Telefony Internetowe - przegląd rozwiązań
"Boom" na Internetowe telefonowanie rozpoczął się około polowy ubiegłego roku, za sprawa programu Internet Phone firmy VocalTec. Programy do telefonowania przez Internet (po sukcesie Internet Phone podobne aplikacje zaczęły "mnożyć się" jak przysłowiowe grzyby po deszczu; powstało ich już około dwudziestu i wciąż tworzone są nowe) maja znaczenie daleko mniejsze, niż im początkowo przypisywano. Wciąż jednak przykuwają uwagę użytkowników sieci i na ich temat wiele się dyskutuje. Nic dziwnego: przekazywanie dźwięku - a także wideo - w czasie rzeczywistym przez Internet jest ta dziedzina zastosowań sieci, która stanowi obecnie obszar największych technologicznych wyzwań: wciąż pojawiają się tu nowe rozwiązania, postęp jest niewiarygodnie szybki - niejednokrotnie sytuacja zmienia się dosłownie z dnia na dzień i trudno za nią nadążyć. To, co dzieje się w tym zakresie, jest dla obserwatora zainteresowanego technologia sieciowa niewątpliwie fascynujące, i być może w tym tkwi również jedna z przyczyn wielkiego zainteresowania oprogramowaniem tego typu.
Telefon przez Internet - co to takiego?
Czym właściwie jest Internetowy telefon? Najprościej mówiąc, jest to program (w dalszej części tekstu będę wszystkie te programy w ogólności określał skrótem IPHONE) pozwalający połączyć się z dowolnym innym użytkownikiem Internetu mającym w danej chwili uruchomiony analogiczny program i prowadzić normalna (no, może prawie normalna - przeczytaj dalej o tzw. poldupleksie) rozmowę za pomocą głosu. Rzecz jasna komputery obu użytkowników musza mieć wyposażenie pozwalające na zapis i odtwarzanie dźwięku, czyli - w przypadku PC, dla których najczęściej przeznaczone są programy IPHONE - kartę dźwiękowa plus odpowiedni mikrofon oraz głośniki (bądź słuchawki).
Sama możliwość przesyłania dźwięku przez siec, która pierwszym użytkownikom Internet Phone zapewne wydala się niezwykłą sensacja (zapewne właśnie taka miała się wydawać, z oczywistych powodów marketingowych), nie jest tak naprawdę niczym nowym. Pozwalające na to oprogramowanie istnieje już od roku 1992, w postaci napisanego w Lawrence Berkeley National Laboratory programu przeznaczonego dla Unixowych stacji roboczych, o nazwie vat (Visual Audio Tool). W następnym roku w Cornell University powstał kompatybilny z vat'em program CU-SeeMe dla Macintosha, pozwalający przesyłać nie tylko dźwięk, ale i obraz (pod warunkiem oczywiście posiadania kamery wideo i odpowiedniej karty do jej obsługi), a w 1994 r. - jego wersja dla MS-Windows; do środowiska Windows został przeniesiony także vat. Programy te nie są jednak Internetowymi telefonami w dzisiejszym rozumieniu, lecz programami telekonferencyjnymi - przeznaczone są one do rozmowy wielu osób jednocześnie i większość ich możliwości daje się wykorzystać tylko przy tym sposobie pracy
Są one zjawiskiem w zasadzie specyficznym dla środowiska MS-Windows. Zaledwie cztery tego typu programy (nie licząc CU-SeeMe) istnieją dla Macintosha, zaś świat komputerów Unixowych rozwija odrębną rodzinę aplikacji do transmisji dźwięku, opartych na bazie wspomnianego już vat'a i protokołu RTP (Real-time Transport Protocol) - obecnie proponowanego standardu (dokument RFC 1889) dla transmisji dźwięku (i obrazu) w sieci. Programy IPHONE dla Windows w znakomitej większości są - w przeciwieństwie do vat'a i CU-SeeMe - programami komercyjnymi, i niestety, przeważnie całkowicie ze sobą niekompatybilnymi. Być może sytuacja ta wkrótce się zmieni, gdyż coraz więcej aplikacji zaczyna zmierzać w kierunku zgodności z protokołem RTP (na razie protokół ten wykorzystują i są kompatybilne z aplikacjami Unixowymi trzy programy - dwa dla Macintosha, jeden dla Windows), póki co jednak wciąż jeszcze aby porozumieć się za pomocą IPHONE z innym użytkownikiem sieci, z reguły musimy mięć ten sam program co on.
Jak się przesyła dźwięk?
