Para obter comunicação pela Internet sem problemas, deve-se levar em conta que o áudio pode ser afetado por dois fatores, compressão e bitrate de rede.
Juan Tamayo, CTS-D*
Neste último ano vimos uma revolução tecnológica no audiovisual, conectividade remota em casa ou em escritórios sem contato público se torna o novo normal, antes de ter reuniões presenciais com salas projetadas para interação humana, troca de elementos e uma saudação/adeus com um aperto de mão, hoje fazemos tudo à distância, usando uma tela e uma câmera como interfaces para se conectar ao mundo.
Falando em conectividade, há uma pergunta que tem largura e fundo: Qual é o áudio ou vídeo mais importante? E é uma questão "filosoficamente" tão difícil quanto a do ovo e da galinha, não sei qual foi a primeira, mas considero tanto importante (resposta salomônica para não ferir suscetibilidades).
Minha experiência profissional me levou a aprofundar o tema do áudio do que o vídeo, embora eu ainda estude muito este, então este artigo será baseado em áudio, mas sua estrutura teórica pode ser facilmente aplicada ao vídeo, e convido se algum profissional quiser fazer o exercício escrito e explicar isso.
Entrando no tópico que nos interessa, antes de começar a falar sobre técnica, vamos ter em mente que para falar sobre a internet é preciso saber que a transmissão de conteúdo de qualquer tipo é feita através da tecnologia IP (Internet Protocol) usando Datagramas ou Pacotes que transportam as informações. E que, infelizmente, na internet não se pode garantir que os pacotes cheguem completos ou incorruptos, que a ordem de chegada é adequada ou que os pacotes não sejam duplicados.
A abordagem IP entrega uma série de 4 segmentos para cada elemento com condições estabelecidas, como endereço e máscara de rede, não vou me aprofundar nisso, embora seja super importante conhecer a técnica. Além do endereçamento, é importante saber sobre o UDP (User Datagram Protocol) que é o protocolo criado na década de 80 para conectar dois dispositivos em uma rede, mas sem gerar um aperto de mão, isso significa que o transmissor não sabe como o pacote chega ao seu destino, ou na pior das hipóteses, se ele não chega.
Mas como um UDP envia um áudio e que chega ao seu destino bem através da internet? Em meados dos anos 90 foi criado um protocolo RTCP que pode ser incluído dentro de um pacote UDP, é chamado de Protocolo de Controle em Tempo Real, protocolo de controle em tempo real, que permite levar informações de tempo com estatísticas de qualidade de serviço, transmissão e sincronização de múltiplas transmissões. Basicamente, o que o RTCP faz é colocar um estamp de tempo dentro do protocolo de transmissão de áudio e o receptor quando ele tiver o pacote, revisar as informações e organizá-la para reproduzi-la na ordem adequada.
Já sabemos que para transmitir pela Internet é necessário um modelo de transmissão baseado em pacotes de transmissão UDP e que estes carregam um RTCP que é o que dá a ordem de reprodução. Para alcançar a conexão de áudio é necessário uma sinalização, que é alcançada por um SIP. Isso permite fazer a ligação entre transmissor e receptor.
Já falamos sobre UDP, RTCP e SIP. Os ingredientes necessários para uma transmissão, mas o difícil sobre o áudio é que, se você não entregar as informações corretas no menor tempo possível, essa informação se degrada quando chega ao cérebro e gera desconforto. Um exemplo clássico de comunicação, imagem que alguém grita e enquanto a informação chega, a pergunta que ele está dizendo, mas enquanto você pergunta ele recebe outro grito ... então você não sabe o que eles estão dizendo a ele.
Para conseguir a comunicação pela Internet sem problemas, deve-se levar em conta que o áudio pode ser afetado por dois fatores, compactação e bitrate de rede, que tornam a quantidade de informações o mais ideal possível, uma vez que o tamanho dos canais é limitado.
A compactação de áudio permite que você adapte o bitrate da transmissão em tempo real através de redes IP e limite o tamanho dos dados a serem transmitidos. Existem dois tipos de compressão, os primeiros são com algoritmos sem perdas que permitem que a qualidade do áudio seja preservada, mas sua fraqueza é que a razão de compressão é relativamente baixa, isso significa que quase não há economia de informações. Algoritmos lossy têm a vantagem de que sua taxa de bits é constante, você sabe o quanto sua transmissão vai ser consumida. Mas sua grande fraqueza é que realizar essa compressão consome mais tempo, embora seja apenas milissegundos, mas se somarmos esses milissegundos em todos os processos seu tempo pode crescer.
