการเองบนเครือข่ายเดียวกัน และบนรถไฟความเร็วสูง TGV มีเพียง 56% ถึง 74% ของสายที่เชื่อมต่อและคงอยู่ได้สองนาที แพลตฟอร์มองค์กรใช้ตรรกะคล้ายกันกับทุกสาย: นอกจากกฎจิตเตอร์ 30 ms แล้ว Teams ยังจัดสตรีมเสียงเป็นระดับแย่เมื่อเวลาไป-กลับเกิน 500 ms หรือสูญเสียแพ็กเก็ต 10% และให้คะแนนเฉพาะสตรีมที่มีมากกว่า 500 แพ็กเก็ต (Microsoft Learn, การจัดประเภทสตรีมใน CQD) สำหรับเทคโนโลยีเครือข่ายเบื้องหลังเสียงของผู้ให้บริการ ดูสถิติการติดตั้ง VoLTE และ VoNRของเรา
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| สายคุณภาพสมบูรณ์แบบ (คงอยู่ 2 นาที ไม่มีสิ่งรบกวนที่ได้ยิน) ฝรั่งเศสแผ่นดินใหญ่: Orange / Bouygues Telecom / SFR / Free Mobile | 91% / 88% / 87% / 84% | แคมเปญ Arcep 2025 |
| ตัวชี้วัดเดียวกันในพื้นที่หนาแน่น: Orange / Bouygues Telecom / SFR / Free Mobile | 95% / 96% / 92% / 89% | แคมเปญ Arcep 2025 |
| ตัวชี้วัดเดียวกันในพื้นที่ชนบท: Orange / Bouygues Telecom / SFR / Free Mobile | 83% / 77% / 79% / 76% | แคมเปญ Arcep 2025 |
| สายที่โทรผ่านแอปส่งข้อความ (เสียงโอทีที) คงอยู่ 2 นาทีโดยไม่มีสิ่งรบกวนที่ได้ยิน | Orange 82%, Free Mobile 80%, SFR 77%, Bouygues Telecom 77% | แคมเปญ Arcep 2025 |
| สายที่เชื่อมต่อและคงอยู่ 2 นาทีบนรถไฟความเร็วสูง TGV | 56% (SFR) ถึง 74% (Orange) | แคมเปญ Arcep 2025 |
| เวลาไป-กลับที่เกินกว่านี้ Teams จัดสตรีมเสียงเป็นระดับแย่ | เกิน 500 ms | Microsoft Learn, การจัดประเภทสตรีม CQD (2026), เกณฑ์ของผู้จำหน่าย |
| อัตราการสูญเสียแพ็กเก็ตที่เกินกว่านี้ Teams จัดสตรีมเสียงเป็นระดับแย่ | เกิน 10% (0.1) | Microsoft Learn, การจัดประเภทสตรีม CQD (2026), เกณฑ์ของผู้จำหน่าย |
หมายเหตุบริบท: ตัวเลข TGV วัดสายที่เชื่อมต่อและคงอยู่สองนาที ประกาศของ Arcep ไม่ได้ระบุว่าเงื่อนไข “ไม่มีสิ่งรบกวนที่ได้ยิน” ใช้กับผลของการขนส่ง จึงเปรียบเทียบกับแถวคุณภาพสมบูรณ์แบบไม่ได้ Arcep ไม่ได้เผยแพร่ค่า POLQA หรือ MOS ในประกาศนี้
สรุป: จิตเตอร์บัฟเฟอร์ VoIP และคุณภาพเสียงพูดในรูปตัวเลข
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ความหน่วงทางเดียวสำหรับการโต้ตอบที่โปร่งใสโดยพื้นฐาน เทียบกับเพดานการวางแผน | ต่ำกว่า 150 ms เทียบกับ 400 ms | ITU-T G.114 (2003) |
| ความหน่วงเฉลี่ยที่เพิ่มโดยบัฟเฟอร์ลดจิตเตอร์ซึ่งครอบคลุมช่วงความแปรผันของความหน่วง 50 ms | 25 ms (ครึ่งหนึ่งของความหน่วงสูงสุด) | ITU-T G.114 (2003) |
| ขอบเขตความหน่วงในการส่งต่อ IP เฉลี่ยสำหรับ VoIP ที่มีการโต้ตอบสูง (QoS คลาส 0) | 100 ms | ITU-T Y.1541 (2011) |
