Cleanup, acknowledgments
[opus.git] / doc / ietf / draft-valin-celt-rtp-profile.xml
1 <?xml version='1.0'?>
2 <!DOCTYPE rfc SYSTEM 'rfc2629.dtd'>
3 <?rfc symrefs="yes" toc="yes" ?>
4
5 <rfc ipr="full3978" docName="RTP Payload Format for the CELT Codec">
6
7 <front>
8 <title>draft-valin-celt-rtp-profile-01</title>
9
10
11
12 <author initials="J-M" surname="Valin" fullname="Jean-Marc Valin">
13 <organization>Octasic Semiconductor</organization>
14 <address>
15 <postal>
16 <street>4101, Molson Street, suite 300</street>
17 <city>Montreal</city>
18 <region>Quebec</region>
19 <code>H1Y 3L1</code>
20 <country>Canada</country>
21 </postal>
22 <email>jean-marc.valin@octasic.com</email>
23 </address>
24 </author>
25
26
27 <author initials="G" surname="Maxwell" fullname="Gregory Maxwell">
28 <organization>Juniper Networks</organization>
29 <address>
30 <postal>
31 <street>2251 Corporate Park Drive, Suite 100</street>
32 <city>Herndon</city>
33 <region>VA</region>
34 <code>20171-1817</code>
35 <country>USA</country>
36 </postal>
37 <email>gmaxwell@juniper.net</email>
38 </address>
39 </author>
40
41 <date day="27" month="February" year="2009" />
42
43 <area>General</area>
44 <workgroup>AVT Working Group</workgroup>
45 <keyword>I-D</keyword>
46
47 <keyword>Internet-Draft</keyword>
48 <keyword>CELT</keyword>
49 <keyword>RTP</keyword>
50 <abstract>
51 <t>
52 CELT is an open-source voice codec suitable for use in very low delay 
53 audio communication applications, including Voice over IP (VoIP).
54 This document describes the payload format for CELT generated bit 
55 streams within an RTP packet.  Also included here are the necessary 
56 details for the use of CELT with the Session Description Protocol 
57 (SDP). At the time of this writing, the CELT bit-stream has NOT
58 been finalized yet, and compatibility is usually broken with
59 every new release of the codec.
60 </t>
61 </abstract>
62 </front>
63
64 <middle>
65
66 <section anchor="Conventions used in this document" title="Conventions used in this document">
67 <t>
68 The key words "MUST", "MUST NOT", "REQUIRED", "SHALL", "SHALL NOT",
69 "SHOULD", "SHOULD NOT", "RECOMMENDED", "MAY", and "OPTIONAL" in this
70 document are to be interpreted as described in RFC 2119 <xref target="rfc2119"></xref>.
71 </t>
72 </section>
73
74 <section anchor="Overview of the CELT Codec" title="Overview of the CELT Codec">
75
76 <t>
77 CELT stands for "Constrained Energy Lapped Transform". It applies some of the CELP principles, but does everything in the frequency domain, which removes some of the limitations of CELP. CELT is suitable for both speech and music and currently features:
78 </t>
79
80 <t>
81 <list style="symbols">
82 <t>Ultra-low algorithmic delay (as low as 2 ms)</t>
83 <t>Full audio bandwidth (up to 20 kHz audio bandwidth)</t>
84 <t>Support for both voice and music</t>
85 <t>Stereo support</t>
86 <t>Packet loss concealment</t>
87 <t>Constant bitrates from under 32 kbps to 128 kbps and above</t>
88 <t>Free software/open-source</t>
89 </list>
90 </t>
91
92 </section>
93
94 <section anchor="RTP payload format for CELT" title="RTP payload format for CELT">
95
96 <t>
97 For RTP based transportation of CELT encoded audio the standard 
98 RTP header <xref target="rfc3550"></xref> is followed by one or more payload data blocks. 
99 An optional padding terminator may also be used.
100 </t>
101
102 <t>
103 <figure>
104 <artwork><![CDATA[
105      0                   1                   2                   3
106      0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
107     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
108     |                         RTP Header                            |
109     +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
110     |                   one or more frames of CELT ....             |
111     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
112     |                              ....                             |
113     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
114 ]]></artwork>
115 </figure>
116 </t>
117
118 <section anchor="RTP Header" title="RTP Header">
119
120 <t>
121 <figure>
122 <artwork><![CDATA[
123      0                   1                   2                   3
124      0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
125     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
126     |V=2|P|X|  CC   |M|     PT      |       sequence number         |
127     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
128     |                           timestamp                           |
129     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
130     |           synchronization source (SSRC) identifier            |
131     +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
132     |            contributing source (CSRC) identifiers             |
133     |                              ...                              |
134     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
135 ]]></artwork>
136 </figure>
137 </t>
138
139 <t>
140 The RTP header is defined in the RTP specification <xref target="rfc3550"></xref>.  This
141    section defines how fields in the RTP header are used.
