常用的ITU Speech Codec大全（G.711,G.722.1,G.722.2,G.723.1,G.726,G.728,G.729,G.729.1）

總結了常用的ITU Speech Codec，謹供大家學習參考：

1、G.711: Pulse code modulation (PCM) of voice frequencies

 

編碼類別型：壓擴PCM
編碼速率：64Kbps

理論延時：處理一個樣點的時間（1/8000秒=0.125毫秒）；

音質：長途品質；
優點：演算法複雜度低，壓縮比小（CD音質>400kbps），編解碼延時最短（相對其它技術）
缺點：佔用的頻寬較高
應用領域：voip，PSTN 電話網路
版稅方式：Free
備忘：

     70年代CCITT公布的G.711 64kb/s脈衝編碼調製PCM。

     G.711是最基本的一種編碼方法，俗稱PCM，採用μ-law（主要北美地區使用）和A-law（其它地區）兩種非線性量化方法進行壓縮。說它“基本”是因為一方面PCM演算法非常簡單，很多ADC硬體的輸入輸出就直接支援PCM格式；另一方面PCM格式在通訊系統中往往需要進一步壓縮，因此它是其它語音編碼演算法的輸入源。

 

 

2、G.722.1: Low-complexity coding at 24 and 32 kbit/s for hands-free operation in systems with low frame loss

編碼類別型：變換域Audio coding
編碼速率：24Kbps、32Kbps;（其實可以實現更多碼率，以8kbps遞增碼率，另外還有32kHz採樣的更高碼率版本）；

理論延時：40ms（20ms frame size + 20ms lookhead）

音質：低碼率時優於MP3、WMA等音頻演算法，詳細可參考Polycom網站；
優點：演算法複雜度低，小於 5.5wMOPS，相對於MP3，WMA等演算法在低碼率時音質要好；

缺點：對於speech而言，音質沒有CELP模型編碼器響亮；另外，48kbps以上音質變化不大；
應用領域：電視會議、電話會議和互連網流應用；
版稅方式：Free
備忘：   

      G.722.1是由Polycom提出的一套低碼率低複雜度的寬頻語音編碼演算法，主要採用了變換域編碼方法，因此可以對語音（300~4000Hz）和7kHz以內的音樂進行編碼，採樣率為16kHz，其32kbps碼率的重建語音品質相當於64 kbps G.722 SB-ADPCM。在實際的應用中，本演算法在低碼率時其音質要高於MP3等音頻演算法，再加上演算法低複雜度非常適合嵌入式平台通訊、儲存應用。最後，它的附錄C中提供了32kHz採樣的14k頻寬的音頻編碼方案，進一步提高了音質。

 

 

3、G.722.2: Wideband coding of speech at around 16 kbit/s using Adaptive Multi-Rate Wideband (AMR-WB)

編碼類別型：ACELP
編碼速率：6.6Kbps~23.85Kbps;

理論延時：25ms（20ms frame size + 1/4 subframe size）

音質：高品質相對於窄帶語音；
優點：高品質、多碼率處理和自適應特性；

缺點：複雜度太高；
應用領域：3GPP 無線通訊；
版稅方式：單一授權
備忘： 

      AMR Wideband (AMR-WB) 是迄今為止唯一的針對無線 (3GPP) 和有線 (ITU-T Recommendation G.722.2) 應用而標準化的語音轉碼器。因此，它也是寬頻語音應用的理想轉碼器，因為它可以確保彙總有線/無線網路的相容性。AMR-WB 是被 3GPP 採用的唯一寬頻語音標準，並且，在具備寬頻語音（採樣頻率 16 kHz）支援的情況下，它還是 GSM 和 WCDMA 網路中用於寬頻語音和多媒體服務的指定轉碼器，這些服務包括多媒體資訊服務 (MMS)、IMS 資訊和呈現服務、封包交換流媒體業務 (PSS)、多媒體廣播/組播業務 (MBMS) 以及無線一鍵通業務 (PoC)。 其他應用程式套件括 VoIP、會議、Wi-Fi 電話、衛星電話、視頻電話、互連網流式音頻，等等。

4、G.723.1: Dual rate speech coder for multimedia communications transmitting at 5.3 and 6.3 kbit/s

編碼類別型：ACELP、MP-MLQ
編碼速率：5.3Kbps、6.3Kbps;

理論延時：37.5ms（30ms frame size + 1/4 subframe size）

音質：小於長途品質，MOS 3.7；
優點：碼率低，頻寬要求較小。並達到ITU-TG723要求的語音品質，效能穩定,避免了載波訊號的時通時斷。

缺點：聲音品質一般；
應用領域：VOIP；
版稅方式：Free
備忘：

 G.723.1是一個雙速率的語音編碼器，是 ITU-T建議的應用於低速率多媒體服務中語音或其它音頻訊號的壓縮演算法；
其目標應用系統包括H.323、H.324等多媒體通訊系統，目前該演算法已成為IP電話系統中的必選演算法之一；編碼器首先對語音訊號進行傳統電話頻寬的濾波（基於G.712），再對語音訊號用傳統8000-Hz速率進行抽樣（基於G.711），並變換成16 bit線性PCM碼作為該編碼器的輸入；在解碼器中對輸出進行逆操作來重構語音訊號；高速率編碼器使用多脈衝最大似然量化（MP-MLQ），低速率編碼器使用代數位激勵線性預測（ACELP）方法，編碼器和解碼器都必須支援此兩種速率，並能夠在幀間對兩種速率進行轉換；
此系統同樣能夠對音樂和其他音頻訊號進行壓縮和解壓縮，但它對語音訊號來說是最優的；採用了執行不連續傳輸的靜音壓縮，這就意味著在靜音期間的位元流中加入了人為的雜訊。除了預留頻寬之外，這種技術使發信機的數據機保持連續工作，並且避免了載波訊號的時通時斷。