| เป้าหมายความแปรผันของความหน่วงที่ผู้ใช้ปลายทาง เสียงสนทนา | ต่ำกว่า 1 ms | ITU-T G.1010 (2001) |
| ความหน่วงเชิงอัลกอริทึมของ Opus | 5 ms ถึง 65.2 ms | IETF RFC 6716 (2012) |
| ขีดจำกัดการสูญเสียที่เกิดจากจิตเตอร์สำหรับจิตเตอร์บัฟเฟอร์ของ 3GPP | ต่ำกว่า 1% ในทั้ง 6 โปรไฟล์ทดสอบ | 3GPP TS 26.114 (รีลีส 19) |
| สัดส่วนเฟรมเสียงพูดที่ต้องอยู่ภายในความหน่วงอ้างอิงบวก 60 ms | อย่างน้อย 90% | 3GPP TS 26.114 (รีลีส 19) |
| จิตเตอร์เฉลี่ยที่ทำให้สตรีมเสียงของ Teams ถูกจัดเป็นระดับแย่ | เกิน 30 ms | Microsoft Learn (2026) |
| ความหน่วงทางเดียวเฉลี่ยในการทดสอบ VoLTE ในห้องปฏิบัติการ | 57.5 ms | Lipovac และคณะ, EURASIP JWCN 2021 |
| การเลื่อนเวลาเล่นกลับในช่วงเงียบที่มีผลต่อผู้ฟังเพียงเล็กน้อยจนไม่สำคัญ | 30 ms หรือน้อยกว่า | Počta, Melvin และ Hines, Acta Acustica 2015 |
| ผู้ใช้ที่ให้คะแนนสายว่าดีหรือดีกว่าที่ R 90 เทียบกับ R 70 เทียบกับ R 50 | อย่างน้อย 97% เทียบกับ 73% เทียบกับ 27% | ITU-T G.107 (2015) |
| ช่วงค่า R ของ E-model ย่านความถี่กว้าง | 0 ถึง 129 | ITU-T G.107.1 (2019) |
| ค่า R ที่ระบุว่าเป็นคุณภาพระดับโทลล์ใน RTCP XR | 94 | IETF RFC 3611 (2003) |
| PESQ ที่ถูก ITU-T ยกเลิก | 5 มกราคม 2024 | หน้า ITU-T P.862 (2024) |
| คะแนน POLQA สูงสุด โหมดย่านความถี่แคบเทียบกับย่านความถี่เต็ม | 4.5 เทียบกับ 4.8 | ITU-T P.863.1 (2019) |
| ขอบเขตความแปรผันของความหน่วงของแพ็กเก็ตสำหรับเครือข่าย VoIP แบบโต้ตอบ (QoS คลาส 0 และ 1) | 50 ms | ITU-T Y.1541 (2011) |
| สายคุณภาพสมบูรณ์แบบทั่วประเทศ ผู้ให้บริการที่ดีที่สุดเทียบกับอ่อนที่สุดในฝรั่งเศส | 91% (Orange) เทียบกับ 84% (Free Mobile) | แคมเปญ Arcep 2025 |
| สายผ่านแอปโอทีทีที่คงอยู่ 2 นาทีโดยไม่มีสิ่งรบกวนที่ได้ยินในฝรั่งเศส | 77% ถึง 82% | แคมเปญ Arcep 2025 |
ระเบียบวิธีและแหล่งที่มา
ตัวเลขทุกตัวข้างต้นถูกอ่านจากเอกสารต้นฉบับระหว่างการค้นคว้าสำหรับบทความนี้ ไม่ว่าจะเป็นบนหน้าเว็บของผู้เผยแพร่หรือในเนื้อหาฉบับเต็มของข้อเสนอแนะ RFC หรือบทความวิจัย แนวทางจากผู้จำหน่าย (Microsoft) มีการระบุไว้เช่นนั้นและใช้เฉพาะสำหรับเกณฑ์เชิงปฏิบัติการ
- ITU-T: G.114, เวลาส่งผ่านทางเดียว (05/2003 พร้อมการแก้ไข VoIP ในภาคผนวก II), G.107, E-model (06/2015), G.107.1, E-model ย่านความถี่กว้าง (06/2019), G.1010, หมวดหมู่ QoS มัลติมีเดียสำหรับผู้ใช้ปลายทาง (11/2001), Y.1541, วัตถุประสงค์ด้านประสิทธิภาพเครือข่ายสำหรับบริการบน IP (12/2011)
