Microsoft’un INTERSPEECH 2022 Audio Deep PLC Challenge’ındaki en iyi nöral paket kaybı gizleme sistemi, 1 ile 5 arası ölçekte 4,28 PLCMOS puanı aldı; yalnızca sessizlik eklemek 2,90, temiz orijinal ise 4,51 aldı (Microsoft, INTERSPEECH 2022 Audio Deep PLC Challenge makalesi). İki yıl sonra aynı yarışma tam bantlı sese ve 3 saniyeye kadar süren kayıp serilerine geçtiğinde, ortak kazananlar genel kaliteyi yalnızca 2,37’den 3,49’a çıkarabildi; bu, temiz konuşmanın aldığı 4,01’in hâlâ epey altında (Microsoft, ICASSP 2024 Audio Deep PLC Challenge makalesi). Sorun nadir değil: Google, Duo aramalarının %99’unun paket kaybı, jitter veya gecikmeyle başa çıkmak zorunda kaldığını ve her on aramadan birinin sesinin %8’inden fazlasını kaybettiğini bildirdi (Google Research, WaveNetEQ blogu 2020). Gizleme, VoIP ve UCaaS istatistiklerimizdeki iş eğilimlerinin altında yatan sessiz katmandır ve hücresel ses kalitesi (MOS) istatistiklerimizdeki operatör tarafı tabloyu tamamlar. Microsoft Research yarışma makalelerinden, IETF ve ITU-T’den, W3C’den, Google Research’ten, Xiph.Org’un Opus geliştiricilerinden, Meta Engineering’den, Microsoft Learn ve Twilio belgelerinden ve metodolojide listelenen hakemli PLC çalışmalarından veri derledik.
TL;DR
- Google Duo aramalarının %99’u paket kaybı, jitter veya gecikmeyle başa çıkmak zorunda kaldı; %10’u toplam sesin %8’inden fazlasını kaybetti (Google Research, WaveNetEQ blogu 2020).
- Microsoft Teams, ortalama paket kaybı 0,1’i, yani %10’u aştığında bir ses akışını Poor olarak işaretliyor (Microsoft Learn, CQD Stream Classification 2026).
- G.711’in Appendix I gizlemesiyle paket kaybı dayanıklılık faktörü 25,1, gizleme olmadan ise 4,3 (ITU-T G.113, 09/2024).
- Nöral PLC kazananı: PLCMOS 4,28; sıfır doldurma 2,90, temiz konuşma 4,51 (Microsoft, INTERSPEECH 2022 Deep PLC Challenge makalesi).
- Opus ekibinin hibrit PLC’si 2022 yarışmasında kelime doğruluğunda birinci (0,882), genelde ikinci oldu (Valin ve diğerleri, Real-Time PLC with Mixed Generative and Predictive Model 2022).
- 3 saniyeye kadar ardışık kayıplarda, uygun 8 sistemden 2’si P.804 genel kalitesinde işlenmemiş kayıplı sesin altında puan aldı (Microsoft, ICASSP 2024 Deep PLC Challenge makalesi).
- PLCMOS, insan puanlarıyla model bazında yaklaşık 0,97 Pearson korelasyonuna ulaşıyor; referansla hizalanmış verilerde PESQ 0,52’de kalıyor (Diener ve diğerleri, PLCMOS makalesi 2023).
- Opus LBRR bant içi FEC, normal bit hızının yaklaşık 2/3’ünde 1 kareyi kapsıyor; DRED yaklaşık 1/50’sinde 1 saniyeye kadarını kapsıyor (IETF draft-ietf-mlcodec-opus-dred-07, Ağustos 2026).
- Opus’un %10 paket kaybında bant içi FEC kodlaması için en az 19 kbps’ye ihtiyacı var; bu, Meta’nın kendi MLow karşılaştırmasına göre (Meta Engineering, MLow 2024).
- Opus 1.6, DRED modellerini yaklaşık 3 kat küçülterek 1.800 kB’den 600 kB’ye indirdi (Xiph.Org, Opus 1.6 demosu, Aralık 2025).
1. Ne Kadar Ses Kayboluyor ve Platformlar Sınırı Nereye Çiziyor
Bu bağlamda paket, ağ üzerinden gönderilen küçük bir ses dilimidir (çoğunlukla 20 ms). Çok geç ulaştığında ya da hiç ulaşmadığında alıcının iki seçeneği vardır: sessizlik çalmak ya da eksik konuşmaya benzeyen bir şey sentezleyerek boşluğu gizlemek. Google’ın kendi verileri, Duo aramalarının %99’unun paket kaybı, jitter veya gecikmeyle başa çıkmak zorunda kaldığını gösterdi (Google Research, Improving Audio Quality in Duo with WaveNetEQ 2020). Dolayısıyla gizleme uç bir durum değil: neredeyse her aramada çalışıyor.
