MLow: Meta's low bitrate audio codec

WhatsApp · 2024 · 3. Quy mô lớn · Độ khó: Trung bình — bài gốc

Bài của Meta về hạ tầng cuộc gọi chung cho WhatsApp, Instagram, Messenger; xếp vào WhatsApp vì số liệu thiết bị cũ và rollout nhắc tới WhatsApp.

Bối cảnh

Âm thanh thô của một cuộc gọi khoảng 768 kbps; codec hiện đại nén còn 25–30 kbps. Meta dùng Opus (2012) cho mọi cuộc gọi.
Một phần đáng kể cuộc gọi chạy trên mạng kém. Khi bộ ước lượng băng thông thấy mạng xấu, bitrate phải giảm; gọi video lại càng ít chỗ cho audio. Mức thấp nhất của Opus là 6 kbps ở chế độ NarrowBand (0–4 kHz), giọng không rõ.
Codec dựa trên ML (như Encodec của Meta, 2022) cho chất lượng rất tốt ở bitrate thấp nhưng tốn tính toán, chỉ chạy ổn trên máy cao cấp.
Thiết bị yếu: hơn 20% cuộc gọi chạy trên thiết bị ARMv7, và hàng chục triệu cuộc gọi WhatsApp mỗi ngày trên máy hơn 10 năm tuổi.

Bắt đầu cuối 2021, gần hai năm phát triển: MLow cho chất lượng gấp đôi Opus ở 6 kbps (POLQA MOS 3,9 so với 1,89, băng rộng) với độ phức tạp tính toán thấp hơn 10%.
Bên trong: nền CELP cổ điển, cải tiến cách sinh excitation, lượng tử hoá tham số và mã hoá; tách tín hiệu thành hai băng thấp/cao mã hoá riêng nhưng dùng chung thông tin, băng cao tốn rất ít bit nên đạt SuperWideBand (32 kHz) ở bitrate thấp; cuối cùng qua range encoder.
Bitrate thấp cho phép nhét FEC (sửa lỗi trước) ở mức Opus không làm được: Opus cần tối thiểu 19 kbps để có FEC trong băng ở 10% mất gói; MLow chịu được 30% mất gói ở 14 kbps.
Đã rollout hết cho Instagram và Messenger, đang rollout WhatsApp (6/2024); cuộc gọi vẫn mã hoá đầu cuối.

Theo Meta: codec ML chỉ giúp số ít user có máy mạnh; tối ưu cho số đông nghĩa là tối ưu cho máy yếu và mạng xấu.

Ở quy mô hàng tỉ user, phần đuôi (máy cũ, mạng tệ) là một khối lớn tuyệt đối; giải pháp "tốt nhất" về chất lượng có thể không giúp được họ.
Giảm chi phí tính toán và băng thông cùng lúc mở ra chỗ cho cơ chế chống lỗi (FEC).