Security
11-04-07, 11:47
آيا MPEG-4 آخرين تكنولوژى چندرسانهاى است كه همگان انتظار آنرا مىكشيدند؟ بياييد با هم نگاهى به آن بيندازيم تا بفهميم اين تكنولوژى چگونه روش اجرا و انتقال فايلهاى چندرسانهاى را تحول بخشيده است؟
Multimedia (چندرسانهاى)؛ كلمهاى كه اولين بار پس از ظهور كليپهاى ويدئويى كوتاه روى كامپيوترها بر سرزبانها رواج يافت. آن روزها اين كلمه خيلى عجيب مىنمود اما امروزه كلمه و عبارتى بسيار معمول شده است.
تمام امكانات چندرسانهاى PC شما تنها صوت و ويدئو نيست؛ اما استفاده از تمام پتانسيل چندرسانهاى كامپيوترها فعلاً كمى دور از واقعيت است. DVD كامپيوتر را تبديل به يك دستگاه خانگى براى اجراى ويديو كرد، اما هنوز توانايى فرستادن فايلهاى چندرسانهاى (كه اغلب هم حجيم هستند) از طريق شبكهها روى PCها و دستگاههايى مانند تلفنهاى همراه كمى با مشكل مواجه است.
تكنولوژى جديدى كه قول داده اجرا و انتقال چندرسانهاىها را روى شبكه متحول گرداند، با نام MPEG-4 شناخته مىشود. شايد اين تكنولوژى قالب كلى چندرسانهاى را براى دستگاهها و برنامههاى كاربردى خاصى بهبود بخشد.
گروه متخصصين تصاوير متحرك (MPEG يا Moving Picture Experts Group) كميتهاى است كه استانداردهاى محتويات چندرسانهاىها را تعريف و تعيين مىكند. اين كميته از صدها محقق و مهندس از سرتاسر دنيا تشكيل شده است. MPEG استانداردهاى صوتى و تصويرى MPEG-1 و MPEG-2 را كه نقشى اساسى در پيشرفت چندرسانهاى خصوصاً براى PCها بازى مىكرد را تعريف كرده و توسعه داد. آخرين دستاورد اين گروه با نام MPEG-4 دريچهاى رويايى به روى كاربران تكنولوژىهاى قبلى اين گروه گشود.
MPEG-4 ابتدا به عنوان يك استاندارد بينالمللى (با نام رسمى ISO/IEC 69441) در اكتبر 1998 تصويب شد. MPEG چند تابع و عملكرد جديد به اين تكنولوژى اضافه كرد و دومين نسخه MPEG-4 را كه رسماً در دسامبر 1999 معرفى شد، بوجود آورد. نسخه دوم كاملاً با نسخه اول خود سازگار است.
استانداردهاى MPEG نبايد به عنوان يك موفقيت در بهبود تكنولوژيها ديده شود؛ هركدام از اين استانداردها هدفى را برآورده مىكنند كه براى آن طراحى شدهاند، نه بيشتر و نه كمتر.
MPEG-1 بوجود آمد تا ويدئوهاى با كيفيت VHS را روى پهناى باندى به اندازه 150 كيلوبايت در ثانيه (سرعتى برابر با يك درايو 1X CD) كه در آن زمان سرعت معمول بود، پخش كند. MPEG-2 تكنولوژى مشابهى است كه براى پهناى باندهاى بالاتر بوجود آمد. هدف اصلى اين تكنولوژى برنامههاى ديجيتال تلويزيونى و همچنين DVDها بود. MPEG-2 كيفيت تصويرى بهترى نسبت به MPEG-1 دارد چون از پهناى باند بيشترى استفاده مىكند.
فرمت صوتى MP3 كه بسيار هم محبوب است، قسمتى از MPEG-1 Audio مىباشد كه نام آن از ، MPEG-1 Audio Layer3 برداشته شده و از الگوريتمهاى فرانهوفر استفاده مىكند. MPEG-3 هم هرگز وجود نداشته، بلكه نام گذارى از MPEG-2 به MPEG-4 جهش داشته است.
تمام استانداردهاى MPEG به فشردهسازى اطلاعات ويدئويى و صوتى ديجيتال كمك مىكنند، پس مىشود به طور مؤثرى از اين استانداردها بهره برد. MPEG-4 هم همين كار را انجام مىدهد، اما قدرت فشردهسازى آن بسيار بيشتر از استانداردهاى قبلى است. اما MPEG-4 يك جهش كوانتومى به سمتى است كه با اشياء موجود در تصاوير با يك حس واحد برخورد نشود. به عبارت ديگر MPEG-4 همانند زبان برنامهنويسى C++، شىءگرا (Object Oriented) است. تصويرى كه بيننده آنرا به شكل يك كليت واحد مىبيند مىتواند به صورت چندين جزء مشخص و جداگانه درنظر گرفته شود كه به طور يكپارچه در كنار هم جمع شدهاند. اين خصيصه پهناى باند كمترى اشغال مىكند و MPEG-4 را هم برخلاف تكنولوژيهاى قبلى، Interactive مىسازد.
طراحى كاملاً متفاوت شىءگرا:
استانداردهاى قبلى MPEG طبق ايدهاى پايهگذارى شد كه در آن ايده فايلهاى صوتى و تصويرى كلاسيك (يك پنجره مستطيلى از ويدئو كه با صوت يا Soundtrack همراه بود) به يك فرم ديجيتال تبديل شوند كه حجم آن بقدر كافى كم بوده و با توجه به تكنولوژيهاى روز، تصوير و صوت از وضوح قابل قبولى برخوردار باشند. برداشت MPEG-4 از مفهوم شىء (Object) به يك فايل چند رسانهاى اجازه مىدهد كه به قطعات كوچكتر و سادهترى به نام «ويدئو» و «صوت» شكانده شوند، بنابراين مىتوان اين قطعات را براى ساختن صحنههاى جديد به كارگرفت. بخشهاى مختلف صوت و ويدئو مىتوانند با Objectهاى مستقل درگير شده و تداخل كنند.
ديگر اينكه MPEG-4 تعريف اشياء را فراتر از صداها و ويدئوهاى ساده و مسطح مىبرد. اشياء مىتوانند به صورت Textureهاى شما در برنامههاى سه بعدى، Render شوند. چهرههاى تركيبى (Synthetic)مىتوانند به صورت Animation درآمده و توسط يك برنامه Text-to-speach (مثل MS-Talk It) صداگذارى شوند. صداها را مىتوان به جاى اجراى دوباره، Synthesize (تركيب) كرد. MPEG-4 هركدام از اينها را به عنوان يك شىء درنظر مىگيرد كه مىتوان آنها را دستكارى (Manipulate) كرد و مستقل از يكديگر در صحنههاى فيلمها قرارداد.
جريانهاى رودخانهاى:
MPEG-4 طراحى شده است تا محتويات صوتى و تصويرى به صورت مستمر (درست مثل جريان آب يك رودخانه) اجرا و پخش شوند. با افزايش پهناى باند موجود براى استفاده، بازار رسانههاى مستمر (Streaming) نيز گسترش يافته است. MPEG-4 براى مستمرسازى روى اينترنت، پخش توسط شبكههاى تلويزيونى ديجيتال، انتقالات بىسيم و يا حتى خواندن از روى يك CD بسيار مناسب است. اين استاندارد مستقل از روش انتقال (Delivery Method) مىباشد.
ساختار داخلى MPEG-4 رامىتوان به صورت رشتههاى مستمر مختلف درنظر گرفت كه براى انتقال با هم تركيب (Multiplex) شده و روى دستگاه سرويس گيرنده يا Client (كه مىتواند يك PC يا يك تلفن همراه باشد)، Demultiplex مىشوند تا رشتههاى مشخص بتوانند به صورت يك فايل چندرسانهاى به هم بچسبند. بلوك اصلى ساختمان رشتههاى ES (Elementary Stream) ، MPEG-4 مىباشد. يك ES ممكن است تراك صوتى يك فيلم باشد. ES در يك OD (يا Object Descripter) بسته مىشود؛ يك ES واحد در يك OD اساسىترين «شىء» در طراحى شىءگراى MPEG-4 مىباشد.