Platformlar, kaybın arka plan gürültüsünden sorun hâline geldiği noktada hemfikir değil. Microsoft Teams Poor çizgisini %10 ortalama kayıpta, Twilio %5’te çiziyor; Microsoft ayrıca, medya yığını kaybı düzelttiği için Poor etiketinin kullanıcıların gerçekten bir kalite sorunu algıladığı anlamına gelmediği konusunda açıkça uyarıyor (Microsoft Learn, Stream Classification in CQD 2026). Bu uyarı, daha iyi gizlemenin tüm gerekçesidir: PLC ne kadar uzağa yetişirse, bir platform alarm eşiğini o kadar yükseğe koyabilir.
| Metrik | Değer | Kaynak |
|---|---|---|
| Paket kaybı, jitter veya gecikmeyle başa çıkmak zorunda kalan Google Duo aramalarının payı | %99 | Google Research, WaveNetEQ blogu 2020 |
| Toplam ses süresinin %3’ünden fazlasını kaybeden Duo aramalarının payı | %20 | Google Research, WaveNetEQ blogu 2020 |
| Toplam ses süresinin %8’inden fazlasını kaybeden Duo aramalarının payı | %10 | Google Research, WaveNetEQ blogu 2020 |
| Teams’in bir ses akışını Poor olarak sınıflandırdığı ortalama paket kaybı oranı eşiği | 0,1’in (%10) üzerinde, yalnızca 500 paketin üzerindeki akışlara uygulanır | Microsoft Learn, CQD Stream Classification 2026 |
| Twilio’nun high_packet_loss arama etiketini tetikleyen paket kaybı düzeyi | %5’in üzerinde | Twilio Voice Insights, Details: Call Tags |
| Twilio’nun bir tarayıcı veya mobil SDK aramasını low_mos olarak etiketlediği tahmini MOS eşiği | 3,5’in altında | Twilio Voice Insights, Details: Call Tags |
| Opus DRED’i değerlendirmek için kullanılan Deep PLC Challenge test kümesindeki ortalama kayıp oranı | %18,4; bir saniyeye kadar ardışık kayıplarla | Valin ve diğerleri, DRED makalesi (arXiv 2212.04453 v3, 2024) |
Mevcut en güncel veri: Google Research, 2020. Hiçbir büyük platform daha yeni bir arama düzeyinde kayıp dağılımı yayımlamadı. Teams, akış başına ilgili “Ratio Concealed Samples Avg” değerini raporluyor; 0,1 değeri, ses karelerinin %10’unun gizlenmiş örnekler içerdiği anlamına geliyor (Microsoft Learn, CQD dimensions and measures 2026), ancak Microsoft filo genelindeki değerleri yayımlamıyor. Tarayıcı tarafındaki karşılıkları olan concealedSamples ve concealmentEvents, W3C WebRTC Statistics API içinde tanımlanıyor (Candidate Recommendation Draft, 25 Eylül 2025).
2. ITU-T E-modeli Kapsamında Klasik Kodek Gizlemesi
Sinir ağlarından önce gizleme, son iyi perde periyodunu tekrarlamak veya ekstrapole etmek anlamına geliyordu. ITU-T planlama modeli (E-modeli), bir kodekin kayıptan ne kadar iyi çıktığını paket kaybı dayanıklılık faktörü Bpl ile puanlar: daha yüksek değer, paketler kayboldukça kalitenin daha yavaş düştüğü anlamına gelen düz bir sayıdır. Appendix I’deki gizleme algoritmasıyla G.711’in Bpl değeri 25,1’dir; bu, gizlemesiz G.711’in 4,3’ünün neredeyse altı katıdır (ITU-T G.113 09/2024, Tablo I.4).
