52、流式音频之三（应用层）

实时会议

• IP语音的使用形式各种各样。一种形式看起来像普通电话（老式电话？）一样，但是电话插入以太网，并通过网络发出呼叫。Pehr Anderson 是麻省理工学院的本科学生，当他和他的朋友为一个课程项目原型实现了这个设计，结果他们得到的成绩是“B ”。愤愤不平的他在1996 年创办了一个称为NBX 的公司，并开创了这种基于IP 的语音传输： 3 年后，他将公司以9000万美元出售给3Com。另一种方法是利用IP 技术来建立一个长途电话网络。在一些国家，比如美国，这个网络可以用来接入有竞争力的长途电话服务。用户只需要拨打一个特殊的号码前缀，然后包含其声音采样值的数据包被注入到网络，并通过网络传输：当这些数据包离开网络时其中的声音采样值被提取出来。由于IP 设备比电信设备便宜得多，因此这导致了更廉价的服务。
• 一个众所周知的例子是2003 年发布的Skype 软件。Skype 和其他公司还提供网关，使得用户很容易地呼叫固定电话号码，同时也能呼叫计算机的IP 地址。随着网络带宽的增加，视频电话加入到了语音通话中。最初，视频通话主要在公司内部使用。视频会议系统设计成能交换两个或两个以上位置的视频，使得不同地点的管理人员在举行会议时能够看到对方。然而，有了良好的宽带Internet 连接和视频压缩软件，家庭用户也可以参与视频会议。诸如Skype 这样的工具，最初只能路由音频，现在能够路由视频，因此分布在世界各地的朋友和家人不仅可以看到对方还能听到对方。
• Internet 语音或视频通话比存储的流媒体文件或现场直播活动的限制更大。这里新增的约束在于双向通话所必需的低延迟。电话网络允许单向延迟至多为150 毫秒，这是用户可接受的最低限度，超过这个延迟就会被与会者视为烦人而拒绝（国际长途电话可能有高达400 毫秒的延迟，这一点严重损害了用户体验的积极性）。这样的低延迟实际上很难达到。
• 这一目标的明确意味着选择UDP 而不是TCP ，因为TCP 的重传机制至少引入了一个往返延迟。然而，一些形式的延迟是不能减少，即使使用UDP 也是如此。例如，西雅图和阿姆斯特丹之间的距离接近8000 千米，在这么长距离的光纤上光的传播延迟为40 毫秒。实际上，通过网络的传播延迟时间会更长，因为它要覆盖一个较大的距离（比特不会遵循一个大的循环路由），而且还有每个IP 路由器存储和转发数据包的传输延迟。
• 延迟的另一个根源与数据包大小有关。通常情况下，大的包是使用网络带宽的最好方式，因为它们更高效。然而，一个64 kbps 的音频采样率， 1 KB 的数据包需要125 毫秒来填补（甚至更长的时间，如果采样值被压缩）。这种延迟会消耗大部分的总延迟预算。此外，1 KB 的数据包如果通过1 Mbps 的宽带接入链路发送将需要8 毫秒的传输时间。然后再加上另一端宽带连接所需要的另一个8 毫秒。 IP 语音系统使用短的数据包，以牺牲带宽效率来换取延迟的降低。它们打包成一批更小单位的音频样本，通常20 毫秒一个。按照64 kbps 速率，数据长160 字节，有少量压缩。然而，根据定义，这个数据包的延迟将是20 毫秒。传输延迟也会小一些，因为包的长度很短。在我们的例子中，它会减少到大约1 毫秒。通过使用短的数据包，西雅图到阿姆斯特丹的最低单向延迟己经从一个不可接受的181 毫秒（ 40+125+16 ）减少到可以接受的62 毫秒（ 40+20+2 ）。
• 软件开销也会吃掉一些延迟预算