پخش صدا از طریق تلفن

[aliarjmandi]

سلام
امروز قصد دارم یکی دیگر از تجربیات خودم رو در زمینه برنامه نویسی سیستمهای تلفنی با شما به مطرح کنم . حتماً تا حالا با استفاده از شماره 192 یا همون ساعت گویا ساعت و روز جاری رو از طریق تلفن شنیدید .
خوب حتماً میدونید که این کار بوسیله یک نرم افزار رایانه ای انجام میشه . در ساده ترین حالت یک برنامه رایانه ای به کمک یک مودم ساده این کار رو انجام میده . شما میتونید این کار رو با یک زبان برنامه نویسی مانند Delphi  و یا مجموعه .Net انجام دهید . خوب برای این کار هم ابزارهای برنامه نویسی متعددی وجود داره که نمونشون KdTele و  یا TAPIEX هستند . در اصل این ابزارها کتابخانه TAPI و یا همون Telephony API رو بازنویسی کردند و کار را برای برنامه  نویسان آسون نمودند . خیلی از این برنامه های تلفن گویا ما امروز بر پایه همین ابزارها ایجاد شده اند (به استثناءأ اون  برنامه هایی که توسط شرکت های تولید کننده برد ارائه شده و در ایران صرفاً فقط فارسی شده) به هر حال . اما همه این ابزارها یک تابع مشترک جهت پخش صدا دارند که این تابع هم بصورت سنکرون و هم بصورت آسنکرون وجود دارند .
خوب حالا شما فرض کنید که میخواهید ساعت 11:25 دقیقه رو توسط برنامتون قرائت کنید . خوب قائدتاً ما چندین راه حل خواهیم داشت .
1) اینکه از ساعت 00:00 تا 11:59 رو بصورت فایل wav ذخیره کنیم که خوب این راه رو هیچ برنامه نویسی نمیپسنده چون اساساً اصل برنامه نویسی برای کم کردن کارها و جلوگیری از اتلاف زمان هست .
2) راه دیگه اینکه خوب ما ساعتهای اصلی و اعداد اصلی را داشته باشیم و بعد با ترکیب آنها بتونیم ساعت مورد نیاز را بسازیم . من فکر میکنم بچه های رشته رایانه حتماً این تمرین رو در دوره دانشگاه انجام دادند که یک عدد رو از ورودی بگیرند و آنرا بصورت حروف دربیارند . مثلاً مثل 1257 که میشود یک هزار و دویست و پنجاه و هفت . قضیه ساعت ما هم دقیقاً همین موضوع میباشد .

اما همه این مقدمات رو گفتم که به اینجا برسم که وقتی شما میخواهید دو تا فایل wav رو با هم پخش کنید خوب قائدتاً پیش خودتون میگید من این کار رو با یک حلقه ساده انجام میدهم و صدا ها رو پخش میکنم . اما مشکل ما همینجا شروع میشه . خوب اگر چه کار ما با موفقیت انجام میشه و صداها پخش میشوند اما دو مشکل در عمل ایجاد میشود .
1) در بین پخش صدا ها یک تاخیر ایجاد میشود که بسیار آزار دهنده بوده
 2) بعد از پخش هر صدا یک صدای اضافی تق تق  پخش میشود . این رو باید بگم که شما برای ضبط صدا هاتون بهتره از نرم افزار CoolEdit استفاده کنید و حتماً در ابتدا و انتها مکالمتون یک فضای سکوت ایجاد کنید . با استفاده از فیلترها یک fade in و یک  fade out به صدا بدید . اما با وجود این کارها بازهم صدای تق تق موجود است .

من هم مثل شما تا اینجای ماجرا آمدم تا اینکه این نکته به ذهنم رسید که بهتره صداها رو قبل از پخش با هم میکس کنم . همونطوری که در بازیهای رایانه ای با استفاده از Direct Sound این کار انجام میشه . خوب اما مشکل اینجا بود که من میکسر صدا نداشتم و برای همین توی اینترنت دنبال این موضوع جستجو کردم تا بالاخره رسیدم به سایت مورد علاقم http://www.codeproject.com/ و این مقاله WAVE File Processor in C# . آدرس دقیق مقاله هم  http://www.codeproject.com/KB/cs/WAVE_Processor_In_CSharp.aspx میباشد . این پروژه با استفاده از ساختار فایل wave البته نوع 16Bit 8kHz Mono with 128kbps Bit Rate تونسته دو تا فایل رو با هم میکس کرده و یک فایل ایجاد کنه .
البته من برای کار خودم یک دیگه اون رو دستکاری کردم و یه سری ابزار ایجاد کرد که نتیجه خیلی راضی کننده بود . دیگه از شر اون مکثهای اضافی و صدای تق تق راحت شده بودم و برنامم بخوبی کار میکرد .