Bu farkın pratikte ne anlama geldiği rakamlarla daha net görülür. ITU-T G.107 (06/2015) Denklem 7-29’u kullanarak, Ie-eff = Ie + (95 - Ie) x Ppl / (Ppl/BurstR + Bpl), %5 rastgele kayıpta (BurstR = 1) G.711 (Ie = 0) için gizleme olmadan 95 x 5 / (5 + 4,3) = 51,1 bozulma puanı, gizlemeyle 95 x 5 / (5 + 25,1) = 15,8 çıkar. Bunlar 93,2’lik varsayılan R derecelendirmesinden çıkarıldığında R 42,1 ile R 77,4 elde edilir; G.107 Annex B formülü bunları yaklaşık 2,2 ile 3,9 tahmini MOS’a dönüştürür (bizim hesabımız; diğer tüm E-modeli girdileri varsayılan değerinde bırakıldı). Yalnızca gizleme, %5 kayıplı bir aramayı kötüden kabul edilebilire taşır.
| Metrik | Değer | Kaynak |
|---|---|---|
| Gizlemesiz G.711 (64 kbit/s, 10 ms paketler): rastgele kayıpta paket kaybı dayanıklılık faktörü Bpl | 4,3 | ITU-T G.113 (09/2024), Tablo I.4 |
| G.711 Appendix I gizleme algoritmasıyla G.711: rastgele kayıpta Bpl | 25,1 | ITU-T G.113 (09/2024), Tablo I.4 |
| Ses etkinliği algılamalı G.729 Annex A (8 kbit/s, 20 ms paketler, yerel gizleme): Ie ve Bpl | Ie 11, Bpl 19,0 | ITU-T G.113 (09/2024), Tablo I.4 |
| %2 kayıpta tek bir ardışık kayıpta 8 paketin kaybolduğu, 20 ms paketli G.711 (ardışıklık oranı 7,84): etkin bozulma Ie-eff | 10 | ITU-T G.113 (09/2024), Tablo I.6 |
| G.722 Appendix III yüksek kaliteli gizlemesiyle 64 kbit/s G.722: geniş bant Bpl (her iki kulakla dinleme) | 7,1 | ITU-T G.113 (09/2024), Appendix IV |
| 24,4 kbit/s süper geniş bant modunda EVS: tam bant Bpl | 11,4 | ITU-T G.113 (09/2024), Appendix V |
| Tüm girdiler varsayılan değerindeyken E-modeli derecelendirme faktörü R | 93,2 | ITU-T G.107 (06/2015) |
Bağlam: Bpl değerleri yalnızca aynı ölçek içinde (dar bant, geniş bant veya tam bant) karşılaştırılabilir. G.113 hiçbir Opus değeri listelemiyor; bu yüzden Opus tabanlı WebRTC sesi başka araçlarla değerlendirilmek zorunda (bkz. bölüm 5).
3. Nöral Gizleme ve Sessizlik: 2022 Deep PLC Challenge
INTERSPEECH 2022 yarışması, nöral PLC’yi Microsoft Teams aramalarından kaydedilen izleri kullanarak gerçek kayıp örüntüleri üzerinde ve katı bir gerçek zamanlılık kuralıyla (toplam algoritmik gecikme en fazla 20 ms) ölçtü. Başlıca sonucu, kazanan ile hiçbir şey yapmamak arasındaki farkın büyüklüğüdür. Kazanan sistem karşılaştırma ölçeğinde (CMOS; 0 temiz orijinalden ayırt edilemez anlamına gelir) -0,55 puan aldı; sıfır doldurma ise -1,23 aldı (Microsoft, INTERSPEECH 2022 Audio Deep PLC Challenge makalesi).
Anlaşılırlık daha mütevazı bir hikâye anlatıyor. 1 eksi bir konuşma tanıyıcının kelime hata oranı olarak ölçülen kelime doğruluğu, sessizlikle 0,86’dan kazananla yalnızca 0,88’e yükseldi; temiz konuşmada ise 0,97 idi. Dinleyiciler gizlemeyi büyük bir iyileşme olarak duyuyor, ancak tanıyıcı kazanan sistemle kelimelerin %12’sini yine de kaçırdı; temiz konuşmada bu oran %3’tü. Bu örüntü, konuşma tanıma kelime hata oranı istatistiklerimizin yanında akılda tutulmaya değer.
