beszédkódolásnaktömörítésnek

A beszédkódolás olyan folyamat, amely az analóg beszédet digitális jel formájában reprezentálja, hogy azt szélessávú hálózatokon át lehessen továbbítani vagy tárolni. Célja a beszéd érthetőségének és minőségének megőrzése a lehető legkisebb bitrátán és a lehető legcsekélyebb késleltetéssel.

Két fő irányzat létezik: a waveform-kódolás és a paraméterezett (jel- vagy felépítés-alapú) kódolás. A waveform-kódolás az eredeti hang hullámszintjét rögzíti minél részletesebben (például PCM vagy ADPCM). A paraméterezett kódolás a beszéd jellegzetes jellemzőit – például beszédhangok energiaszintjét és a beszélő jellemzőit – modellezi, és csak ezeket a paramétereket továbbítja.

Waveform-kódolás példái közé tartoznak a PCM-alapú rendszerek, amelyek tipikusan magasabb bitrátán működnek, valamint az ADPCM, amely az energiaszegmenseket tömöríti. Parametrikus kódolás a CELP és ACELP családokat foglalja magában; ezek általában alacsonyabb bitrátán működnek, de érzékenyek lehetnek a latenciára. Modern rendszerek közé tartozik az AMR‑WB és a kapcsolódó verziók, a G.729, valamint az Opus, amelyek széles hangspektrummal és adaptív bitrátával működnek.

A beszédkódolást telekommunikációs sávokban és VoIP-környezetekben használják, ahol a latencia és a hibajavítás kulcsfontosságú szempontok. Nemzetközi szabványok, például a G-család, segítik a hálózatok közötti interoperabilitást.