 

5、G.726: 40, 32, 24, 16 kbit/s Adaptive Differential Pulse Code Modulation (ADPCM)

編碼類別型：ADPCM
編碼速率：40Kbps、32Kbps、24Kbps、16Kbps;

理論延時：0.125ms（8kHz sample rate）

音質：32kbps，長途品質；
優點：計算簡單，頻寬是G.711的一半而音質接近；

缺點：佔有頻寬相對還是較高；
應用領域：VOIP，電話通訊網路；
版稅方式：free
備忘：

     G.726是G.721和G.723的聯合，同時增加了16kbps ADPCM，但最為常用的方式是 32 kbit/s。G.726是G.711頻寬的一半，所以可將網路的可利用空間增加了一倍。G.726具體規定了一個 64 kbpsA-law 或 µ-law PCM 訊號是如何被轉化為40, 32, 24或16 kbps 的 ADPCM 通道的。在這些通道中，24和16 kbps 的通道被用於數字電路倍增裝置(DCME)中的語音傳輸，而40 kbps 通道則被用於 DCME 中的資料解調訊號（尤其是4800 kbps 或更高的數據機）。

 

6、G.728: Coding of speech at 16 kbit/s using low-delay code excited linear prediction

編碼類別型：CELP
編碼速率：16Kbps;

理論延時：0.625ms（8kHz sample rate）

音質：長途品質；
優點：低延時、抗誤碼能力非常強；

缺點：比其他的編碼器都複雜；
應用領域：IP電話，數字移動通訊、衛星通訊；
版稅方式：free
備忘：

    G.728 低延時碼激勵線性預測性編碼（LD-CELP）是世界上第一個標準化參數語音CODEC，以CELP演算法為基礎，採用後向自適應線性預測、50階合成濾波和短激勵向量等改進方法，達到了低延時的目的。 

 

7、G.729: Coding of speech at 8 kbit/s using conjugate-structure algebraic-code-excited linear prediction (CS-ACELP)

編碼類別型：CS-CELP
編碼速率：8Kbps;

理論延時：15ms（10ms frame size + 1/2 subframe lookhead）

音質：長途品質；
優點：低碼率，高音質，應用廣泛；

缺點：演算法複雜度較高；
應用領域：VOIP；
版稅方式：free
備忘：

      國際電信聯盟（ITU-T）於1995年11月正式通過了G.729。 ITU-T建議G.729也被稱作“共軛結構代數位本激勵線性預測性編碼方案”(CS-ACELP)，它是當前較新的一種語音壓縮標準。G.729是由美國、法國、日本和加拿大的幾家著名國際電信實體聯合開發的。G.729演算法採用“共軛結構代數位本激勵線性預測性編碼方案”（CS-ACELP）演算法。這種演算法綜合了波形編碼和參數編碼的優點，以自適應預測性編碼技術為基礎，採用了向量量化、合成分析和感覺加權等技術。G.729編碼器是為低時延應用設計的，它的幀長只有10ms，處理時延也是10ms，再加上5ms的前視，這就使得G.729產生的點到點的時延為25ms，位元速率為8 kbps。
96年ITU-T又制定了G.729的簡化方案G.729A，主要降低了計算的複雜度以便於即時實現，因此目前使用的都是G.729A。

 

8、G.729.1: G.729-based embedded variable bit-rate coder: An 8-32 kbit/s scalable wideband coder bitstream interoperable with G.729.

編碼類別型：CELP、TDBWE
編碼速率：8Kbps~32kbps，12個碼率;

理論延時：48.9375ms；

音質：未知；
優點：多碼率，可與G.729、G.729A和G.729B實現完全操作；

缺點：應用未成熟；
應用領域：VOIP；
版稅方式：有專利
備忘： 

G.729.1是一個可與G.729，G.729A 和G.729B 互操作的8-32 kbit/s 可分級寬頻語音和音頻編解碼演算法。G.729EV 轉碼器輸出訊號在 8 kbit/s 和12 kbit/s 採樣頻率上頻寬為50-4000 Hz，在14-32 kbit/s 採樣頻率上頻寬為50-7000 Hz。在8 kbit/s，G.729EV 可以與G.729、G.729 附件A 和G.729 附件B 實現完全互操作。因此可預見在現有基於G.729 的VoIP 基礎設施中將得到有效部署。轉碼器工作於20 ms 幀，演算法時延為48.9375 ms。預設情況下，編碼器輸入和解碼器輸出訊號採樣頻率為16 kHz。編碼器產生一個嵌入式碼流，它分為12 層結構，分別對應於 8-32 kbit/s 內12 個可用位元速率。在解碼器端或通訊系統任一組成部分都可以將碼流截斷，從而無需帶外信令便可以將位元速率“即時”調整至理想值。
基本演算法基於三階段編碼結構：低頻帶（50-4000 Hz）嵌入式碼激勵線性估計（CELP）編解碼，高頻帶（4000-7000 Hz）時域頻寬擴充（TDBWE）參量編解碼，以及通過被稱為時域混疊消除（TDAC）的估計變換編解碼技術實現的全頻帶增強功能。

 

 

參考資料：

1、http://wz.csdn.net/foobarren/

2、http://www.cnblogs.com/huaping-audio/archive/2008/06/19/1224287.html

3、http://kware.blogbus.com/tag/Codec/

4、http://www.cppblog.com/gtwdaizi/archive/2008/04/19/41884.html#47591

5、http://www.ctiforum.com/news/2009news/07/news07242.htm