| Metrik | Değer | Kaynak |
|---|---|---|
| Temiz referans konuşma: PLCMOS (1 ile 5 arası) ve kelime doğruluğu | 4,51 ve 0,97 | Microsoft, INTERSPEECH 2022 Deep PLC Challenge makalesi |
| Sıfır doldurma temel çizgisi (kayıp paketler yerine sessizlik): PLCMOS, CMOS ve kelime doğruluğu | 2,90, -1,23 ve 0,86 | Microsoft, INTERSPEECH 2022 Deep PLC Challenge makalesi |
| Kazanan sistem (takım #12, zaman alanlı U-Net, yaklaşık 2,36M parametre): PLCMOS, CMOS ve kelime doğruluğu | 4,28, -0,55 ve 0,88 | Microsoft, INTERSPEECH 2022 Deep PLC Challenge makalesi |
| En düşük sıralanan uygun sistem (takım #6) ve sıfır doldurma temel çizgisi: CMOS | -1,31 ve -1,23 | Microsoft, INTERSPEECH 2022 Deep PLC Challenge makalesi |
| Opus ekibinin hibrit üretken ve öngörücü PLC’si: kelime doğruluğu ve bu metrikteki sıra | 0,882, birinci; CMOS’ta ve genelde ikinci | Valin ve diğerleri, Real-Time PLC with Mixed Generative and Predictive Model 2022 |
| Aynı sistem: bir dizüstü CPU’sunda (Intel i7-10810U) her 10 ms konuşma başına hesaplama | 1,3 ila 1,4 ms, bir çekirdeğin yaklaşık %13 ila %14’ü | Valin ve diğerleri 2022 |
Aykırı değer notu: sıralanan sistemlerden biri CMOS’ta sessizlik temel çizgisinin altında puan aldı; bu, kötü ayarlanmış bir üreticinin boşluktan daha kötü ses çıkarabileceğinin hatırlatıcısıdır. Kör test kümesi kısa ardışık kayıplara doğru ağırlıklandırılmıştı: 966 klibinden 504’ünün azami kayıp serisi 120 ms’ye kadardı. Hibrit sistemin rakamları Valin ve diğerleri çalışmasından geliyor; bu çalışmanın gizlemesi sonradan Opus 1.5 ile yayımlandı (bkz. bölüm 7).
4. Uzun Kayıp Serileri: Gizlemenin Hâlâ Çöktüğü Yer (ICASSP 2024)
2024 sürümü görevi bilerek zorlaştırdı: tam bantlı 48 kHz ses, çok boyutlu ITU-T P.804 yöntemiyle derecelendirme (Microsoft Research, ICASSP 2024 Audio Deep PLC Challenge) ve 3 saniyeye kadar süren kayıp serileri. En iyi sistem bile kayıplı ses ile temiz ses arasındaki mesafenin yalnızca yaklaşık üçte ikisini kapatabildi: genel kalite 2,37’den 3,49’a çıktı; temiz konuşma 4,01 idi ((3,49 - 2,37) / (4,01 - 2,37) = %68) (Microsoft, ICASSP 2024 Audio Deep PLC Challenge makalesi).
En çok şey anlatan sütun süreksizlik: P.804’ün duyulabilir kopmalar ve aksamalar için puanı (yüksek olan daha akıcı demektir). En iyi sistemde 2,47’den 3,90’a yükseldi; bu, diğer tüm boyutlardan daha büyük bir sıçrama. Gizleme, dinleyicilerin ilk fark ettiği boşlukları düzeltiyor, ancak sentezlenen konuşma doğallıktan ödün verdiriyor. Kelime doğruluğu da bu dengeyi gösteriyor: ortak kazananlardan biri kelimelerin 0,81’ini tanıdı; bu, dokunulmamış kayıplı sesin 0,83’ünün biraz altında ve uydurulmuş konuşmanın bir tanıyıcıyı sessizlikten daha fazla yanıltabileceğinin bir işareti.
| Metrik | Değer | Kaynak |
|---|---|---|
| P.804 genel kalitesi (1 ile 5 arası): temiz konuşma, işlenmemiş kayıplı ses ve ortak kazananlar (1024K ve NWPU & ByteAudio) | 4,01, 2,37 ve sırasıyla 3,49 ile 3,44 | Microsoft, ICASSP 2024 Deep PLC Challenge makalesi |
| P.804 süreksizlik puanı: temiz, kayıplı ve en iyi sistem (1024K) | 4,55, 2,47 ve 3,90 | Microsoft, ICASSP 2024 Deep PLC Challenge makalesi |
| Kelime doğruluğu: temiz, kayıplı, 1024K ve NWPU & ByteAudio | 0,98, 0,83, 0,81 ve 0,84 | Microsoft, ICASSP 2024 Deep PLC Challenge makalesi |
| P.804 genel kalitesinde işlenmemiş kayıplı sesin altında puan alan uygun sistemler | 8 sistemden 2’si (2,11 ve 2,17) | Microsoft, ICASSP 2024 Deep PLC Challenge makalesi |
| 2024 sürümünün ses bant genişliği ve dinleme testi yöntemi | Tam bant, 48.000 Hz; ITU-T P.804 çok boyutlu derecelendirme ve kelime hata oranı | Microsoft Research, ICASSP 2024 Deep PLC Challenge sayfası |
Bağlam: dokuzuncu bir sistem genel olarak 2,91 puan aldı ancak gecikme sınırını aştı ve tamamlanmamış olarak listelendi. Organizatörler, 2022 dönemi sistemlerin “daha uzun kayıp dizilerinde iyi performans gösteremeyebileceğini” belirtiyor; yedeklilik kodlamasının (bölüm 6) devreye girdiği yer tam da burası.