Pierwowzorem dzisiejszych Internetowych telefonów był napisany w 1994 roku przez Richarda Ahrensa program o nazwie Internet Voice Chat (IVC). Program ten nie działał jeszcze w tzw. czasie rzeczywistym: cala wypowiadana przez rozmówce kwestia była "nagrywana" w pamięci komputera, a dopiero po jej zakończeniu (nagranie mogło trwać co najwyżej minutę) w całości transmitowana do komputera drugiego rozmówcy i tam odtwarzana. W analogiczny sposób przesyłana była odpowiedz. Ten sposób prowadzenia rozmowy był bardzo niewygodny, gdyż wprowadzał znaczne opóźnienia miedzy kwestiami obu rozmówców, miął jednakże te zaletę, ze mała szybkość transmisji (np. na obciążonym łączu) nie pogarszała jakości dźwięku - zwiększała jedynie owe opóźnienia, gdyż wzrastał czas transmisji nagranej wypowiedzi. Program ten nigdy właściwie nie zyskał sobie większej popularności; w maju 1995 został wycofany z rozpowszechniania, a wkrótce potem pojawił się Internet Phone...
Współczesne programy typu IPHONE pracują w czasie rzeczywistym, tzn. sygnał rejestrowany przez kartę dźwiękowa jest równocześnie przesyłany przez siec. Nie napisałem "jest przesyłany w tym samym momencie", gdyż ze względów technicznych nieuniknione jest niewielkie opóźnienie miedzy odebraniem dźwięku przez kartę, a jego wysłaniem do sieci, typowo jednak opóźnienie to jest rzędu ułamków sekundy, co wydaje się być wielkością całkowicie akceptowalna.
Podstawowym problemem przy transmisji dźwięku przez siec - nie tylko zresztą w czasie rzeczywistym, choć tu problem ten jest szczególnie krytyczny - jest ilość przesyłanych danych. Każdemu, kto miał cos do czynienia z komputerowym dźwiękiem, znane są ogromne rozmiary plików typu .WAV czy .VOC, zawierających dźwięk zapisany w postaci cyfrowej. 10 sekund dźwięku próbkowanego na ośmiu bitach z częstotliwością 8 kHz - co daje najniższą jakość dźwięku, odpowiadającą jakości rozmowy telefonicznej - zajmuje 78 KB. Dziesięć sekund dźwięku próbkowanego 16-bitowo z częstotliwością 44 kHz - jakość odpowiadającą płycie kompaktowej - 860 KB. Przekładając to na wielkości bardziej adekwatne do czasu rzeczywistego, transmisja dźwięku o jakości telefonicznej (8 bit, 8 kHz) wymaga połączenia o przepustowości 64 kbps (dokładnie taka jest przepustowość kanałów transmisyjnych stosowanych miedzy centralami cyfrowymi w "klasycznej" telefonii), zaś dźwięku o jakości CD - 704 kbps.
Niezbędne zatem staje się zastosowanie jakiejś formy kompresji danych dźwiękowych przesyłanych przez siec. Nie nadają się tu żadne klasyczne uniwersalne algorytmy kompresji, stosowane np. w popularnych programach "pakujących" takich jak PKZIP czy ARJ. Wspomniane algorytmy kompresji są algorytmami tzw. bezstratnymi; po skompresowaniu pliku, a następnie jego rozkompresowaniu odtwarza się plik co do bajta identyczny z oryginałem. Dźwięku nie trzeba jednak kompresować w ten sposób; wystarczy aby dane otrzymane po rozkompresowaniu opisywały kształt fali dźwiękowej na tyle podobny do oryginału, aby możliwe było rozpoznanie mowy przez ludzkie ucho - różnice w drobnych szczegółach są dopuszczalne. Stosuje się wiec tzw. kompresje stratna, która gubi część mniej istotnych informacji z oryginału, ale za to umożliwia osiągnięcie wielokrotnie wyższego stopnia kompresji - skompresowane dane zajmują kilka, kilkanaście, a nawet w najnowszych technikach kilkadziesiąt (!) razy mniej miejsca niż oryginał.