ممكن است شيئى كه توسط OD تعريف مىشود شامل بيش از يك ES باشد. براى مثال شىء "Soundtrack" مىتواند شامل چندين رشته صوتى به زبانهاى مختلف باشد. زبان مناسب مىتواند توسط شخص Client انتخاب شود.
MPEG تصور مىكرد MPEG-4 راهى است كه باعث توزيع آسان محتويات چندرسانهاى روى دستگاههاى Client با قابليتهاى مختلف شود. يك كامپيوتر متصل به اينترنت با يك Modem كابلى و يك تلفن همراه كه از طريق يك Modem بى سيم Dial-up (شمارهگيرى) مىكند، از نظر قدرت پردازش و پهناى باندى كه در اختيار آنها است تفاوتهاى كاملاً محسوسى دارند. MPEG-4 به سازندگان چندرسانهاىها اجازه مىدهد يك موجوديت (Entity) چندرسانهاى مفرد بسازند كه هر دو دستگاه بتوانند به آن دسترسى داشته باشند.
يك روش كه توسط آن به اين مهم دست مىيابيم، طراحى رشتههاى مستمر مىباشد. براى مثال يك OD ممكن است شامل چندين نسخه از يك كليپ ويدئويى باشد كه تحت Bit Rateهاى مختلف ضبط شدهاند. هنگامى يك Client ويدئو را درخواست مىكند، OD اطلاعاتى درباره امكاناتش تهيه مىكند تا بتواند رشته ويدئويى را به صورت مستمر در دسترس قرار دهد. قابل توجهتر اينكه MPEG-4 مىتواند به طور پويا رشتهها را تغيير اندازه دهد (Scale كند) تا تحت شرايطى بتواند اين استمرار را اداره كند.
ويدئوى MPEG-4:
اولين تجربه اكثر كاربران با MPEG-4، استفاده از قابليتهاى ويدئويى اين استاندارد مىباشد. اساسىترين Coding فيلم ويدئويى توسط MPEG-4 (كه بر پايه DCT بنا گذاشته شده است) انجام مىشود ( DCT در استانداردهاى قديمى MPEG به كار گرفته مىشد). Compressor فريمهاى متوالى ويدئو را فشرده كرده و سعى در حذف اطلاعات زايد دارد.
در انواع قديمى فشردهسازى چندرسانهاىها، فريم اصلىترين واحد فشردهسازى ويدئو بود. MPEG-1 و MPEG-2 با حذف اطلاعات اضافى درون يك فريم و اطلاعات زايد بين فريمها، عمل فشردهسازى را انجام مىدهند. براى مثال هنگامى كه «خلاصه اخبار» تلويزيون ضبط مىشود، اين ويدئو يك پسزمينه تقريباً ثابت و تغييرناپذير دارد. اين پسزمينه از فريمى به فريم ديگر تغيير آنچنانى نخواهد داشت، بنابراين Compressor/Decompressor) CODEC، نرمافزار يا سختافزارى كه دادهها را فشرده يا غيرفشرده مىكند) تنها تفاوت بين فريمها را ذخيره مىكند. پسزمينه ثابت هم اطلاعات نسبتاً كمى براى ذخيره دارد. نواحى با رنگ و روشنايى يكسان در يك فريم هم مىتوانند مانند JPEG(تصاويرى كه هنوز روى وب به كار گرفته مىشوند) فشرده شوند. هرچند اين تكنيكها ويدئو را به طور اساسى فشرده مىكنند، اما اغلب بلوكهايى حجيم هم بوجود مىآورند (خصوصاً وقتى كه نواحى با رنگ يكسان پشت سرهم تكرار شوند). اين مشكلات روى پهناى باندهاى پايين تشديد مىشوند.
فشردهسازى مبتنى بر فريمها به طور ضمنى سعى مىكند بين پسزمينه ثابت و پيشزمينه متحرك تفاوت قائل شود. MPEG-4 هم مىتواند اين كار را انجام دهد، به شما اين امكان را هم مىدهد كه اجزاء ويدئو را به طور صريح (و نه ضمنى) از يكديگر جدا كنيد. MPEG-4 مىتواند پسزمينه ثابت و پيش زمينه را به عنوان اشياء جداگانهاى درنظر بگيرد كه توسط دستگاه Client به طور يكپارچه با يكديگر Merge (تركيب) مىشوند. در مثال «خلاصه اخبار تلويزيونى» شما قسمت كوچكى از كل تصوير كاملاً متحرك است، در نتيجه پهناى باند لازم كاهش مىيابد. پسزمينه ثابت مىتواند تنها در هنگام نياز Update شود (مثلاً پس از نمايش نقشه هواشناسى، تصاوير اخبار پخش شود) و مىتوان آنرا واضحتر نشان داد چون پس زمينه به جاى اينكه در جريان فيلم حركت كند مىتواند به طور جداگانه كنترل و Handle شود و به همين طريق نيز در الگوريتم فشردهسازى به كار گرفته شود.
ويدئوى MPEG-4 برخلاف پيشينيانش چيزى فراتر از Coding فيلم ويدئويى شما است. البته محتويات مركب ويدئو (مثل يك اتومبيل طراحى شده با كامپيوتر) را مىتوان توسط MPEG-1 و MPEG-2 هم فشرده كرد و يا به صورت فايل درآورد اما در اين حالت ويدئوى شما ابتدا Render مىشود و سپس شبيه انواع ديگر ويدئو به صورت ترتيبى از فريمها تبديل مىشود. MPEG-4 عمل Render كردن را توسط Decoder انجام مىدهد.
به طور مثال، در فيلم «اخبار» (يك شىء ويدئويى طبيعى)، گوينده مىتواند پشت يك ميز طراحى شده توسط كامپيوتر بنشيند. پارامترهاى اين ميز به صورت رشتههاى MPEG-4 هستند و ديكودر اين رشتهها را كنار يكديگر مىچيند و شكل «ميز» را توليد مىكند. پارامترهاى ميز مىتواند شامل Texture آن باشد (فرض كنيد ميز يك نماى چوب گردويى دارد) تا تصوير واقعيتر به نظر بيايد. اين اعمال درست شبيه روندى است كه محيطهاى 3D براى خلق بازيهاى ويدئويى از آن استفاده مىكنند: يك Texture (مثل چادر سفيد يك شبح) روى مدلى از شبح نگاشت (Map) مىشود. MPEG-4 از اشياء مركب 2D و 3D پشتيبانى كرده و مىتواند روى هر دو Texture بپوشاند. همچنين مىتواند اشياء را متحرك (Antimate) كند. براى متحرك سازى يك مدل لازم است دادههاى خيلى كمى تبادل شوند، پس اين نوع متحرك سازى بسيار مناسب براى اتصالات شبكهاى با سرعت پايين است.
MPEG-4 كمكهاى شايانى براى دو مورد بسيار ويژه از مدلهاى مركب درنظر گرفته است: صورت و بدن انسان. MPEG-4 يك مدل كلى از صورت را در خود دارد كه سازندگان ويدئو كافى است براى صحبت كردن و حركت اين صورت آنرا كمى دستكارى كرده و حتى يك Texture به آن اختصاص دهند. صورت همانند يك شىء سه بعدى كلى به دادههاى خيلى كمى براى متحرك شدن نياز دارد. اين دادهها مىتوانند لبها را طورى حركت دهند كه اگر با يك مكالمه Sync شود، درست همانند صورت كسى است كه صحبت مىكند. متحرك سازى بدن هم همين گونه است. مىتوانيد فرم كلى بدن را به دلخواه تغيير دهيد و حركتهاى بدن را توسط يك رشته بيتى كنترل كنيد.
كاربرد اشياء سهبعدى و پيشبينى شرايط Interaction (عمل متقابل ويدئو) با كاربر (كه هر دو نمونههايى از VRML هستند) به MPEG-4 اجازه مىدهند كه محيطهاى سهبعدى قابل هدايت ايجاد كنند. در يك صحنه 3D، زاويه ديد كاربر هم يك شىء است. بسته به اينكه صحنه چگونه ساخته شده، ممكن است كاربر قادر باشد زاويه ديد را تغيير دهد (مثل دور صحنه «پرواز كند») يا زاويه ديد را از بين چند زاويه انتخاب كند. يك خريدار Online مىتواند در يك فروشگاه مجازى كه پر از مدلهاى سهبعدى از اجناس است به دنبال ملزومات خود بگردد و توسط يك راهنماى انيميشن اجناس خريدارى شده را در سبد خريد خود بگذارد (اين سبد خريد هم مجازى است).