142 </t>
143
144 <t>Padding (P): 1 bit</t><t>
145       If the padding bit is set, the packet contains one or more
146       additional padding octets at the end which are not part of the
147       payload.  The last octet of the padding contains a count of how
148       many padding octets should be ignored, including itself.  Padding
149       may be needed by some encryption algorithms with fixed block sizes
150       or for carrying several RTP packets in a lower-layer protocol data
151       unit.
152 </t>
153
154 <t>Extension (X): 1 bit</t><t>
155       If the extension, X, bit is set, the fixed header MUST be 
156       followed by exactly one header extension, with a format defined 
157       in Section 5.3.1. of <xref target="rfc3550"></xref>. 
158 </t>
159
160 <t>Marker (M): 1 bit</t><t>
161       The M bit MUST be set to zero in all packets. The receiver MUST
162           ignore the M bit.
163 </t>
164
165 <t>Payload Type (PT): 7 bits</t><t>
166       Payload Type (PT): The assignment of an RTP payload type for this
167       packet format is outside the scope of this document; it is
168       specified by the RTP profile under which this payload format is
169       used, or signaled dynamically out-of-band (e.g., using SDP).
170 </t>
171
172 <t>Timestamp: 32 bits</t><t>
173       A timestamp representing the sampling time of the first sample of
174       the first CELT frame in the RTP payload.  The clock frequency
175       MUST be set to the sample rate of the encoded audio data and is 
176           conveyed out-of-band (e.g., as an SDP parameter).
177 </t>
178
179
180 </section>
181
182 <section anchor="CELT payload" title="CELT payload">
183
184 <t>
185 For the purposes of packetizing the bit stream in RTP, it is only
186 necessary to consider the sequence of bits as output by the CELT
187 encoder <xref target="celt-website"></xref>, and present the same 
188 sequence to the decoder.  The payload format described here maintains
189 this sequence.
190 </t>
191
192 <t>
193 A typical CELT frame, encoded at a high bitrate, is approx.
194 128 octets and the total size of the CELT frames SHOULD be kept
195 below the path MTU to prevent fragmentation. CELT frames MUST
196 NOT be split across multiple RTP packets,
197 </t>
198
199 <t>
200 An RTP packet MAY contain CELT frames of the same bit rate or of
201 varying bit rates, since the bitrate for the frames is explicitly 
202 conveyed in band with the signal. The encoding and decoding algorithm
203 can change the bit rate at any frame boundary, with the bit rate 
204 change notification provided in-band. No out-of-band notification
205 is required for the decoder to process changes in the bit rate 
206 sent by the encoder.
207 </t>
208
209 <t>
210 It is RECOMMENDED that sampling rates 32000, 44100, or 48000 Hz be used 
211 for most applications, unless a specific reason exists -- such as
212 requirements for a very specific packetization time. For example,
213 51200 Hz sampling may be useful to obtain a 5 ms packetization time
214 with 256-sample frames. For compatibility reasons, the sender and
215 receiver MUST support 48000 Hz sampling rate.
216 </t>
217
218 <t>
219 The CELT codec always produces an integer number of bytes and can 
220 produce any integer number of bytes, so no padding is ever required.