Jedna z często stosowanych metod jest algorytm zapożyczony z cyfrowych telefonów komórkowych systemu GSM, pozwalający zredukować niezbędna przepustowość do 17 kbps, zachowując przy tym dobra jakość dźwięku. Rozwiązanie to jest już do przyjęcia dla posiadaczy modemów 28800 bps, ale niewystarczające dla - często wszak spotykanych - modeli 14400. Szuka się wiec jeszcze skuteczniejszych metod kompresji, jednak im bardziej skuteczna kompresja, tym więcej wymaga ona czasu procesora, co zaczyna powoli wykluczać z konkurencji słabsze komputery, na których program nie będzie "nadążał" za strumieniem transmitowanych danych (486DX2/66 MHz należy w zasadzie uznać za minimum). W dostępnych na rynku programach IPHONE stosowany jest szereg firmowych (nieujawnianych) algorytmów, dających szybkości rzędu 7-10 kbps, jednak przy tak wysokim stopniu kompresji w transmitowanym dźwięku zaczynają już pojawiać się wyraźnie słyszalne zniekształcenia, utrudniające zrozumienie mowy. Swoista rewelacja na tym tle wydaje się opracowany niedawno przez firmę VoxWare algorytm kompresji RT24, potrafiący skompresować dane dźwiękowe do szybkości 2400 bps (!), przy tym z jakością o wiele lepsza niż algorytmy wspomniane wyżej. Szybkość 2400 bps daje się bez trudu osiągnąć nawet na "zapchanych" łączach Internetowych, umożliwiając tym samym w prawie każdych warunkach przekaz dźwięku bez przerw i zakłóceń. Metoda ta ma zatem wszelkie szansę, aby stać się "przebojem" w technologii transmisji dźwięku; licencje na nią wykupiło już kilka znaczących firm software'owych, m.in. Netscape.
Poldupleks i pełny dupleks
Przez zwykły telefon można rozmawiać równocześnie w obu kierunkach; jest to tzw. pełny dupleks (full duplex). Z poldupleksem (half duplex) natomiast mamy do czynienia w przypadku np. radiotelefonu - jednocześnie może mówić tylko jedna osoba, dopiero kiedy skończy, zaczyna mówić druga. Większość popularnych kart dźwiękowych do komputerów PC nie może jednocześnie próbkować i odtwarzać dźwięku, zatem przy użyciu takiej karty program typu IPHONE może działać tylko w poldupleksie: możemy albo mówić, albo słuchać. Droższe i nowsze karty dźwiękowe umożliwiają prace w pełnym dupleksie; innym sposobem uzyskania pełnego dupleksu może być zainstalowanie w komputerze dwóch zwykłych kart dźwiękowych, z których jednej używa się tylko do nagrywania, drugiej do odtwarzania (oczywiście wymaga to nieco "zabawy" z ich konfiguracja) - większość Internetowych telefonów potrafi wykorzystać takie rozwiązanie.
Gdy mamy tylko poldupleks, podczas rozmowy konieczne jest przełączanie programu miedzy trybami "mówienia" i "słuchania". W większości programów może ono być dokonywane zarówno ręcznie - np. przez kwikniecie myszą na odpowiedni przycisk na ekranie - jak i za pomocą znacznie wygodniejszej tzw. aktywacji głosowej: gdy zaczynamy mówić do mikrofonu, program automatycznie przełącza się na "nadawanie"; jeżeli nic nie mówimy, ustawia się na "odbiór". Aktywacja głosowa ma sens także gdy dysponujemy pełnym dupleksem: ułatwia komunikacje z użytkownikami mającymi tylko poldupleks, a przede wszystkim zmniejsza obciążenie sieci przez wyeliminowanie nadawania "pustych" bajtów w okresach, gdy nic nie mówimy.
Nie tylko głosem
Najnowsza tendencja w oprogramowaniu IPHONE jest uzupełnianie samej komunikacji głosowej o funkcje tzw. pracy grupowej, pozwalające na profesjonalne wykorzystanie tego typu programów przy np. wspólnym opracowywaniu, konsultowaniu rożnego rodzaju dokumentów na odległość. Typowe narzędzia do pracy grupowej obejmują tzw. tabliczkę rysunkowa (whiteboard) - rodzaj programu graficznego, w którym obydwaj użytkownicy (lub w przypadku niektórych programów nawet większa ich liczba) mogą równocześnie rysować lub pisać, obserwując na bieżąco to, co robi drugi użytkownik i mogąc jego rysunki poprawiać lub zmieniać; wymianę komunikatów tekstowych (chat) - klasyczne narzędzie podobne do Unixowego programu talk czy query w IRC, którym można się podeprzeć w razie gdy zawodzi łączność dźwiękowa lub gdy trzeba przekazać rozmówcy np. jakiś adres WWW albo serie danych liczbowych; przesyłanie plików - przeznaczenie tej funkcji jest raczej oczywiste - czy nawet możliwość zdalnego korzystania z aplikacji Windows na komputerze rozmówcy. Ciekawostka w tej grupie funkcji jest tzw. webcruising - możliwość wspólnych "wycieczek" po WWW poprzez zsynchronizowanie przeglądarek wszystkich rozmówców w ten sposób, ze lądują one w tej samej chwili te same strony co przeglądarka osoby prowadzącej taka "wycieczkę" (ta funkcja działa tylko z niektórymi przeglądarkami, na ogol z Netscape i MS Internet Explorerem). Obecnie coraz więcej programów IPHONE jest wyposażanych w mniejszy lub większy zestaw tych funkcji; z drugiej strony, pojawiają się także programy - jak np. bardzo popularny PowWow firmowany przez Tribal Voice - w których to możliwość komunikacji głosowej wprowadzana jest jako dodatek do stanowiących zasadnicza cześć programu bardzo rozbudowanych funkcji wspólnego "krążenia" po WWW, transmisji plików i pogawędek tekstowych á la IRC. W możliwość przekazywania głosu (a nawet wideo) wyposażane są także same programy klientów IRC - aktualnie znane mi są takie dwa: Visual IRC i WSIRC Video. Pozwalają one na nawiązanie - za pomocą protokołu DCC (Direct Client-to-Client), wykorzystywanego w IRC miedzy innymi do przesyłania plików pomiędzy IRC-ownikami - równolegle do zwykłej konwersacji na kanałach IRC indywidualnego połączenia wizyjno-dzwiękowego z innym IRC-ownikiem korzystającym z takiego samego programu (oczywiście tylko jednym naraz).