هدف MPEG-4 از ايجاد يك رشته واحد دادهاى قابل دسترس توسط دستگاههاى مختلف، وقتى رويايى مىشود كه با ويدئو همراه شود؛ مسلماً ويدئو رسانهاى است كه هم به پهناى باند و هم به پردازش بيشترى نياز دارد. تكنيكهاى استانداردى كه ويدئو را در پهناى باند از محدوده زير 64 كيلوبيت بر ثانيه تا 10مگابيت بر ثانيه پخش مىكنند، پديدههايى رو به پيشرفت هستند. چندين استراتژى در خدمت اين كار هستند كه رشتههاى ويدئويى را Scale (كوچك و بزرگ) كنند تا مناسب با پهناى باند و قدرت پردازش باشد.
MPEG-4 مانند اكثر تكنولوژيهاى فشردهسازى ويدئو مىتواند به طور پويا وضوح تصوير را Scale كرده و در هر ثانيه تعداد كمترى فريم براى پهناى باندهاى كوچكتر بفرستد، در نتيجه ويدئو با Soundtrack خود هماهنگ (Synchronized) مىماند. همچنين مىتواند به طور ديناميك وضوح فاصلهاى (Spatial) را هم Scale كند تا MPEG-4 بتواند در هنگام كار با اشياء مركب Textureها را براى Decoderهاى ضعيف و يا پهناى باند محدود، فعال يا غيرفعال كند. سازندگان Game با اين استراتژى آشنا هستند، چون در اكثر Gameهاى 3D كاربر مىتواند درجه وضوح Texture را تغيير دهد تا بين كيفيت تصوير و سرعت فريمها تناسب ايجاد شود.
گوش كنيد: صداى MPEG-4 مىآيد
صوت و ويدئو هميشه همراه يكديگر هستند، و طبعاً MPEG-4 هم ابزارهايى براى كار با صوت درنظر گرفته است. صداى طبيعى با كيفيت بالا توسط ابزار General Audio Coding كنترل مىشود كه اين ابزار هم از يكى از تكنولوژيهاى MPEG-2 به نام Advenced Audio Coding(يا AAC) مشتق شده است. صداهاى پنج كاناله كه ممكن است با يك ويدئوى حجيم همراه باشد بايد توسط AAC كد شود. MPEG-4 اين توانايى را دارد كه به طور پويا كيفيت صدا را كاهش يا افزايش دهد تا كاربر بتواند بر مشكلاتى نظير پهناى باند پايين و محدوديت Decoder غلبه كند. صوت با استفاده از تكنيكى به نام Bit-Sliced Arithmatic Coding (BSAC) مىتواند Encode شود تا Bit Rate را به اندازه يك كيلوبيت بر ثانيه برساند. اين تكنيك جهت تنظيمات دقيق رشتههاى صوتى براى به كارگيرى ديناميك همه منابع سيستمى در دسترس بسيار مناسب است. MPEG-4 تكنولوژيهاى بهينه مخصوصى جهت Coding صداهاى انسانى با Bit Rate كم دارد.
تكنيك Harmonic Vector eXcitation Coding (HVXC) طراحى شده تا كار در محدوده 2 تا 4 كيلوبيت برثانيه را راحتتر كند و حتى مىتواند با سرعت متوسط 2/1 كيلوبيت بر ثانيه كار كند (البته به شرطى كه بتوان Bit Rate را تغييرداد). اين Bit Rateهاى پايين بسيار مناسب شرايطى مثل پهناى باندهاى بسيار محدود مثل اتصالات ماهوارهاى مىباشد. يك تكنيك ديگر Coding به نام Code Excited Linear Prediction (CELP) جهت Bit Rate هاى 4 تا 24 كيلوبيت بر ثانيه بوجود آمده و براى اتصالات شبكهاى سيار فعلى بسيار مناسب است. انتقال BitRateهاى خيلى پايين صوتى (200 بيت تا 2/1 كيلوبيت در ثانيه) كار با ماجولهاى TTS (Text-to-Speech) را ممكن مىسازد. MPEG-4 ماجول TTS خاصى را مشخص نمىكند، اما رابط TTS (يا TTSI) را در اختيار مىگذارد. ماجول TTS براى سازگارى با TTSI بايد به نوعى تطبيق داده شود. اطلاعات درباره جنس، سن و الگوهاى گفتارى شخص سخنگو به TSSI فرستاده مىشود تا يك فايل صوتى خاص از يك شخص بوجود بيايد. تكنولوژى TTS كه با مدل ظاهرى MPEG-4 تلاقى يافته، مىتواند صداى صحبتها را در يك جريان دادهاى بسيار كوچك نگهدارى كند.
همانطور كه MPEG-4 اجازه خلق اشياء مركب ويدئويى را به شما مىدهد، شما هم مىتوانيد همين كار را باصداهاى مركب انجام دهيد. ابزار Structured Audio به شما اجازه مىدهد "Instrument"ها را با يك Score كنترل كنيد ( Instrument به ويژگيهاى صداهاى Download شده مىگويند نه صداهايى كه از قبل روى دستگاه بودهاند. در واقع اين صداها به صورت رشتههاى صوتى دريافت شده و سپس Mergeمىشوند). با اين ابزار مىتوان صداهاى موسيقايى پرحجم را با پهناى باند كم انتقال داد.
مىدانيم MPEG-4 روى فضاى سهبعدى تأكيد دارد، پس جزئيات استانداردى هم وجود دارند كه مشخص مىكنند صدا را چگونه مىتوان در يك فضا قرارداد. اندازه، شكل و ويژگيهاى آكوستيكى فضا و محل قرارگيرى منبع صوتى در اين فضا مىتواند يك صداى آكوستيك سه بعدى بوجود آورد.
همه را با هم امتحان كنيد:
MPEG-4 انواع مختلف تكنولوژيها را براى اشياء تعريف كرده است. مثلاً Binary Format for Scenes(BIFS) زبانى است كه براى تشريح چگونگى نسبت بين صحنه و اشياء به كار مىرود. BIFS نسخه باينرى فرمت متنى است كه توسط Virtual Reality Modeling Language (VRML) به كار مىرود. VRML براى خلق محيطهاى 3D استفاده مىشود كه در اين محيطها مىتوان توسط يك مرورگر وب جابه جا شد. اما MPEG-4 برخلاف VRML مىتواند همينطور كه اطلاعات مىرسند،صحنه را Render كند (به جاى اينكه قبل از شروع Render ابتدا همه اطلاعات را به طور كامل Download كند كه اين كار سرعت كار را بسيار پايين مىآورد).
اشياء گروههاى BIFS در يك وراثت، متكى بر نسبت بين صحنه و اشياء هستند. براى نمونه، صداى گوينده اخبار و تصوير ويدئويى بايد با هم در يك گروه باشند و به طور مناسب جلوى صحنه هواشناسى قرار بگيرند. صحنه Static نيست؛ ممكن است در همين حين كه دستورات BIFS از طرف Server مىرسند، صدا و تصوير گوينده اخبار در صفحه جابه جا شوند.
امكانات جذاب:
ويدئو، صوت و Interaction در قلب استاندارد MPEG-4 هستند. اداره چنين پيچيدگى روى Decoder مىتواند كار سختى باشد. MPEG-4 يك سيستم برنامهنويسى مبتنى بر Java به نام MPEG-j تعبيه كرده تا Media Playerهاى MPEG-4 را منعطفتر كند. يك برنامه MPEG-jمانند رشته (Stream) هاى مستمر به Decoder فرستاده مىشود. پس از اين انتقال، مىتوان برنامه را براى دستكارى عناصر صحنه و يا بهينهكردن Interactivity به كاربرد. برنامه مىتواند گزارشهايى از قابليتهاى Decoder و منابع تغيير سيستمى تهيه كند و طبق آن در فرستادن رشتههاى مناسب به Encode كمك كند.