من البته در مورد کاری که انجام دادم ادایی ندارم و شاید راه های بهتری وجود داشته باشه ولی فکر کنم بعنوان یک تجربه چیز بدی نباشه . 

[saeed_m_farid]

سلام
امروز قصد دارم یکی دیگر از تجربیات خودم رو در زمینه برنامه نویسی سیستمهای تلفنی با شما به مطرح کنم . حتماً تا حالا با استفاده از شماره 192 یا همون ساعت گویا ساعت و روز جاری رو از طریق تلفن شنیدید .
خوب حتماً میدونید که این کار بوسیله یک نرم افزار رایانه ای انجام میشه . در ساده ترین حالت یک برنامه رایانه ای به کمک یک مودم ساده این کار رو انجام میده . شما میتونید این کار رو با یک زبان برنامه نویسی مانند Delphi  و یا مجموعه .Net انجام دهید . خوب برای این کار هم ابزارهای برنامه نویسی متعددی وجود داره که نمونشون KdTele و  یا TAPIEX هستند . در اصل این ابزارها کتابخانه TAPI و یا همون Telephony API رو بازنویسی کردند و کار را برای برنامه  نویسان آسون نمودند . خیلی از این برنامه های تلفن گویا ما امروز بر پایه همین ابزارها ایجاد شده اند (به استثناءأ اون  برنامه هایی که توسط شرکت های تولید کننده برد ارائه شده و در ایران صرفاً فقط فارسی شده) به هر حال . اما همه این ابزارها یک تابع مشترک جهت پخش صدا دارند که این تابع هم بصورت سنکرون و هم بصورت آسنکرون وجود دارند.

سلام دوست عزیز
خیلی ممنون از این نکته ارزنده که در مورد میکس فایلهای wav فرمودید.
من امروز پست شما (و کلاً این فروم فوق العاده) رو دیدم ولی چند تا نکته بود که میخواستم به عرض برسونم :
بنده برنامه نویس سیستم 192 (ساعت گویا و اوقات شرعی) در چندتا شهر ایران هستم؛ در ضمن چندین برنامه واسط PSTN مشابه مثل 117 (اعلام خرابی) و 1818 (پرداخت تلفنی قبوض) هم تو اکثر شهرهای ایران توسط گروه ما توسعه داده شده؛ سیستمهای مشابه زیادی از این خانواده رو توسعه دادیم که بدون کوچکترین قصد فخرفروشی یا ادعا، این موارد رو میگم (به همین علت از ذکر نام شرکت پوزش میخوام )؛ در واقع غرض از این مطالب اینه که خواهش کنم اینقدر راحت در مورد برنامه نویسی چنین سیستم هایی اظهارنظر نکنید.

چون این نوع کدنویسی کاملاً مستقل از کامپوننت هایی هست که با TAPI کار می کنن (مثل KDTELE یا TAPIEX)، این کامپوننت ها و ابزارهای مشابه اونها برای سیستمهای آنالوگ خانگی و یا حداکثر SOHO (مثلاً تاکسی تلفنی و درمانگاه و ...) کاربرد دارن نه برای سیستمی که اولاً با حداقل 4 تا خط E1 کار میکنه و ثانیاً بصورت Real-time تقریباً هر لحظه 30-40 نفر تو سیستم حضور دارند. ضمناً بردهای E1 تولیدی خود شرکت هست نه وارداتی و API سطح کرنل و حتی درایور این سیستم ها در داخل شرکت نوشته شده.
از طرف دیگه فایل صوتی مربوطه که قراره روی خطوط تلفن پخش بشه هدر نداره و قابل پخش توسط نرم افزارهای معمولی نیست و همونطورکه شما خودتون گفتید، با CoolEdit میشه پخشش کرد و 8Bit 8kHz Mono ALaw هست، بنابراین اون تق تق یا تاخیر دیگه وجود نخواهد داشت چون هدر صوتی باعث چنین رخدادی میشه و این هدر هم تنها برای قابل پخش بودن فایل توسط نرم افزارها و کدکهای نرم افزاری هست که رو خطوط تلفنی چنین چیزی بی معنیه و اون کامپوننتها هم هدر رو موقع ارسال روی خط بر میدارن ولی مخلفات هدر میمونه!!! تو خطوط دیجیتال نمیشه به ازاء هر کاربری که میاد تو سیستم، یه بار این جور الگوریتمها رو روی فایلهای صوتی پیاده کرد چون بافر حافظه ای که برای کانال موردنظر گرفتیم نمی تونه منتظرعملیات پیچیده ای که شما میگید بشه و درایور رو میتروکونه و برنامه میره رو هوا، یعنی به همین راحتی نیست که تو خطوط آنالوگ به چشم شما میاد، تو خطوط دیجیتال کوچکترین لغزشی برای تمام کانلها مشکل ایجاد میکنه و اگه با بافرهای حافظه زیاد بازی کنیم، درایور طاقت نمیاره! در ضمن با دلفی یا دات نت هم نمیشه چون با سطح کرنل داری کار میکنی و این سکوها برای چنین کاری تعبیه نشدن.