5. Gizlemeyi Puanlamak: Genel Kalite Metrikleri Neden Kaçırıyor
Gizleme hataları kısa, kesintili ve çoğu zaman makuldür; genel amaçlı kalite metrikleri tam olarak bunları yakalamak için tasarlanmamıştı. Referansla hizalanmış verilerde PESQ, PLC sistemlerinin insan puanlarıyla model bazında yalnızca 0,52 Pearson korelasyonuna, STOI ise yalnızca 0,21’e ulaştı; PLCMOS 0,98’e ulaştı (Diener ve diğerleri, PLCMOS makalesi, Microsoft, Interspeech 2023). Sistemleri yanlış sıralayan bir metrik, bütün bir araştırma alanını yanlış yöne yönlendirebilir.
PLCMOS temiz bir referans olmadan çalışır; bu, orijinal sesin alıcıda asla mevcut olmadığı gerçek aramalar için önemlidir. Zayıf yönü dosya düzeyindeki hassasiyet: klip başına 0,85, sistem başına 0,97; yani algoritmaları sıralamada tek bir aramayı yargılamaktan çok daha iyi. Aynı gerilim, sentetik konuşma doğallığı MOS istatistiklerimizde ele alınan sentetik konuşma puanlamasında da var.
| Metrik | Değer | Kaynak |
|---|---|---|
| PLCMOS ve insan puanları: model bazında Pearson ve sıra korelasyonu | Yaklaşık 0,97 ve yaklaşık 0,95 | Diener ve diğerleri, PLCMOS makalesi 2023 |
| DNSMOS (genel bir gürültü bastırma metriği): dosya bazında ve model bazında Pearson korelasyonu | 0,52 ve 0,85 | Diener ve diğerleri, PLCMOS makalesi 2023 |
| Referansla hizalanmış verilerde PESQ ve PLCMOS: model bazında Pearson korelasyonu | 0,52 ve 0,98 | Diener ve diğerleri, PLCMOS makalesi 2023 |
| STOI (bir anlaşılırlık metriği): model bazında Pearson korelasyonu | 0,21 | Diener ve diğerleri, PLCMOS makalesi 2023 |
| Ana PLCMOS eğitim kümesindeki (LibriSpeech Basic) insan oyu sayısı | 333.740 | Diener ve diğerleri, PLCMOS makalesi 2023 |
| IETF makine öğrenmesi kodek dinleme testi bataryasındaki test dosyaları | 100 temiz konuşma, 90 gürültü veya yankı, 20 üst üste konuşan konuşmacı | IETF draft-ietf-mlcodec-test-battery-00, Haziran 2026 |
Bağlam: PLCMOS etiketleme ön çalışmasında kitle kaynaklı puanlar uzman puanlarıyla yaklaşık 0,83 PCC (%95 GA: [0,78, 0,87]) düzeyinde korelasyon gösterdi. IETF test bataryası taslağı paket kaybı senaryolarını hâlâ “Ayrıntılar belirlenecek (TBD)” olarak listeliyor; yani nöral kodekler için henüz standart bir kayıp testi yok.
6. Yedeklilik Kodlaması: Gizlemeden Kaçınmak İçin Bit Ödemek
Gizleme tahmin eder; yedeklilik ise yedek gönderir. İleri hata düzeltme (FEC), sonraki paketlere önceki sesin daha düşük kaliteli bir kopyasını eklemek anlamına gelir; böylece kayıp bir paket uydurulmak yerine yeniden oluşturulabilir. Bedeli bant genişliğidir. Opus’un klasik bant içi FEC’i (LBRR), normal bit hızının yaklaşık 2/3’ünde yalnızca bir kareyi kapsarken, Deep REDundancy (DRED) normal bit hızının yaklaşık 1/50’sinde bir saniyeye veya daha fazlasına kadar taşır (IETF draft-ietf-mlcodec-opus-dred-07, Ağustos 2026).