امروزه مديريت حقوق - ويژگيها (Property-rights) يكى از موارد مهم در دنياى ديجيتال است. MPEG-4 رشتهها را توسط اعداد منحصربه فردى برچسب مىزند كه اين اعداد هم متعلق به Property Holderها هستند؛ پس مديريت حقوق - ديجيتال امن هم ممكن است. اطلاعات حقوق همزمان با Metadataهاى ديگر رشته ذخيره مىشود ( Meta data اطلاعات مشخصه و ديگر دادههاى تشريحى است)، نتيجه اين مىشود كه ديگر لازم نيست براى تشخيص Owner يك رشته، كل رشته از Server گرفته شود. MPEG-4 يك مدل مشخص براى مديريت حقوقها تعريف نمىكند، اما در عوض رابطى تعبيه مىكند كه به Owner محتويات اجازه ايجاد يك راهحل مديريتى براى نيازهاى خاص مىدهد.
Profileها:
MPEG-4 استانداردى بسيار جامع و فراگير است. تاكنون هيچ نوع Media Player بوجود نيامده كه تمام امكانات آنرا پيادهسازى كرده باشد. مثلاً يك تلفن همراه به صداى پنج كاناله نياز ندارد يا گرافيكهايى را كه به Render كردن نياز داشته باشد پشتيبانى نمىكند. بنابراين اين استاندارد تعدادى پروفايل تعريف مىكند كه اين پروفايلها حاوى ويژگيهايى هستند كه محدوده قابليتهاى يك Decoder را تعيين مىكنند. يك پروفايل مىتواند به چند Level تقسيم شود. وظيفه هر Level محدودكردن پيچيدگى محاسباتى است كه Decoder بايد درون پروفايل آنرا كنترل و اداره كند.
پروفايلها زيرمجموعههايى از مجموعه ابزارهاى MPEG-4 را مشخص مىكند. پروفايلهاى موجود عبارتند از پروفايل بصرى، صوتى، گرافيكى، گراف صحنهاى و توصيفكننده شىء. به عنوان نمونه، اساسىترين پروفايل بصرى براى تصاوير ويدئويى طبيعى، پروفايل Simple است. اين پروفايل، ويدئوى مستطيلى شكل خطاناپذير براى دستگاههاى كند و باپردازنده ضعيف (مثل تلفن همراه) در اختيار مىگذارد. سه سطح اين پروفايل، حداكثر Bit Rate و ديگر جنبههاى رشتههاى ويدئويى را مشخص مىكند تا بتواند منابع Decoder را درخواست كند. پروفايلها در قسمتى از روشهاى وراثتى سازماندهى شدهاند تا پروفايل بعدى در زنجيره كلاً با محتويات طراحى شده براى دستگاهى با قابليتهاى كمتر، سازگار باشد.
پروفايلها و Levelها به طراحان اجازه مىدهند پيادهسازى MPEG-4 خود را سازگار سازند. يعنى يك Audio Player محصول يك شركت خاص كه از پروفايل صوتى Scalable در سطح 3 پشتيبانى مىكند با يك Player از شركت ديگر كه ويژگيهاى پروفايل و Level آن مشابه اولى است، سازگار خواهد بود. سازگار بودن اعمال و توابع پياده سازيهاى MPEG-4 به توافق كمپانيهاى مختلف بستگى دارد.
MPEG-4 تنها يك Vaporware نيست:
MPEG-4 چيزى فراتر از اين گفتهها و ناگفتهها است. تعدادى از محصولاتى كه از اين تكنولوژى استفاده مىكنند در بازار يافت مىشوند و محصولات قويترى هم در راهند.
بعضى از كمپانيها هم بيكار ننشسته و از اين تكنولوژى سوء استفاده مىكنند. مثلاً Napster ويدئوهايى را كه به طريق غيرقانونى روى سايت خود پخش مىكند، توسط تكنولوژى MPEG-4 فشرده كرده است.
DivXNetworks يك Codec با تكنولوژى MPEG-4 به نام DivX طراحى كرده كه قفل نرمافزارى DVD را (كه با MPEG-2 فشرده شده) مىشكند و DVD را فشردهتر مىكند. DivXNetworks با بهبودبخشيدن به مديريت حقوق - ديجيتال و همكارى نزديك با كمپانيهاى پيشرو در زمينه MPEG-4 پيشرفت قابل توجهى در Mainstreamها داشته است.
Codec رايگان DivX5.0 و مجموعه 30 دلارى DivX Pro براى مشتاقان ويدئوى ديجيتال به عنوان ابزارهاى كليدى هستند.
DivXNetworks با همكارى Sigma Designs يك كارت PCI با خروجى كد شده توسط DivX به نام REALmagic xCArd طراحى كرده و ساختهاند.
xCard و نرمافزار همراه آن قابليت كار با ساختارهاى ويدئويى DVD، VCD، MPEG-1 و MPEG-2 و MPEG-4 را دارد. اين كارت مجهز به خروجيهاى Composite و S-Video براى اتصال به تلويزيون است و يك كنترل از راه دور هم به همراه دارد.اين كارت خروجيهايى هم براى صدا دارد و از صداهاى Dolby Digital Surroundپشتيبانى مىكند. اگر كامپيوتر و تلويزيون شما نزديك يكديگر قرار دارد با اتصال اين دو به يكديگر توسط xCardمىتوانيد يك سيستم سرگرم كننده قوى در منزل خود داشته باشيد.
قول MPEG-4 در مورد اين موضوع كه چند رسانهاىها را روى سيستمهاى دستى و تلفنهاى همراه منتقل خواهد كرد، توسط كمك پردازنده تصويرى IMAGEON001 محصول ATI به واقعيت پيوست. اين تراشه در يك Package كوچك و كم مصرف براى استفاده روى سيستمهاى سيار، امكانات گرافيكى پيشرفتهاى ارائه كرده كه شامل وضوح تصويرى و عمق رنگ بالاتر، بافركردن فريمها و شتابدهنده سختافزارى جهت انجام Decompression مىباشد.
Panasonic هم در لباس الكترونيكى (E-wear) مدل SV-AV01 كه يك MP3 Player با قابليت ضبط و پخش است، ويدئوهاى MPEG-4 با ظرفيت پايين را نيز اجرا مىكند.
جادهاى در پيش راه؛ عريض و با كمى دستانداز:
MPEG-4 آمده تا نقش گستردهاى در دنياى چندرسانهاىها و پخش آنها روى Platformهاى گوناگون بازى كند. اين تكنولوژى همانند ديگر تكنولوژيهاى MPEG يك Open Standard است؛ يعنى هر كسى مىتواند از آن استفاده كند. به هر حال MPEG LA يكى از شركتهاى قانونى اما مستقل از MPEG طرحى ارائه داده كه طبق آن هزينهاى به عنوان MPEG-4 Licensing Fee دريافت شود: يك شارژ دقيقه به دقيقه براى دريافت رشتههاى MPEG-4. حاميان MPEG-4 مثل Apple (كه قابليتهاى MPEG-4 را در نرمافزار QuickTime تعبيه كرده) در كار دشوارى با يكديگر همگام مىشوند.
اين تكنولوژى مبتنى بر Open Standard براى كاربران خانگى خيلى جذاب است، چون اگر يك كمپانى محصول راضى كنندهاى ارائه ندهد رقباى ديگرش محصولى بهتر به بازار مىفرستند. اين آزادى انتخاب كاربران رقابتى سالم بين توسعهدهندگان MPEG-4 بوجود آورده است. در گذشته اين توسعه دهندگان هزينه License تكنولوژى MPEG را (كه تنها يك بار دريافت مىگردد) پرداختهاند. كمپانيهاى درگير با MPEGتاكنون پول زيادى صرف توسعه اين استاندارد كردهاند و انتظار دارند عوض آنرا دريافت كنند. اگر توسعه دهندگان بتوانند با اين هزينهها كنار بيايند و از كاربران اين محصول توقع مادى زيادى نداشته باشند، مىتوان با جرأت گفت كه MPEG-4 در آيندهاى نزديك يك فرمت رسانهاى جهانى خواهد شد.