آخرین مطلب که دوست داشتم بگم اینه که الان دیگه فکر میکنم دوران چنین کدنویسی هایی سر اومده و یا باید امثال ما رو قاب بگیرن، یا بیایم سمت چنین سیستمهایی (مبتنی بر VoIP) و محصولات سورس باز و قدرتمندی که تمام پیچیدگی های برنامه نویسی رو تو خودشون نهان سازی کردن و تنها زحمت کانفیگ رو به کاربران سیستم شون دادن! با چنین سیستم های آماده ای دیگه کی میره تو غار عمو یادگار؟ پس گفتن مطالب بالا بیشتر تلنگری به خود من بود تا شما، که از حرکت سریع تکنولوژی عقب نمونیم ...

موفق باشید.

[majid]

  saeed_m_farid عزيز راه حل شما چيست ؟
يه كم راجع به راه حل صحيح مسئله بفرماييد.

[حامـد کـوه فلاح]

خیلی خوبه که دوستان بسیار باسوادی در این زمینه در این انجمن فعالیت میکنند.. امیدوارم بتونیم یک مرجع قوی در این مورد داشته باشیم...
من به شخصه 2 سالی هست که بر روی استریسک برنامه نویسی می کنم..
پیشنهاد می کنم کسانی که علاقه مند به برنامه نویسی بر روی سیستم های VoIP بخصوص استریسک هستند به بخش استریسک و برنامه نویسی همین انجمن مراجعه کنند..
در ضمن بنده مدیر بخش Asterisk & Programming انجمن سایت ELastix هم هستم در آنجا هم می توانید پست بدهید...البته انگلیسی باشه 
ببخشید بهتره این پست رودریکی از این بخش ها ادامه بدیم تا دسته بندی درستی داشته باشیم...

از همه شما متشکرم

[saeed_m_farid]

  saeed_m_farid عزيز راه حل شما چيست ؟
يه كم راجع به راه حل صحيح مسئله بفرماييد.

سلام
آقا مجید، من اصلاً نمیدونم روی صورت مساله چیه؟ راه حل صحیح برای پخش ساعت؟ اوقات شرعی؟ یا کلاً مار با فایلها و کدک های صوتی؟
من دو تای اولی رو (که کاملاً مباحث برنامه نویسی هستند و فکر می کنم در حوصله این فروم نباشه) فاکتور می گیرم و میرم سراغ آشنایی با فایل صوتی :
=====================================
در مورد فرمت فایل صوتی :

کدک alaw

    * ساده ترین فایل صوتی : 8 بیت alaw مونو است که همه چی بصورت صفر و یک بدون هیچ نوع انکودینگ ذخیره میشه؛ تمام فرکانسهای آنالوگ با sample rate 8 نمونه برداری میشه، هرچقدر این مقدار هر نمونه برداری بالاتر بره کیفیت بالاتر رفته و بالطبع حجم فایل (بدون انکودینگ) هم افزایش پیدا میکنه؛ یعنی یه چیزی مثل شکل زیر (اولی 8 بیت و دومی 16 بیت نمونه برداری میشن) :



    * حالا نرم افزارهایی که قراره این فایل رو پخش کنند باید بدونن که فایل موردنظر با چه فرمتی دخیره و نمونه برداری شده، و WaveForm باید حتماً تعیین بشه، برای این منظور اولِ فایل موردنظر، مشخصات فایل ضبط شده قرار داده میشه.

