[论文解读] Speex: A Free Codec For Free Speech

Jean-Marc Valin|arXiv (Cornell University)|Feb 28, 2016

Advanced Data Compression Techniques参考文献 6被引用 53

一句话总结

Speex 是一种基于 CELP 算法的开源、无专利限制的语音编解码器，专为在不可靠网络上实现低延迟、鲁棒的语音 IP 通信而设计。它支持可变比特率编码、嵌入式窄带/宽带编码，并包含噪声抑制和回声消除等高级功能，在相似比特率下可实现与专用编解码器相当的音质。

ABSTRACT

The Speex project has been started in 2002 to address the need for a free, open-source speech codec. Speex is based on the Code Excited Linear Prediction (CELP) algorithm and, unlike the previously existing Vorbis codec, is optimised for transmitting speech for low latency communication over an unreliable packet network. This paper presents an overview of Speex, the technology involved in it and how it can be used in applications. The most recent developments in Speex, such as the fixed-point port, acoustic echo cancellation and noise suppression are also addressed.

研究动机与目标

• 开发一种免受软件专利限制的免费开源语音编解码器，用于开源 VoIP 和通信应用。
• 解决在 Linux 及其他自由操作系统上实时、低延迟通信缺乏合适无专利语音编解码器的问题。
• 提供一种专为 VoIP 优化的编解码器，具备对丢包的鲁棒性、可变比特率支持，以及与窄带和宽带语音的兼容性。
• 通过集成回声消除和噪声抑制等信号处理工具，将 Speex 的功能扩展至基本编码之外，以支持端到端的 VoIP 应用开发。
• 通过提供定点实现，使 Speex 能够在无浮点单元的定点嵌入式系统上部署，从而扩大其在资源受限设备中的应用范围。

提出的方法

• Speex 以码激励线性预测（CELP）算法为核心编码技术，利用代数码本和基音预测实现对语音参数的高效建模。
• 编解码器使用 20 ms 的帧长，并采用 10 ms 的前瞻缓冲，以最小化算法延迟，确保适用于实时通信的低延迟性能。
• 通过集成语音活动检测（VAD）实现可变比特率（VBR）编码，根据语音活动动态分配比特，从而提高压缩效率。
• 采用嵌入式编码技术，使窄带（8 kHz）和宽带（16 kHz）模式可在同一比特流中实现向后兼容。
• 该库包含基于多延迟块频域（MDF）算法的回声消除器（AEC），可对麦克风和扬声器信号进行处理，以在免提通信中抑制回声。
• 噪声抑制作为后处理步骤实现，以减少背景噪声，且要求在回声消除之后应用，以避免引入非线性失真问题。

实验结果

研究问题

• RQ1 如何设计一种免费开源语音编解码器，在避免使用受专利保护技术（如 ACELP）的前提下，实现与专用编解码器相当的性能？
• RQ2 为确保在计算资源有限的系统上实现适用于 VoIP 的低延迟实时性能，需要做出哪些设计选择？
• RQ3 在不依赖帧间冗余或独立帧编码的前提下，如何在语音编解码器中实现对丢包的鲁棒性？
• RQ4 在轻量级、可移植的编解码器库中集成回声消除和噪声抑制等高级信号处理功能，面临哪些实际挑战？
• RQ5 如何在不牺牲音质或实时性能的前提下，有效将 Speex 移植到定点架构上？

主要发现

• 尽管避免使用 ACELP 等受专利保护的技术，Speex 在相似比特率下仍可实现与 G.729 和 AMR 等专用编解码器相当的语音质量。
• 该编解码器支持 2 kbps 至 44 kbps 的广泛比特率范围，具备动态比特率切换和 VBR 支持，可在不同网络条件下高效利用带宽。
• 嵌入式比特流设计成功实现了窄带与宽带语音之间的无缝互操作性，使传统电话系统能够与现代宽带 VoIP 应用互连。
• Speex 的定点实现使该编解码器可部署于无浮点单元的嵌入式设备，显著扩展了其在低功耗和资源受限环境中的适用性。
• 基于 MDF 算法的集成式回声消除器在实际 VoIP 应用中表现出良好的实用性，前提是保持适当的信号时序和硬件同步。
• 信号处理顺序至关重要：若在回声消除前应用噪声抑制或自动增益控制（AGC），将因非线性失真导致性能下降，而线性 AEC 无法纠正此类失真。