شركتهاى پيشرو در عرصه MPEG-4 :
Apple Computer, Inc.: Only the registered members can see the link (Only the registered members can see the link)
ATI Technologies, Inc.: Only the registered members can see the link (Only the registered members can see the link)
DivXNetworks, Inc.: Only the registered members can see the link (Only the registered members can see the link)
amp; Only the registered members can see the link (Only the registered members can see the link)
MPEG LA: Only the registered members can see the link (Only the registered members can see the link)
Panasonic: Only the registered members can see the link (Only the registered members can see the link)
Sigma Designs, Inc.: Only the registered members can see the link (Only the registered members can see the link)
Multimedia (چندرسانهاى)؛ كلمهاى كه اولين بار پس از ظهور كليپهاى ويدئويى كوتاه روى كامپيوترها بر سرزبانها رواج يافت. آن روزها اين كلمه خيلى عجيب مىنمود اما امروزه كلمه و عبارتى بسيار معمول شده است.
تمام امكانات چندرسانهاى PC شما تنها صوت و ويدئو نيست؛ اما استفاده از تمام پتانسيل چندرسانهاى كامپيوترها فعلاً كمى دور از واقعيت است. DVD كامپيوتر را تبديل به يك دستگاه خانگى براى اجراى ويديو كرد، اما هنوز توانايى فرستادن فايلهاى چندرسانهاى (كه اغلب هم حجيم هستند) از طريق شبكهها روى PCها و دستگاههايى مانند تلفنهاى همراه كمى با مشكل مواجه است.
تكنولوژى جديدى كه قول داده اجرا و انتقال چندرسانهاىها را روى شبكه متحول گرداند، با نام MPEG-4 شناخته مىشود. شايد اين تكنولوژى قالب كلى چندرسانهاى را براى دستگاهها و برنامههاى كاربردى خاصى بهبود بخشد.
گروه متخصصين تصاوير متحرك (MPEG يا Moving Picture Experts Group) كميتهاى است كه استانداردهاى محتويات چندرسانهاىها را تعريف و تعيين مىكند. اين كميته از صدها محقق و مهندس از سرتاسر دنيا تشكيل شده است. MPEG استانداردهاى صوتى و تصويرى MPEG-1 و MPEG-2 را كه نقشى اساسى در پيشرفت چندرسانهاى خصوصاً براى PCها بازى مىكرد را تعريف كرده و توسعه داد. آخرين دستاورد اين گروه با نام MPEG-4 دريچهاى رويايى به روى كاربران تكنولوژىهاى قبلى اين گروه گشود.
MPEG-4 ابتدا به عنوان يك استاندارد بينالمللى (با نام رسمى ISO/IEC 69441) در اكتبر 1998 تصويب شد. MPEG چند تابع و عملكرد جديد به اين تكنولوژى اضافه كرد و دومين نسخه MPEG-4 را كه رسماً در دسامبر 1999 معرفى شد، بوجود آورد. نسخه دوم كاملاً با نسخه اول خود سازگار است.
استانداردهاى MPEG نبايد به عنوان يك موفقيت در بهبود تكنولوژيها ديده شود؛ هركدام از اين استانداردها هدفى را برآورده مىكنند كه براى آن طراحى شدهاند، نه بيشتر و نه كمتر.
MPEG-1 بوجود آمد تا ويدئوهاى با كيفيت VHS را روى پهناى باندى به اندازه 150 كيلوبايت در ثانيه (سرعتى برابر با يك درايو 1X CD) كه در آن زمان سرعت معمول بود، پخش كند. MPEG-2 تكنولوژى مشابهى است كه براى پهناى باندهاى بالاتر بوجود آمد. هدف اصلى اين تكنولوژى برنامههاى ديجيتال تلويزيونى و همچنين DVDها بود. MPEG-2 كيفيت تصويرى بهترى نسبت به MPEG-1 دارد چون از پهناى باند بيشترى استفاده مىكند.
فرمت صوتى MP3 كه بسيار هم محبوب است، قسمتى از MPEG-1 Audio مىباشد كه نام آن از ، MPEG-1 Audio Layer3 برداشته شده و از الگوريتمهاى فرانهوفر استفاده مىكند. MPEG-3 هم هرگز وجود نداشته، بلكه نام گذارى از MPEG-2 به MPEG-4 جهش داشته است.
تمام استانداردهاى MPEG به فشردهسازى اطلاعات ويدئويى و صوتى ديجيتال كمك مىكنند، پس مىشود به طور مؤثرى از اين استانداردها بهره برد. MPEG-4 هم همين كار را انجام مىدهد، اما قدرت فشردهسازى آن بسيار بيشتر از استانداردهاى قبلى است. اما MPEG-4 يك جهش كوانتومى به سمتى است كه با اشياء موجود در تصاوير با يك حس واحد برخورد نشود. به عبارت ديگر MPEG-4 همانند زبان برنامهنويسى C++، شىءگرا (Object Oriented) است. تصويرى كه بيننده آنرا به شكل يك كليت واحد مىبيند مىتواند به صورت چندين جزء مشخص و جداگانه درنظر گرفته شود كه به طور يكپارچه در كنار هم جمع شدهاند. اين خصيصه پهناى باند كمترى اشغال مىكند و MPEG-4 را هم برخلاف تكنولوژيهاى قبلى، Interactive مىسازد.
طراحى كاملاً متفاوت شىءگرا:
استانداردهاى قبلى MPEG طبق ايدهاى پايهگذارى شد كه در آن ايده فايلهاى صوتى و تصويرى كلاسيك (يك پنجره مستطيلى از ويدئو كه با صوت يا Soundtrack همراه بود) به يك فرم ديجيتال تبديل شوند كه حجم آن بقدر كافى كم بوده و با توجه به تكنولوژيهاى روز، تصوير و صوت از وضوح قابل قبولى برخوردار باشند. برداشت MPEG-4 از مفهوم شىء (Object) به يك فايل چند رسانهاى اجازه مىدهد كه به قطعات كوچكتر و سادهترى به نام «ويدئو» و «صوت» شكانده شوند، بنابراين مىتوان اين قطعات را براى ساختن صحنههاى جديد به كارگرفت. بخشهاى مختلف صوت و ويدئو مىتوانند با Objectهاى مستقل درگير شده و تداخل كنند.
ديگر اينكه MPEG-4 تعريف اشياء را فراتر از صداها و ويدئوهاى ساده و مسطح مىبرد. اشياء مىتوانند به صورت Textureهاى شما در برنامههاى سه بعدى، Render شوند. چهرههاى تركيبى (Synthetic)مىتوانند به صورت Animation درآمده و توسط يك برنامه Text-to-speach (مثل MS-Talk It) صداگذارى شوند. صداها را مىتوان به جاى اجراى دوباره، Synthesize (تركيب) كرد. MPEG-4 هركدام از اينها را به عنوان يك شىء درنظر مىگيرد كه مىتوان آنها را دستكارى (Manipulate) كرد و مستقل از يكديگر در صحنههاى فيلمها قرارداد.
جريانهاى رودخانهاى:
MPEG-4 طراحى شده است تا محتويات صوتى و تصويرى به صورت مستمر (درست مثل جريان آب يك رودخانه) اجرا و پخش شوند. با افزايش پهناى باند موجود براى استفاده، بازار رسانههاى مستمر (Streaming) نيز گسترش يافته است. MPEG-4 براى مستمرسازى روى اينترنت، پخش توسط شبكههاى تلويزيونى ديجيتال، انتقالات بىسيم و يا حتى خواندن از روى يك CD بسيار مناسب است. اين استاندارد مستقل از روش انتقال (Delivery Method) مىباشد.
ساختار داخلى MPEG-4 رامىتوان به صورت رشتههاى مستمر مختلف درنظر گرفت كه براى انتقال با هم تركيب (Multiplex) شده و روى دستگاه سرويس گيرنده يا Client (كه مىتواند يك PC يا يك تلفن همراه باشد)، Demultiplex مىشوند تا رشتههاى مشخص بتوانند به صورت يك فايل چندرسانهاى به هم بچسبند. بلوك اصلى ساختمان رشتههاى ES (Elementary Stream) ، MPEG-4 مىباشد. يك ES ممكن است تراك صوتى يك فيلم باشد. ES در يك OD (يا Object Descripter) بسته مىشود؛ يك ES واحد در يك OD اساسىترين «شىء» در طراحى شىءگراى MPEG-4 مىباشد.
ممكن است شيئى كه توسط OD تعريف مىشود شامل بيش از يك ES باشد. براى مثال شىء "Soundtrack" مىتواند شامل چندين رشته صوتى به زبانهاى مختلف باشد. زبان مناسب مىتواند توسط شخص Client انتخاب شود.