    * برای نمونه ای از سرآمد فایلهای صوتی، ساده ترین حالت رو درنظر میگیریم یعنی : فرمت PCM با Sample Rate هشت بیتیِ مونو؛ برای این فرمت به هدر 58 بایتی اول اطلاعات خامِ (صفر و یک های معادل آنالوگ) ضبط شده قرار میگیره که برای پلیر قابل فهم باشه (البته نرم افزارهایی مثل CoolEdit قادرند فقط با دادن مشخصات فایل خام یه هدر بافر کرده و به فایل اضافه و پخشش کنند)؛ 58 بایت سرآمد این فرمت (8 بیت مونو با Sample Rate بصورت زیر است :

کد:

Only registered users can see contents. Please login or register.
شما میتونین برای امتحان مشخصات رو موقع ضبط به ساده ترین صورت (که ذکر شد) قرار بدین و هدر رو با این که بالا گذاشتم مقایسه کنید.

    * اگه میخواهید از هدر فایل مطمئن بشید، هدر فایل ضبط شده رو با یه نرم افزاری که قابلیت باز کردن فایلهای باینری داره (مثل UltraEdit) باز کنید و هدر رو با یکی از فایل های خود ویندوز (مثلاً صدای کلیک و ...) مقایسه کنید، اگه با یه ویرایشگر معمولی باز کنید (مثل نوت پد) یه شروعی مثل این دارن : RIFF„m WAVEfmt : حالا یه کم اینور اونور!

==================================

کدک های μ-law و gsm
μ-law و gsm دو کدک صوتی برای فشرده سازی صوتی هستن، که اجمالاً سعی می کنم توضیحی در موردشون بدم :

    * μ-law : کدک صوتی که بیشتر تو ارتباطات دیجیتالی آمریکا (ایالات متحده) و ژاپن کاربرد داره و همانند الگوریتم a-law (رایج در کشور ما و اروپا و ...) برای تبدیل و حمل سیگنالهای آنالوگ روی خطوط E1 بکار برده میشه. این کدک رشته های بیتی kbit/s 64 از نمونه های 8 کیلوهرتزی آنالوگ درست میکنه (البته نسخه دیگه ای ازش هست که از روی نمونه های 11 کیلوهرتزی رشته های 88.2 کیلو بیتی درست میکنه یعنی دارای بیت ریت 88.2 kbit/s هست) به عبارت دیگه نمونه لگاریتمی 8 بیتی از نمونه های 14 بیتی رمزگذاری میکنه (یعنی با یه فرمول لگاریتمی نمونه اصلی 8 بیتی رو رمز گذاری میکنه)، این استاندارد تحت عنوان G.711 (همون PCM ای که می شناسیم) توسط ITU-T تعریف شده و از فرمول پیروی میکنه؛ خلاصه اش اینه که در این الگوریتم نمونه هایی که مقدار صفر دارن (محتویات بی ارزش صوتی) حذف میشن. این الگوریتم پیچیده تر از a-law هست و سعی میکنه وضوح بیشتری در محدوده دیجیتالی فراهم کنه (در مقابل a-law که در سطوح پایین تر سیگنال، صدا رو بیشتر کوانتیزه -رمزگذاری؟یابسته بندی دیجیتالی- میکنه و درنتیجه حجم و پهنای باند کمتری اشغال میشه) شکل زیر مقایسه ای بین الگوریتمهای a-law و μ-law و مقادیر کوانیتزه شده خروجی انجام میده :


gsm : نسخه 6.10 از این کدک با همان توضیحات بالا مطابقت داره (یعنی چون انگشتام از فارسی نوشتن درد گرفتن، خلاصه میکنم!)، مثل μ-law این کدک هم با دو تا الگوریتم کار میکنه که به ترتیب با (BitRate) بیت ریت های 13 kbit/s و 18 kbit/s روی نمونه های 8 کیلوهرتزی و 11 کیلوهرتزی کار میکنن، با این تفاوت که حجم بسیار پایین تری نسبت به کدکهای قبل فراهم کرده و درنتیجه پهنای باند کمتری هم اشغال میکنن؛ بنابراین همونطورکه از اسمش پیداست بسیار مناسب شبکه های موبایل هست ...
==========================

اگه بخواهیم یه صوت یک دقیقه ای رو بدون فشرده سازی با مثلاً 44100 (صدای قابل قبول و استاندارد) نمونه در هر ثانیه و استریو ضبط کنیم، به چیزی حدود 10 مگابایت فضا نیاز داریم! برای اینکه :