Existem muitos tipos de algoritmos de compressão, alguns projetados especificamente para voz, como o G711 e G722, e outros mais musicais como MPEG Layer 2, MPEG Layer 3 (MP3), AAC, Opus e aptX, que usamos dia a dia se não percebermos isso. Esses algoritmos de compressão geralmente afetam partes do espectro sonoro que eles não consideram tão importantes, ou mesmo sinais acústicos baixos decidem suprimi-los, para ter um conteúdo menor e otimizar o espaço de transmissão.
Outra característica é o bitrate, isso nos diz qual é a resolução da captura de informações, e é entregue em bits, que é a unidade computacional padrão. Um sinal de 16 bits tem 65.536 opções de seleção, enquanto um sinal de 24 bits tem 16.777.216 valores. Quanto mais bits um sinal mais real pode ser capturado. Acompanhada por essa resolução, há a frequência amostral que é o período em que uma amostra é colhida, por exemplo, um sistema com uma frequência amostral de 48KHz, tira 48.000 amostras em um segundo, a cada 0,021 milissegundos uma amostra é colhida (21 microssegundos). Não confunda a frequência amostral com a frequência auditiva do ouvido humano.
O que os conversores analógicos/digitais fazem é converter um sinal analógico em formato digital, e isso faz com que um sinal ouvido se torne um quadro de dados, quanto maior a resolução de bits e a taxa de amostra, maior a quantidade de informações armazenadas. Para calcular o espaço e largura de banda necessários, a resolução em bits é multiplicada pela taxa de amostra e isso é multiplicado pelo número de canais, uma vez que geralmente o sinal pode ser estuário, 5,1 ou outro modelo de transmissão.
Ao trabalhar em um protocolo de transmissão digital puro é conhecido como PCM, tecnologias como Dante, AES67, AVB o utilizam. Mas essa transmissão, se feita pela Internet, vai consumir muita largura de banda (eles podem calculá-la). É aqui que os algoritmos de compressão são usados para empacotar informações reduzindo sua capacidade de volume e transmissão.
Agora, se juntarmos o que já sabemos e colocá-lo na Internet possivelmente teremos alguns problemas já que a internet pública não tem uma qualidade de serviço que fará com que haja perdas de pacotes, pacotes duplicados, pacotes desordenados e um problema complexo que é o Jitter. O tremor é a flutuação do atraso para a variabilidade temporal durante o envio de sinais digitais, um leve desvio da precisão do sinal do relógio. Isso causa ruídos eletrônicos na transmissão de áudio, e gera desconforto ao ouvir as informações.
Felizmente, empresas como a Digigram (www.digigram), que é líder no desenvolvimento de protocolos de transmissão digital (eles criaram o EtherSound) geraram um modelo excessivamente eficiente de transmissão de áudio pela Internet, onde possui um mecanismo inteligente de transmissão IP que garante a qualidade do serviço, reordenando os pacotes perdidos, consertando o Jitter e entregando uma sincronização perfeita em cada unidade.
Essa tecnologia vem sendo desenvolvida e em constante evolução desde 2009, onde a maior qualidade de áudio possível é entregue independentemente do desempenho da rede. Com excelente estabilidade de transporte combinando várias estratégias de correção adaptativa, dependendo da qualidade da rede. Com transmissão redundante avançada realizando correção de erro de avanço (FEC) e baixa latência extra para a melhor opção de produção ao vivo em tempo real.
Embora não criemos a transmissão de áudio pela Internet com melhor qualidade, eles têm muitas aplicações, e acredito que migrar de áudio do Zoom, Equipes ou outro aplicativo pode ajudar a melhorar alguns setores educacionais e comerciais (mesmo aplicativos podem coexistir com áudio independente pela Internet). Entre os aplicativos mais utilizados para essas tecnologias podemos incluir: transmissão por meio de serviços de rádio pela Internet. Reuniões um a um ou de um a um para muitos para aplicativos como tradução simultânea, na educação musical em tempos de pandemia é uma ótima solução onde posso assistir ao vídeo através do Zoom, Teams ou Meet, mas silenciar o áudio do aplicativo e ativar um canal de internet apenas para áudio.
Se você quiser saber mais sobre modelos e tecnologias de transmissão de áudio pela internet onde você quer ter uma excelente qualidade de áudio não hesite em entrar em contato comigo, posso aconselhá-lo e expandir todas essas informações.
*Juan Tamayo, CTS-D, é engenheiro eletrônico e atualmente atua como Engenheiro de Aplicações de Produtos da Synthax para a América Latina.
muchas gracias, quedo atento a su respuesta