MPEG تصور مىكرد MPEG-4 راهى است كه باعث توزيع آسان محتويات چندرسانهاى روى دستگاههاى Client با قابليتهاى مختلف شود. يك كامپيوتر متصل به اينترنت با يك Modem كابلى و يك تلفن همراه كه از طريق يك Modem بى سيم Dial-up (شمارهگيرى) مىكند، از نظر قدرت پردازش و پهناى باندى كه در اختيار آنها است تفاوتهاى كاملاً محسوسى دارند. MPEG-4 به سازندگان چندرسانهاىها اجازه مىدهد يك موجوديت (Entity) چندرسانهاى مفرد بسازند كه هر دو دستگاه بتوانند به آن دسترسى داشته باشند.
يك روش كه توسط آن به اين مهم دست مىيابيم، طراحى رشتههاى مستمر مىباشد. براى مثال يك OD ممكن است شامل چندين نسخه از يك كليپ ويدئويى باشد كه تحت Bit Rateهاى مختلف ضبط شدهاند. هنگامى يك Client ويدئو را درخواست مىكند، OD اطلاعاتى درباره امكاناتش تهيه مىكند تا بتواند رشته ويدئويى را به صورت مستمر در دسترس قرار دهد. قابل توجهتر اينكه MPEG-4 مىتواند به طور پويا رشتهها را تغيير اندازه دهد (Scale كند) تا تحت شرايطى بتواند اين استمرار را اداره كند.
ويدئوى MPEG-4:
اولين تجربه اكثر كاربران با MPEG-4، استفاده از قابليتهاى ويدئويى اين استاندارد مىباشد. اساسىترين Coding فيلم ويدئويى توسط MPEG-4 (كه بر پايه DCT بنا گذاشته شده است) انجام مىشود ( DCT در استانداردهاى قديمى MPEG به كار گرفته مىشد). Compressor فريمهاى متوالى ويدئو را فشرده كرده و سعى در حذف اطلاعات زايد دارد.
در انواع قديمى فشردهسازى چندرسانهاىها، فريم اصلىترين واحد فشردهسازى ويدئو بود. MPEG-1 و MPEG-2 با حذف اطلاعات اضافى درون يك فريم و اطلاعات زايد بين فريمها، عمل فشردهسازى را انجام مىدهند. براى مثال هنگامى كه «خلاصه اخبار» تلويزيون ضبط مىشود، اين ويدئو يك پسزمينه تقريباً ثابت و تغييرناپذير دارد. اين پسزمينه از فريمى به فريم ديگر تغيير آنچنانى نخواهد داشت، بنابراين Compressor/Decompressor) CODEC، نرمافزار يا سختافزارى كه دادهها را فشرده يا غيرفشرده مىكند) تنها تفاوت بين فريمها را ذخيره مىكند. پسزمينه ثابت هم اطلاعات نسبتاً كمى براى ذخيره دارد. نواحى با رنگ و روشنايى يكسان در يك فريم هم مىتوانند مانند JPEG(تصاويرى كه هنوز روى وب به كار گرفته مىشوند) فشرده شوند. هرچند اين تكنيكها ويدئو را به طور اساسى فشرده مىكنند، اما اغلب بلوكهايى حجيم هم بوجود مىآورند (خصوصاً وقتى كه نواحى با رنگ يكسان پشت سرهم تكرار شوند). اين مشكلات روى پهناى باندهاى پايين تشديد مىشوند.
فشردهسازى مبتنى بر فريمها به طور ضمنى سعى مىكند بين پسزمينه ثابت و پيشزمينه متحرك تفاوت قائل شود. MPEG-4 هم مىتواند اين كار را انجام دهد، به شما اين امكان را هم مىدهد كه اجزاء ويدئو را به طور صريح (و نه ضمنى) از يكديگر جدا كنيد. MPEG-4 مىتواند پسزمينه ثابت و پيش زمينه را به عنوان اشياء جداگانهاى درنظر بگيرد كه توسط دستگاه Client به طور يكپارچه با يكديگر Merge (تركيب) مىشوند. در مثال «خلاصه اخبار تلويزيونى» شما قسمت كوچكى از كل تصوير كاملاً متحرك است، در نتيجه پهناى باند لازم كاهش مىيابد. پسزمينه ثابت مىتواند تنها در هنگام نياز Update شود (مثلاً پس از نمايش نقشه هواشناسى، تصاوير اخبار پخش شود) و مىتوان آنرا واضحتر نشان داد چون پس زمينه به جاى اينكه در جريان فيلم حركت كند مىتواند به طور جداگانه كنترل و Handle شود و به همين طريق نيز در الگوريتم فشردهسازى به كار گرفته شود.
ويدئوى MPEG-4 برخلاف پيشينيانش چيزى فراتر از Coding فيلم ويدئويى شما است. البته محتويات مركب ويدئو (مثل يك اتومبيل طراحى شده با كامپيوتر) را مىتوان توسط MPEG-1 و MPEG-2 هم فشرده كرد و يا به صورت فايل درآورد اما در اين حالت ويدئوى شما ابتدا Render مىشود و سپس شبيه انواع ديگر ويدئو به صورت ترتيبى از فريمها تبديل مىشود. MPEG-4 عمل Render كردن را توسط Decoder انجام مىدهد.
به طور مثال، در فيلم «اخبار» (يك شىء ويدئويى طبيعى)، گوينده مىتواند پشت يك ميز طراحى شده توسط كامپيوتر بنشيند. پارامترهاى اين ميز به صورت رشتههاى MPEG-4 هستند و ديكودر اين رشتهها را كنار يكديگر مىچيند و شكل «ميز» را توليد مىكند. پارامترهاى ميز مىتواند شامل Texture آن باشد (فرض كنيد ميز يك نماى چوب گردويى دارد) تا تصوير واقعيتر به نظر بيايد. اين اعمال درست شبيه روندى است كه محيطهاى 3D براى خلق بازيهاى ويدئويى از آن استفاده مىكنند: يك Texture (مثل چادر سفيد يك شبح) روى مدلى از شبح نگاشت (Map) مىشود. MPEG-4 از اشياء مركب 2D و 3D پشتيبانى كرده و مىتواند روى هر دو Texture بپوشاند. همچنين مىتواند اشياء را متحرك (Antimate) كند. براى متحرك سازى يك مدل لازم است دادههاى خيلى كمى تبادل شوند، پس اين نوع متحرك سازى بسيار مناسب براى اتصالات شبكهاى با سرعت پايين است.
MPEG-4 كمكهاى شايانى براى دو مورد بسيار ويژه از مدلهاى مركب درنظر گرفته است: صورت و بدن انسان. MPEG-4 يك مدل كلى از صورت را در خود دارد كه سازندگان ويدئو كافى است براى صحبت كردن و حركت اين صورت آنرا كمى دستكارى كرده و حتى يك Texture به آن اختصاص دهند. صورت همانند يك شىء سه بعدى كلى به دادههاى خيلى كمى براى متحرك شدن نياز دارد. اين دادهها مىتوانند لبها را طورى حركت دهند كه اگر با يك مكالمه Sync شود، درست همانند صورت كسى است كه صحبت مىكند. متحرك سازى بدن هم همين گونه است. مىتوانيد فرم كلى بدن را به دلخواه تغيير دهيد و حركتهاى بدن را توسط يك رشته بيتى كنترل كنيد.
كاربرد اشياء سهبعدى و پيشبينى شرايط Interaction (عمل متقابل ويدئو) با كاربر (كه هر دو نمونههايى از VRML هستند) به MPEG-4 اجازه مىدهند كه محيطهاى سهبعدى قابل هدايت ايجاد كنند. در يك صحنه 3D، زاويه ديد كاربر هم يك شىء است. بسته به اينكه صحنه چگونه ساخته شده، ممكن است كاربر قادر باشد زاويه ديد را تغيير دهد (مثل دور صحنه «پرواز كند») يا زاويه ديد را از بين چند زاويه انتخاب كند. يك خريدار Online مىتواند در يك فروشگاه مجازى كه پر از مدلهاى سهبعدى از اجناس است به دنبال ملزومات خود بگردد و توسط يك راهنماى انيميشن اجناس خريدارى شده را در سبد خريد خود بگذارد (اين سبد خريد هم مجازى است).