Daha eski RED yaklaşımı etkinin ölçeğini gösteriyor. %20 kayıpta yapılan bir Chrome testinde, her pakete bir önceki kareyi eklemek sesin gizlenen payını %18’den %4’e, iki önceki kareyi eklemek ise %0,7’ye indirdi (webrtcHacks, RED: Improving Audio Quality with Redundancy 2020). Maliyet: ses, yaklaşık 30 kbps’den bir kopyayla 60 kbps’ye, iki kopyayla 90 kbps’ye çıktı. DRED, bit hızını ikiye katlamadan benzer korumayı elde etmek için var.
| Metrik | Değer | Kaynak |
|---|---|---|
| Opus LBRR bant içi FEC: yedeklilik derinliği ve bit hızı maliyeti | 1 kare; normal Opus bit hızının yaklaşık 2/3’ü | IETF draft-ietf-mlcodec-opus-dred-07, 2026 |
| Opus DRED: yedeklilik derinliği ve bit hızı maliyeti | Paket başına bir saniyeye veya daha fazlasına kadar; normal bit hızının yaklaşık 1/50’si | IETF draft-ietf-mlcodec-opus-dred-07, 2026 |
| DRED değerlendirmesi: paket başına taşınan yedeklilik ve her karenin gönderilme sayısı | 1,04 saniye; 52 kopya | Valin ve diğerleri, DRED makalesi (arXiv 2212.04453 v3, 2024) |
| DRED değerlendirmesindeki LBRR test koşulunun bit hızı (24 kb/s taban artı LBRR) | Toplam 40 kb/s, LBRR ortalama yaklaşık 16 kb/s | Valin ve diğerleri, DRED makalesi 2024 |
| Chrome’da %20 kayıpta sesin gizlenen payı: RED yok, bir önceki kare ve iki önceki kare | %18, %4 ve %0,7 | webrtcHacks, Hancke RED testi 2020 |
| %60 rastgele kayıpta sesin gizlenen payı: RED yok, bir ve iki önceki kare | %60, %32 ve %18 | webrtcHacks, Hancke RED testi 2020 |
| %10 paket kaybında bant içi FEC kodlamak için asgari Opus bit hızı | 19 kbps (üreticinin kendi karşılaştırması) | Meta Engineering, MLow kodek blogu 2024 |
| %30 alıcı tarafı paket kaybı altında Meta’nın MLow örneklerinin bit hızı | 14 kbps (üreticinin kendi iddiası) | Meta Engineering, MLow kodek blogu 2024 |
Bağlam: webrtcHacks rakamları 2020 tarihli, tek yazarlı bir laboratuvar testidir (Chrome’da RED’in mevcut en güncel kamuya açık ölçümü). Meta’nın rakamları kendi MLow duyurusundan geliyor ve bağımsız olarak çoğaltılmadı. Makalenin P.808 dinleme testindeki (966 konuşma, her biri 10 dinleyici) tüm DRED farkları p < 0,05 düzeyinde anlamlı olarak raporlandı.
7. Gizlemeyi Yaygınlaştırmak: Hesaplama, Ayak İzi ve Standartlar
Bir gizleme modeli ancak aramadaki en ucuz telefona sığarsa önem taşır. Opus 1.5’in Deep PLC’si yüksek kayıp oranlarında bir dizüstü CPU çekirdeğinin yaklaşık %1’ine mal oluyor ve kütüphaneye yaklaşık 1 MB ekliyor (Xiph.Org, Opus 1.5 demosu, Mart 2024, geliştiricilerin kendi rakamları). Aynı ekibin 2022 yarışma girişi bir çekirdeğin %13 ila %14’üne ihtiyaç duyuyordu (bölüm 3); ancak iki rakam farklı şekilde ölçüldü ve birebir eşdeğer bir karşılaştırma değil.
Standartlar katmanı ise neredeyse hiç kıpırdamıyor. WebRTC’nin ses kuralları (RFC 7874, 2016) Opus ve G.711’i zorunlu kılıyor, ancak gizleme veya FEC için herhangi bir şart koymuyor; kayıp altındaki kaliteyi tamamen her uygulamaya bırakıyor. Opus 1.6 modelleri küçültmeyi sürdürdü: DRED ağları 1.5’tekinden yaklaşık 3 kat daha küçük (Xiph.Org, Opus 1.6 demosu, Aralık 2025).