IPHONE kontra telefon
Gdy mówimy o "telefonowaniu przez Internet", w nieunikniony sposób musimy skonfrontować te usługę ze zwykłym telefonem, porównać ich wady i zalety. W stosunku do zwykłego telefonu IPHONE ma jedna wielka zaletę, uwidaczniającą się jednak tylko przy połączeniach na duże odległości - międzymiastowych i międzynarodowych: jest znacznie tańszy. Za samo połączenie nie płacimy praktycznie nic, o ile nasz provider nie nalicza opłat za przesyłane bajty (vide słynna sprawa cennika NASK-u). Musimy oczywiście kupić program oraz płacić za dostęp do Internetu (za który zresztą płacimy i tak; niezbyt prawdopodobny jest przypadek, aby ktoś wykupywał sobie dostęp do Internetu specjalnie po to tylko, aby korzystać z IPHONE). Wziąwszy jednak pod uwagę ze za te cenę mamy np. możliwość rozmawiania codziennie po kilka godzin z narzeczona w Ameryce (o ile ktoś takowa ma...), w sumie sprawa się opłaca. Ta właśnie "darmowość" Internetowego telefonu w stosunku do słonych opłat za typowe połączenia telefoniczne była jednym z głównych motorów emocji, jakie towarzyszyły pojawieniu się Internet Phone.
IPHONE nie zastąpi zatem "zwykłego" telefonu - chyba ze doczeka się realizacji ambitny projekt Free World Dialup (więcej informacji na jego temat można znaleźć pod adresem http://www.pulver.com/fwd/), zakładający utworzenie sieci serwerów, pozwalających na darmowe telefonowanie za pomocą IPHONE do zwykłych aparatów telefonicznych w mieście, w którym znajduje się serwer. Bardziej jest jednak prawdopodobne, ze projekt ten spotka los innego, równie ambitnego projektu - TPC, którego zadaniem było utworzenie sieci serwerów pozwalających na analogicznej zasadzie wysyłać fasy za pomocą e-maila. System istnieje i działa, ale nie obejmuje swoim zasięgiem nawet polowy terytorium USA, a co dopiero mówić o świecie...
Nie grozi tez raczej "zapychanie" sieci przez Internetowe telefony. Przeciwnie: przy tłoku na łączach to IPHONE będzie pierwsza usługa, z której użytkownicy zrezygnują, gdyż z powodu zgubionych pakietów i przerw w transmisji dźwięku po prostu nie da się rozmówcy. Internetowy telefon, oparty na protokole UDP, jest tu usługą diametralnie różną od na przykład ftp czy WWW, opartych na protokole TCP, który w razie obciążonej sieci i gubienia pakietów powtarza przesyłanie danych "do skutku" i może rzeczywiście łatwo "zapchać" łącza.
Więcej informacji na temat telefonowania przez Internet, a także omówienia programów do tego służących, znaleźć można pod adresami:
http://www.wsp.krakow.pl/papers/telefon.html •http://rpcp.mit.edu/~itel/ •http://www.virtual-voice.com/
http://www.man.poznan.pl/hypertext/cwsa/sphone.html
http://www.cnet.com/Content/Reviews/Compare/Wphone/
http://itel.mit.edu/
http://www.virtual-voice.com/
http://www.pulver.com/fwd/
http://www.man.poznan.pl/hypertext/cwsa/phone.html
http://www.vocaltec.com/
http://www.netspeak.com./
http://www.voxware.com/
http://live.netscape.com/
http://www.quarterdeck.com/
http://www.fourmilab.ch/speakfree/windows/