هدف MPEG-4 از ايجاد يك رشته واحد دادهاى قابل دسترس توسط دستگاههاى مختلف، وقتى رويايى مىشود كه با ويدئو همراه شود؛ مسلماً ويدئو رسانهاى است كه هم به پهناى باند و هم به پردازش بيشترى نياز دارد. تكنيكهاى استانداردى كه ويدئو را در پهناى باند از محدوده زير 64 كيلوبيت بر ثانيه تا 10مگابيت بر ثانيه پخش مىكنند، پديدههايى رو به پيشرفت هستند. چندين استراتژى در خدمت اين كار هستند كه رشتههاى ويدئويى را Scale (كوچك و بزرگ) كنند تا مناسب با پهناى باند و قدرت پردازش باشد.
MPEG-4 مانند اكثر تكنولوژيهاى فشردهسازى ويدئو مىتواند به طور پويا وضوح تصوير را Scale كرده و در هر ثانيه تعداد كمترى فريم براى پهناى باندهاى كوچكتر بفرستد، در نتيجه ويدئو با Soundtrack خود هماهنگ (Synchronized) مىماند. همچنين مىتواند به طور ديناميك وضوح فاصلهاى (Spatial) را هم Scale كند تا MPEG-4 بتواند در هنگام كار با اشياء مركب Textureها را براى Decoderهاى ضعيف و يا پهناى باند محدود، فعال يا غيرفعال كند. سازندگان Game با اين استراتژى آشنا هستند، چون در اكثر Gameهاى 3D كاربر مىتواند درجه وضوح Texture را تغيير دهد تا بين كيفيت تصوير و سرعت فريمها تناسب ايجاد شود.
گوش كنيد: صداى MPEG-4 مىآيد
صوت و ويدئو هميشه همراه يكديگر هستند، و طبعاً MPEG-4 هم ابزارهايى براى كار با صوت درنظر گرفته است. صداى طبيعى با كيفيت بالا توسط ابزار General Audio Coding كنترل مىشود كه اين ابزار هم از يكى از تكنولوژيهاى MPEG-2 به نام Advenced Audio Coding(يا AAC) مشتق شده است. صداهاى پنج كاناله كه ممكن است با يك ويدئوى حجيم همراه باشد بايد توسط AAC كد شود. MPEG-4 اين توانايى را دارد كه به طور پويا كيفيت صدا را كاهش يا افزايش دهد تا كاربر بتواند بر مشكلاتى نظير پهناى باند پايين و محدوديت Decoder غلبه كند. صوت با استفاده از تكنيكى به نام Bit-Sliced Arithmatic Coding (BSAC) مىتواند Encode شود تا Bit Rate را به اندازه يك كيلوبيت بر ثانيه برساند. اين تكنيك جهت تنظيمات دقيق رشتههاى صوتى براى به كارگيرى ديناميك همه منابع سيستمى در دسترس بسيار مناسب است. MPEG-4 تكنولوژيهاى بهينه مخصوصى جهت Coding صداهاى انسانى با Bit Rate كم دارد.
تكنيك Harmonic Vector eXcitation Coding (HVXC) طراحى شده تا كار در محدوده 2 تا 4 كيلوبيت برثانيه را راحتتر كند و حتى مىتواند با سرعت متوسط 2/1 كيلوبيت بر ثانيه كار كند (البته به شرطى كه بتوان Bit Rate را تغييرداد). اين Bit Rateهاى پايين بسيار مناسب شرايطى مثل پهناى باندهاى بسيار محدود مثل اتصالات ماهوارهاى مىباشد. يك تكنيك ديگر Coding به نام Code Excited Linear Prediction (CELP) جهت Bit Rate هاى 4 تا 24 كيلوبيت بر ثانيه بوجود آمده و براى اتصالات شبكهاى سيار فعلى بسيار مناسب است. انتقال BitRateهاى خيلى پايين صوتى (200 بيت تا 2/1 كيلوبيت در ثانيه) كار با ماجولهاى TTS (Text-to-Speech) را ممكن مىسازد. MPEG-4 ماجول TTS خاصى را مشخص نمىكند، اما رابط TTS (يا TTSI) را در اختيار مىگذارد. ماجول TTS براى سازگارى با TTSI بايد به نوعى تطبيق داده شود. اطلاعات درباره جنس، سن و الگوهاى گفتارى شخص سخنگو به TSSI فرستاده مىشود تا يك فايل صوتى خاص از يك شخص بوجود بيايد. تكنولوژى TTS كه با مدل ظاهرى MPEG-4 تلاقى يافته، مىتواند صداى صحبتها را در يك جريان دادهاى بسيار كوچك نگهدارى كند.
همانطور كه MPEG-4 اجازه خلق اشياء مركب ويدئويى را به شما مىدهد، شما هم مىتوانيد همين كار را باصداهاى مركب انجام دهيد. ابزار Structured Audio به شما اجازه مىدهد "Instrument"ها را با يك Score كنترل كنيد ( Instrument به ويژگيهاى صداهاى Download شده مىگويند نه صداهايى كه از قبل روى دستگاه بودهاند. در واقع اين صداها به صورت رشتههاى صوتى دريافت شده و سپس Mergeمىشوند). با اين ابزار مىتوان صداهاى موسيقايى پرحجم را با پهناى باند كم انتقال داد.
مىدانيم MPEG-4 روى فضاى سهبعدى تأكيد دارد، پس جزئيات استانداردى هم وجود دارند كه مشخص مىكنند صدا را چگونه مىتوان در يك فضا قرارداد. اندازه، شكل و ويژگيهاى آكوستيكى فضا و محل قرارگيرى منبع صوتى در اين فضا مىتواند يك صداى آكوستيك سه بعدى بوجود آورد.
همه را با هم امتحان كنيد:
MPEG-4 انواع مختلف تكنولوژيها را براى اشياء تعريف كرده است. مثلاً Binary Format for Scenes(BIFS) زبانى است كه براى تشريح چگونگى نسبت بين صحنه و اشياء به كار مىرود. BIFS نسخه باينرى فرمت متنى است كه توسط Virtual Reality Modeling Language (VRML) به كار مىرود. VRML براى خلق محيطهاى 3D استفاده مىشود كه در اين محيطها مىتوان توسط يك مرورگر وب جابه جا شد. اما MPEG-4 برخلاف VRML مىتواند همينطور كه اطلاعات مىرسند،صحنه را Render كند (به جاى اينكه قبل از شروع Render ابتدا همه اطلاعات را به طور كامل Download كند كه اين كار سرعت كار را بسيار پايين مىآورد).
اشياء گروههاى BIFS در يك وراثت، متكى بر نسبت بين صحنه و اشياء هستند. براى نمونه، صداى گوينده اخبار و تصوير ويدئويى بايد با هم در يك گروه باشند و به طور مناسب جلوى صحنه هواشناسى قرار بگيرند. صحنه Static نيست؛ ممكن است در همين حين كه دستورات BIFS از طرف Server مىرسند، صدا و تصوير گوينده اخبار در صفحه جابه جا شوند.
امكانات جذاب:
ويدئو، صوت و Interaction در قلب استاندارد MPEG-4 هستند. اداره چنين پيچيدگى روى Decoder مىتواند كار سختى باشد. MPEG-4 يك سيستم برنامهنويسى مبتنى بر Java به نام MPEG-j تعبيه كرده تا Media Playerهاى MPEG-4 را منعطفتر كند. يك برنامه MPEG-jمانند رشته (Stream) هاى مستمر به Decoder فرستاده مىشود. پس از اين انتقال، مىتوان برنامه را براى دستكارى عناصر صحنه و يا بهينهكردن Interactivity به كاربرد. برنامه مىتواند گزارشهايى از قابليتهاى Decoder و منابع تغيير سيستمى تهيه كند و طبق آن در فرستادن رشتههاى مناسب به Encode كمك كند.