| Metrik | Değer | Kaynak |
|---|---|---|
| Opus 1.5 Deep PLC: eklenen kütüphane boyutu ve CPU maliyeti | Yaklaşık 1 MB; yüksek kayıpta bir dizüstü çekirdeğinin yaklaşık %1’i; 5 veya daha yüksek kod çözücü karmaşıklığı gerektirir | Xiph.Org, Opus 1.5 demosu 2024 (geliştiricilerin kendi rakamları) |
| Opus 1.5 DRED: eklenen kütüphane boyutu, çalışma zamanı maliyeti ve bit hızı ek yükü | Yaklaşık 2 MB; yaklaşık %1; yaklaşık 12 ila 32 kb/s | Xiph.Org, Opus 1.5 demosu 2024 (geliştiricilerin kendi rakamları) |
| Gizlenen ve yedek konuşmayı sentezlemek için kullanılan FARGAN nöral vokoderi: karmaşıklık | 600 MFLOPS, LPCNet’in 1/5’i | Xiph.Org, Opus 1.5 demosu 2024 |
| Opus 1.5 WebRTC testlerindeki kayıp oranları (PLCMOS v2) | %10’luk adımlarla %0 ila %90; DRED’in %90 kayıpta kaliteyi koruduğu bildiriliyor | Xiph.Org, Opus 1.5 demosu 2024 (geliştiricilerin kendi iddiası) |
| Opus 1.6 DRED model boyutu ve Opus 1.5 | 600 kB ve 1.800 kB | Xiph.Org, Opus 1.6 demosu, Aralık 2025 |
| Opus kare boyutları, paket uzunluğu ve bit hızı aralığı | 2,5 ila 60 ms kareler; 120 ms’ye kadar paketler; 6 ila 510 kbit/s | IETF RFC 6716 (2012) |
| Opus algoritmik gecikmesi | 5 ms ila 65,2 ms | IETF RFC 6716 (2012) |
| WebRTC uç noktalarının desteklemesi gereken kodekler | Opus ve G.711 (PCMA ve PCMU); PLC veya FEC şartı yok | IETF RFC 7874 (2016) |
Bağlam: RFC 6716 ve RFC 7874 üç yıldan eski, ancak hâlâ güncel standartlar (RFC 6716, RFC 7874). DRED taslağı onaylanırsa RFC 6716’yı nöral bir yedeklilik katmanıyla güncelleyecek.
Özet: Rakamlarla WebRTC Ses Paket Kaybı Gizleme
| Metrik | Değer | Kaynak |
|---|---|---|
| Paket kaybı, jitter veya gecikmeyle başa çıkmak zorunda kalan Google Duo aramaları | %99 | Google Research, WaveNetEQ blogu 2020 |
| Sesinin %8’inden fazlasını kaybeden Duo aramaları | %10 | Google Research, WaveNetEQ blogu 2020 |
| Ortalama ses paket kaybı için Teams Poor eşiği | 0,1’in (%10) üzerinde | Microsoft Learn, CQD Stream Classification 2026 |
| Twilio high_packet_loss etiketi eşiği | %5’in üzerinde | Twilio Voice Insights, Details: Call Tags |
| G.711 dayanıklılık faktörü Bpl: gizlemesiz ve Appendix I gizlemesiyle | 4,3 ve 25,1 | ITU-T G.113 (09/2024) |
| Ses etkinliği algılamalı G.729 Annex A: Bpl | 19,0 | ITU-T G.113 (09/2024) |
| 2022 yarışması PLCMOS: sıfır doldurma, kazanan ve temiz | 2,90, 4,28 ve 4,51 | Microsoft, INTERSPEECH 2022 Deep PLC Challenge makalesi |
| 2022 yarışması kelime doğruluğu: sıfır doldurma, kazanan ve temiz | 0,86, 0,88 ve 0,97 | Microsoft, INTERSPEECH 2022 Deep PLC Challenge makalesi |
| Opus ekibinin hibrit PLC’sinin her 10 ms konuşma başına hesaplaması | 1,3 ila 1,4 ms (bir çekirdeğin %13 ila %14’ü) | Valin ve diğerleri 2022 |
| 2024 yarışması P.804 genel kalitesi: kayıplı, en iyi ve temiz | 2,37, 3,49 ve 4,01 | Microsoft, ICASSP 2024 Deep PLC Challenge makalesi |
| İşlenmemiş kayıplı sesin altında puan alan 2024 yarışması sistemleri | 8 sistemden 2’si | Microsoft, ICASSP 2024 Deep PLC Challenge makalesi |
| PLCMOS’un insan puanlarıyla model bazında Pearson korelasyonu | Yaklaşık 0,97 | Diener ve diğerleri, PLCMOS makalesi 2023 |
| PLC sistemlerinde PESQ ve STOI model bazında Pearson korelasyonu | 0,52 ve 0,21 | Diener ve diğerleri, PLCMOS makalesi 2023 |
| LBRR ve DRED yedeklilik derinliği | 1 kare ve bir saniyeye veya daha fazlasına kadar | IETF draft-ietf-mlcodec-opus-dred-07, 2026 |
| Normal Opus’a göre DRED yedeklilik bit hızı | Yaklaşık 1/50 | IETF draft-ietf-mlcodec-opus-dred-07, 2026 |