- การประเมินคุณภาพเสียงพูดของ ITU-T: P.800 (08/1996), หน้าสถานะ P.862 (PESQ), P.863 (POLQA) (03/2018), คู่มือการใช้งาน P.863.1 (06/2019)
- IETF: RFC 3550, RTP (กรกฎาคม 2003), RFC 3611, รายงานแบบขยายของ RTCP (พฤศจิกายน 2003), RFC 6716, โคเดก Opus (กันยายน 2012)
- 3GPP: TS 26.114, โทรศัพท์มัลติมีเดีย IMS การจัดการสื่อและการโต้ตอบ (อ่านข้อความรีลีส 19; เวอร์ชัน 20.1.1 แสดงเป็นเวอร์ชันล่าสุด)
- Arcep: คุณภาพบริการเครือข่ายมือถือในฝรั่งเศสแผ่นดินใหญ่ แคมเปญปี 2025 (ข่าวประชาสัมพันธ์ 20 พฤศจิกายน 2025)
- Microsoft: การจัดประเภทสตรีมใน Call Quality Dashboard (Microsoft Learn อัปเดตมิถุนายน 2026; เกณฑ์ของผู้จำหน่าย)
- Počta, Melvin และ 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 และ 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)
- ข้อสังเกตเกี่ยวกับข้อมูล: เกณฑ์ความหน่วงและการให้คะแนนส่วนใหญ่มาจากมาตรฐานที่เก่าแต่ยังเป็นฉบับที่มีผลบังคับใช้อยู่ (G.114 ปี 2003, G.1010 ปี 2001, Y.1541 ปี 2011, P.800 ปี 1996, RFC 3550 และ RFC 3611 ปี 2003) จึงเป็นข้อมูลล่าสุดที่มี ไม่ใช่การวัดที่ล้าสมัย แหล่งข้อมูลขัดแย้งกันเรื่อง PESQ: ITU-T P.863.1 (2019) ระบุว่า POLQA ไม่ได้ยกเลิก PESQ และแนะนำให้รันทั้งสอง แต่ ITU-T ยกเลิก P.862 เมื่อวันที่ 5 มกราคม 2024 เกณฑ์จิตเตอร์บัฟเฟอร์ของ 3GPP อ่านจากข้อความรีลีส 19 ผ่านเว็บไซต์สำเนาข้อกำหนด และควรตรวจสอบอีกครั้งกับรีลีส 20 (เวอร์ชัน 20.1.1 อัปโหลดเมื่อวันที่ 25 กันยายน 2026) Arcep ระบุช่วงเวลาวัดปี 2025 ว่าเป็นมิถุนายนถึงสิงหาคมในเนื้อหาของประกาศ และปลายพฤษภาคมถึงสิงหาคมในภาคผนวก การศึกษา VoLTE ของ Lipovac และคณะระบุระดับนัยสำคัญ 1% ในส่วนหนึ่งและอ้างถึง 0.1 ในอีกส่วนหนึ่ง จึงใช้เฉพาะค่าเชิงพรรณนาของความหน่วงและจิตเตอร์ที่นี่ เพดาน MOS ของ E-model สำหรับ R ที่สูงกว่า 100 ไม่ได้ถูกอ้างอิงเพราะข้อความ G.107 ที่สกัดออกมาอ่านไม่ได้ในจุดนั้น รายงานการทดสอบขับรถวัดสัญญาณของ TRAI (PDF สแกน) และหน้า Mobile Matters ของ Ofcom (HTTP 403) อ่านไม่ได้จึงถูกตัดออก การค้นคว้าของเราพบการทดสอบการฟังแบบเปิดที่ผ่านการประเมินโดยผู้ทรงคุณวุฒิเกี่ยวกับพฤติกรรมจิตเตอร์บัฟเฟอร์หลังปี 2016 น้อยมาก และงบประมาณการค้นหาเว็บของเซสชันนี้หมดลงก่อนเวลา จึงอาจมีงานวิจัยที่ใหม่กว่าและจะตรวจสอบในการอัปเดตครั้งถัดไป
อัปเดตล่าสุด: 24 ตุลาคม 2026 เราจะอัปเดตสรุปนี้ทุกไตรมาส และคาดว่าการอัปเดตครั้งถัดไปจะเกิดขึ้นเมื่อ Arcep เผยแพร่ผลแคมเปญวัดคุณภาพบริการเครือข่ายมือถือในฝรั่งเศสแผ่นดินใหญ่ปี 2026