    * 16 بیت در هر نمونه *
    * 44100 نمونه برای 1 ثانیه *
    * 60 ثانیه برای 1 دقیقه *
    * 2 کانال برای صدای استریو *

یعنی میشه 2 * 60 * 44,100 * 16 بیت = 84672000 بیت = 10584000 بایت = 10 مگابایت

بخاطر همینه که از MP3، GSM یا μ-law و A-law و سایر کدک ها استفاده می کنیم، و همونطورکه میدونید با این کدک ها یک دهم این هم فضا و پهنای باند استفاده نمیشه.
=================================

اگه بازم می خواهید بیشتر در این باره (سایر کدک ها مثل G.726 یا G.729 و ...) زوم کنیم یا کلاً از بحث خارج شدیم؛ بفرمایید تا با هم ادامه بدیم...

موفق باشید.

[حامـد کـوه فلاح]

سلام ...
اگر در مورد كدك ها اگر مطلب كامل تري داريد براي info@voip-iran.com ايميل بفرماييد تا در بخش مطالب سايت قرار دهيم..

متشكرم

[saeed_m_farid]

سلام ...
اگر در مورد كدك ها اگر مطلب كامل تري داريد براي info@voip-iran.com ايميل بفرماييد تا در بخش مطالب سايت قرار دهيم..

متشكرم

باید بنویسم، همینطوری که ندارم، یعنی باید فارسی شون کنم 
اگه صلاح میدونید شروع کنم، ولی خیلی زود نمیشه (اگه جسارت نشه، چون تایپ فارسی زمان میبره)، اینا رو هم در جواب روستان سایت برنامه نویس مدتها پیش نوشته بودم ...

[حامـد کـوه فلاح]

مي دونم زمان بره !
من خودم چند ماهه مي خوام يه مقاله براي نهوه استفاده از الستيكس بنويسم.. و بخشي از Elastix without Tears رو هم ترجمه كنم.. هنوز وقت نكردم..
ولي خوب اگه بتونيم همه مطالب رو مقاله شده داشته باشيد مي تونيم يه بخش قوي مطلب داشته باشيم...
ولي مشكل همون فارسي كردنه شه..
كه البته حتما بايد فارسي بشن چون هدف ايجاد يك مركز براي فارسي زبان هاست...
به هر حال ممنون... من فكر كردم بقيه رو هم داريد ! 

[پروکسیما]

چه جالب! بعد مدت ها اومده بودم فروم و می خواستم یه پست راجع به همین مطلب بزنم که یهو چشمم خورد به این!

من یه قسمت هایی از Elastix without Tears و Asterisk: The future of telephony رو ترجمه کردم. البته خیلی کار داره و ناقصه، اما فکر می کنم اگه یه قسمتی توی فروم درست کنیم و کار رو تقسیم بندی کنیم، باعث میشه اولاً کارهای پراکنده ای که هر کدوم مون انجام دادیم جمع بشه و ثانیاً کارها با سرعت بیشتری پیش بره. فکر کنم با همین کارهای انجام شده بتونیم یک Toturial چند صفحه ای برای کار با Elastix ارائه بدیم که موردنیاز خیلی از دوستان خواهد بود.

[حامـد کـوه فلاح]

منم موافقم...
البته فكر نكنم توي انجمن جا بگيره...
مگه اينكه يه پست بدهيم و كار هارو توي اون تقسيم بندي كنيم...
من چند روزي هست دنبال راه اندازي بخش مقالات سايت هستم...
به يك نتيجه كامل كه رسيدم و Stable شد خبر ميدم هر دوستي هرچي كه داره بده قرار بدهيم... 

[aliarjmandi]

با سلام
چقدر خوشحال شدم وقتی بعد از دوسال که پست دادم اینقدر نظرات کامل و جامعی رو پستم گذاشته بودن . من اصلاً عددی نیستم که بخواهم به کسی جسارت کنم . آنچه دوست عزیزمون در زمینه مباحث مخابرات فرمودند کاملاً صحیح هستش و کار من در حد سیستمهای خانگی میباشد . به گمان بنده ایشان بایستی saeed_m_faridدر شرکت الکا پرداز مشغول فعالیت باشند که بصورت تخصصی بروی سیستم های مخابراتی تمرکز دارند .
به هر حال ایجاد چنین سایتهایی موجب ایجاد ارتباطات و دوستی ها و اشتراک اطلاعات ، همچنین جلوگیری از تکرار تجارب میباشد .

با تشکر
ارجمندی