| %20 kayıpta gizlenen ses: RED yok ve iki kareli RED | %18 ve %0,7 | webrtcHacks, Hancke RED testi 2020 |
| %10 kayıpta asgari Opus bant içi FEC bit hızı | 19 kbps (üreticinin kendi karşılaştırması) | Meta Engineering, MLow kodek blogu 2024 |
| Opus 1.5 Deep PLC CPU maliyeti | Bir dizüstü çekirdeğinin yaklaşık %1’i | Xiph.Org, Opus 1.5 demosu 2024 |
| Opus 1.6 DRED model boyutu ve 1.5 | 600 kB ve 1.800 kB | Xiph.Org, Opus 1.6 demosu 2025 |
Metodoloji ve Kaynaklar
- Microsoft Research, INTERSPEECH 2022 Audio Deep Packet Loss Concealment Challenge makalesi (Diener ve diğerleri, 2022): arxiv.org/pdf/2204.05222
- Microsoft Research, ICASSP 2024 Audio Deep Packet Loss Concealment Challenge makalesi (2024): arxiv.org/html/2402.16927v1
- Microsoft Research, ICASSP 2024 Audio Deep PLC Challenge program sayfası: microsoft.com
- Diener ve diğerleri, PLCMOS: a data-driven non-intrusive metric for the evaluation of packet loss concealment algorithms (Interspeech 2023): arxiv.org/pdf/2305.15127
- Valin ve diğerleri, Real-Time Packet Loss Concealment With Mixed Generative and Predictive Model (2022): arxiv.org/pdf/2205.05785
- Valin ve diğerleri, 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 (Ağustos 2026): ietf.org
- IETF, ML codec listening test battery, draft-ietf-mlcodec-test-battery-00 (Haziran 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 Eylül 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 (Nisan 2020): research.google
- Microsoft Learn, Stream Classification in Call Quality Dashboard (güncelleme: Haziran 2026): learn.microsoft.com
- Microsoft Learn, Dimensions and measures available in Call Quality Dashboard (güncelleme: Temmuz 2026): learn.microsoft.com
- Twilio, Voice Insights Details: Call Tags: twilio.com
- Meta Engineering, MLow: Meta’s low bitrate audio codec (Haziran 2024): engineering.fb.com
- Xiph.Org, Opus 1.5 demosu (Mart 2024) ve Opus 1.6 demosu (Aralık 2025): opus-codec.org/demo/opus-1.5, opus-codec.org/demo/opus-1.6
- webrtcHacks, RED: Improving Audio Quality with Redundancy (Philipp Hancke, Ağustos 2020): webrtchacks.com
- Veri notu: büyük bir platformdan gelen tek arama düzeyindeki kayıp dağılımı Google’ın 2020 Duo rakamıdır ve RED gizleme ölçümleri 2020 tarihli tek yazarlı bir testtir; bu nedenle ikisi de mevcut en güncel veri olarak işaretlenmiştir. Bölüm 2’deki E-modeli örneği, G.113 Bpl değerleriyle ITU-T G.107 Denklem 7-29 ve Annex B’den yaptığımız, diğer tüm girdileri varsayılan değerinde tutan kendi hesabımızdır; bir ölçüm değil, tahmindir. Yarışma puanları sürümler arasında karşılaştırılamaz: 2022 geniş bant ses, PLCMOS ve CMOS ile 1 saniyeye kadar ardışık kayıplar kullandı; 2024 ise tam bant ses, P.804 ve 3 saniyeye kadar ardışık kayıplar kullandı. 2022 makalesinde PLCMOS, CMOS ile yaklaşık 0,95 Pearson düzeyinde korelasyon gösterdi; sonraki PLCMOS sürümü ise farklı bir değerlendirme kümesinde yaklaşık 0,97 bildiriyor. Xiph.Org ve Meta rakamları geliştiricilerin kendi iddialarıdır. Teams (%10) ve Twilio (%5) eşikleri tasarım gereği çelişir, çünkü her satıcı bunları kendi medya yığınına göre ayarlar. DRED taslağı (Şubat 2027’de sona erer) ve paket kaybı senaryoları hâlâ tanımsız olan IETF test bataryası taslağı, RFC olarak yayımlanmadan önce değişebilir.
Son güncelleme: 24 Ekim 2026. Bu derlemeyi üç ayda bir güncelliyoruz; bir sonraki yenileme, IETF mlcodec çalışma grubu Opus DRED taslağının ve test bataryasının paket kaybı senaryolarının bir sonraki revizyonunu yayımladığında bekleniyor.