امروزه مديريت حقوق - ويژگيها (Property-rights) يكى از موارد مهم در دنياى ديجيتال است. MPEG-4 رشتهها را توسط اعداد منحصربه فردى برچسب مىزند كه اين اعداد هم متعلق به Property Holderها هستند؛ پس مديريت حقوق - ديجيتال امن هم ممكن است. اطلاعات حقوق همزمان با Metadataهاى ديگر رشته ذخيره مىشود ( Meta data اطلاعات مشخصه و ديگر دادههاى تشريحى است)، نتيجه اين مىشود كه ديگر لازم نيست براى تشخيص Owner يك رشته، كل رشته از Server گرفته شود. MPEG-4 يك مدل مشخص براى مديريت حقوقها تعريف نمىكند، اما در عوض رابطى تعبيه مىكند كه به Owner محتويات اجازه ايجاد يك راهحل مديريتى براى نيازهاى خاص مىدهد.
Profileها:
MPEG-4 استانداردى بسيار جامع و فراگير است. تاكنون هيچ نوع Media Player بوجود نيامده كه تمام امكانات آنرا پيادهسازى كرده باشد. مثلاً يك تلفن همراه به صداى پنج كاناله نياز ندارد يا گرافيكهايى را كه به Render كردن نياز داشته باشد پشتيبانى نمىكند. بنابراين اين استاندارد تعدادى پروفايل تعريف مىكند كه اين پروفايلها حاوى ويژگيهايى هستند كه محدوده قابليتهاى يك Decoder را تعيين مىكنند. يك پروفايل مىتواند به چند Level تقسيم شود. وظيفه هر Level محدودكردن پيچيدگى محاسباتى است كه Decoder بايد درون پروفايل آنرا كنترل و اداره كند.
پروفايلها زيرمجموعههايى از مجموعه ابزارهاى MPEG-4 را مشخص مىكند. پروفايلهاى موجود عبارتند از پروفايل بصرى، صوتى، گرافيكى، گراف صحنهاى و توصيفكننده شىء. به عنوان نمونه، اساسىترين پروفايل بصرى براى تصاوير ويدئويى طبيعى، پروفايل Simple است. اين پروفايل، ويدئوى مستطيلى شكل خطاناپذير براى دستگاههاى كند و باپردازنده ضعيف (مثل تلفن همراه) در اختيار مىگذارد. سه سطح اين پروفايل، حداكثر Bit Rate و ديگر جنبههاى رشتههاى ويدئويى را مشخص مىكند تا بتواند منابع Decoder را درخواست كند. پروفايلها در قسمتى از روشهاى وراثتى سازماندهى شدهاند تا پروفايل بعدى در زنجيره كلاً با محتويات طراحى شده براى دستگاهى با قابليتهاى كمتر، سازگار باشد.
پروفايلها و Levelها به طراحان اجازه مىدهند پيادهسازى MPEG-4 خود را سازگار سازند. يعنى يك Audio Player محصول يك شركت خاص كه از پروفايل صوتى Scalable در سطح 3 پشتيبانى مىكند با يك Player از شركت ديگر كه ويژگيهاى پروفايل و Level آن مشابه اولى است، سازگار خواهد بود. سازگار بودن اعمال و توابع پياده سازيهاى MPEG-4 به توافق كمپانيهاى مختلف بستگى دارد.
MPEG-4 تنها يك Vaporware نيست:
MPEG-4 چيزى فراتر از اين گفتهها و ناگفتهها است. تعدادى از محصولاتى كه از اين تكنولوژى استفاده مىكنند در بازار يافت مىشوند و محصولات قويترى هم در راهند.
بعضى از كمپانيها هم بيكار ننشسته و از اين تكنولوژى سوء استفاده مىكنند. مثلاً Napster ويدئوهايى را كه به طريق غيرقانونى روى سايت خود پخش مىكند، توسط تكنولوژى MPEG-4 فشرده كرده است.
DivXNetworks يك Codec با تكنولوژى MPEG-4 به نام DivX طراحى كرده كه قفل نرمافزارى DVD را (كه با MPEG-2 فشرده شده) مىشكند و DVD را فشردهتر مىكند. DivXNetworks با بهبودبخشيدن به مديريت حقوق - ديجيتال و همكارى نزديك با كمپانيهاى پيشرو در زمينه MPEG-4 پيشرفت قابل توجهى در Mainstreamها داشته است.
Codec رايگان DivX5.0 و مجموعه 30 دلارى DivX Pro براى مشتاقان ويدئوى ديجيتال به عنوان ابزارهاى كليدى هستند.
DivXNetworks با همكارى Sigma Designs يك كارت PCI با خروجى كد شده توسط DivX به نام REALmagic xCArd طراحى كرده و ساختهاند.
xCard و نرمافزار همراه آن قابليت كار با ساختارهاى ويدئويى DVD، VCD، MPEG-1 و MPEG-2 و MPEG-4 را دارد. اين كارت مجهز به خروجيهاى Composite و S-Video براى اتصال به تلويزيون است و يك كنترل از راه دور هم به همراه دارد.اين كارت خروجيهايى هم براى صدا دارد و از صداهاى Dolby Digital Surroundپشتيبانى مىكند. اگر كامپيوتر و تلويزيون شما نزديك يكديگر قرار دارد با اتصال اين دو به يكديگر توسط xCardمىتوانيد يك سيستم سرگرم كننده قوى در منزل خود داشته باشيد.
قول MPEG-4 در مورد اين موضوع كه چند رسانهاىها را روى سيستمهاى دستى و تلفنهاى همراه منتقل خواهد كرد، توسط كمك پردازنده تصويرى IMAGEON001 محصول ATI به واقعيت پيوست. اين تراشه در يك Package كوچك و كم مصرف براى استفاده روى سيستمهاى سيار، امكانات گرافيكى پيشرفتهاى ارائه كرده كه شامل وضوح تصويرى و عمق رنگ بالاتر، بافركردن فريمها و شتابدهنده سختافزارى جهت انجام Decompression مىباشد.
Panasonic هم در لباس الكترونيكى (E-wear) مدل SV-AV01 كه يك MP3 Player با قابليت ضبط و پخش است، ويدئوهاى MPEG-4 با ظرفيت پايين را نيز اجرا مىكند.
جادهاى در پيش راه؛ عريض و با كمى دستانداز:
MPEG-4 آمده تا نقش گستردهاى در دنياى چندرسانهاىها و پخش آنها روى Platformهاى گوناگون بازى كند. اين تكنولوژى همانند ديگر تكنولوژيهاى MPEG يك Open Standard است؛ يعنى هر كسى مىتواند از آن استفاده كند. به هر حال MPEG LA يكى از شركتهاى قانونى اما مستقل از MPEG طرحى ارائه داده كه طبق آن هزينهاى به عنوان MPEG-4 Licensing Fee دريافت شود: يك شارژ دقيقه به دقيقه براى دريافت رشتههاى MPEG-4. حاميان MPEG-4 مثل Apple (كه قابليتهاى MPEG-4 را در نرمافزار QuickTime تعبيه كرده) در كار دشوارى با يكديگر همگام مىشوند.
اين تكنولوژى مبتنى بر Open Standard براى كاربران خانگى خيلى جذاب است، چون اگر يك كمپانى محصول راضى كنندهاى ارائه ندهد رقباى ديگرش محصولى بهتر به بازار مىفرستند. اين آزادى انتخاب كاربران رقابتى سالم بين توسعهدهندگان MPEG-4 بوجود آورده است. در گذشته اين توسعه دهندگان هزينه License تكنولوژى MPEG را (كه تنها يك بار دريافت مىگردد) پرداختهاند. كمپانيهاى درگير با MPEGتاكنون پول زيادى صرف توسعه اين استاندارد كردهاند و انتظار دارند عوض آنرا دريافت كنند. اگر توسعه دهندگان بتوانند با اين هزينهها كنار بيايند و از كاربران اين محصول توقع مادى زيادى نداشته باشند، مىتوان با جرأت گفت كه MPEG-4 در آيندهاى نزديك يك فرمت رسانهاى جهانى خواهد شد.
شركتهاى پيشرو در عرصه MPEG-4 :
Apple Computer, Inc.: Only the registered members can see the link (Only the registered members can see the link)
ATI Technologies, Inc.: Only the registered members can see the link (Only the registered members can see the link)
DivXNetworks, Inc.: Only the registered members can see the link (Only the registered members can see the link)
amp; Only the registered members can see the link (Only the registered members can see the link)
MPEG LA: Only the registered members can see the link (Only the registered members can see the link)
Panasonic: Only the registered members can see the link (Only the registered members can see the link)
Sigma Designs, Inc.: Only the registered members can see the link (Only the registered members can see the link)