Чому музичний звук настільки поступається голосовому звуку в додатках відеочат?

Моє питання стосується величезної різниці в якості звуку між людським голосом і музичним інструментом - наприклад, фортепіано - при використанні відеочат, як Skype, FaceTime, месенджер Facebook і т.д. Навіть у кращому сценарії, коли з'єднання це пристойний і як картина, так і якість звуку достатньо хороші для спілкування, музичний звук передається з величезними спотвореннями, ефекти коливаються від звучання "під водою" до надзвичайно ударних, не кажучи вже про затримку. Чи можна щось зробити для вирішення цієї проблеми?

Багато кодеків (алгоритми стиснення звуку, наприклад, GSM або G.729), що використовуються в інтернет-комунікації, призначені для мовлення, а не для музики. Вони можуть бути засновані на моделі людського голосового тракту (порожнина носа, порожнини рота, глотки, гортані, трахеї, велюма, язика). Ця спеціалізація забезпечує високий коефіцієнт стиснення (= низький рівень використання пропускної здатності) і відносно хорошу якість мовлення, але може давати жахливі ефекти при обробці інших звуків.

Іншою проблемою, яка може сприяти, є різниця обсягів між голосом і (можливо, тихою) фоновою музикою. Цей фон може розглядатися як шум і відфільтрований або спотворений за допомогою фільтра шумозаглушення або частково вирізаний за допомогою алгоритму виявлення голосової активності, який може зупинити передачу, якщо сигнал нижче певного рівня, або надіслати так званий "комфортний шум" - знову ж таки, для мінімізації використовуваної смуги .

Якщо ви хочете щось хороше як для голосу, так і для музики, спробуйте Кодек OPUS . Не всі клієнти VoIP мають підтримку для нього, але в даний час швидко стає найважливішим кодеком у VoIP завдяки потребам високої якості та пропускної здатності.