221 Bitrate adjustment SHOULD be used instead of padding.
222 </t>
223
224 </section>
225
226 <section anchor="Multiple CELT frames in a RTP packet" title="Multiple CELT frames in a RTP packet">
227
228 <t>
229 The bitrate used by CELT is implicitly determined by the size of the
230 compressed data. When more than one frame is encoded in the same packet,
231 it is not possible to determine the size of each encoded frame, so the
232 information MUST be explicitly encoded. If N frames are present in a
233 packet, N compressed frame sizes need to be encoded at the beginning of
234 the packet. Each size that is less than 255 bytes is encoded in one byte
235 (unsigned 8-bit integer). For sizes greater or equal to 255, a 0xff byte
236 is encoded, followed by the size-255. Multiple 0xff bytes are allowed if
237 there are more than 510 bytes transmitted. The length is always the size
238 of the CELT frame excluding the length byte itself. The payload MUST NOT
239 be padded, except in accordance with the padding bit definition in the
240 RTP header.
241 </t>
242
243 <t>
244 Below is an example of two CELT frames contained within one RTP 
245 packet.
246 </t>
247
248 <t><figure>
249 <artwork><![CDATA[
250     0                   1                   2                   3
251     0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
252    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
253    |V=2|P|X|  CC   |M|     PT      |       sequence number         |
254    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
255    |                           timestamp                           |
256    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
257    |         synchronization source (SSRC) identifier              |
258    +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
259    |         contributing source (CSRC) identifiers                |
260    |                              ...                              |
261    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
262    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
263    | length frame 1| length frame 2|          CELT frame 1...      |
264    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
265    |         (frame 1)             |        CELT frame 2...        |
266    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
267    |                          (frame 2)                            |
268    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
269 ]]></artwork>
270 </figure></t>
271
272 <t>The following is an example of C code that interprets the length bytes:
273 </t>
274
275 <t><figure>
276 <artwork><![CDATA[
277    int i, N, pos;
278    int sizes[MAX_FRAMES][channels];
279    unsigned int total_size;
280    total_size=0;
281    N = 0;
282    pos = 0;
283    while (total_size < payload_size) {
284       for (i=0;i<channels;i++) {
285          int s;
286          int sum;
287          sum = 0;
288          do {
289             s = payload[pos++];
290             sum += s;
291             total_size += s+1;
292          } while (s == 255);
293          sizes[N][i] = sum;
294       }
295       N++;
296    }
297 ]]></artwork>
298 </figure></t>
299
300 </section>
301
302 <section anchor="Multiple channels" title="Multiple channels">
303
304 <t>CELT supports both mono streams and stereo streams. If more than two channels are desired, it is possible to use transmit multiple streams in the same packet. In this case, the number of streams S and the pairing must be agreed with out-of-band negotiation such as SDP. Each stream can be either mono or stereo, depending on whether the channels are assumed to be correlated. For example, a 5.1 surround could have the front-left and front-right channels in a stereo stream, the rear-left and rear-right channels in a separate stereo stream, while the center and low-frequency channels would be in separate mono streams. In that example, the RTP packet would be:</t>
305
306 <t><figure>
307 <artwork><![CDATA[
308     0                   1                   2                   3
309     0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
310    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
311    |V=2|P|X|  CC   |M|     PT      |       sequence number         |
312    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
313    |                           timestamp                           |
314    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
315    |         synchronization source (SSRC) identifier              |
316    +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
317    |         contributing source (CSRC) identifiers                |
318    |                              ...                              |
319    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
320    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
321    |  Front length |  rear length  | center length |  LFE length   |
322    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
323    |                        Front stereo                           |
324    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
325    |                             ...                               |
326    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
327    |      ...      |        Rear stereo data...                    |
328    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
329    |                             ...                               |
330    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
331    |                       Center mono data...                     |
332    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
333    |                             ...                               |
334    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
335    |                               |      LFE mono data...         |
336    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
337    |                             ...                               |
338    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
339 ]]></artwork>
340 </figure></t>
341
342 <t>In the case where streams for multiple channels are used with multiple frames of the same streams per packet, then all streams for a certain timestamp are encoded before all streams for the following timestamp. In the case of the 5.1 example above with two frames per packet, the number of compressed length fields would be S*N = 8.</t>
343
344 </section>
345
346 </section>
347
348 <section anchor="MIME registration of CELT" title="MIME registration of CELT">
349
350 <t>
351 Full definition of the MIME <xref target="rfc2045"></xref> type for CELT will be part of the Ogg
352 Vorbis MIME type definition application <xref target="rfc3534"></xref>.
353 </t>
354
355 <t>MIME media type name: audio</t>
356
357 <t>MIME subtype: celt</t>
358
359 <t>Optional parameters:</t>
360
361 <t>Required parameters: to be included in the Ogg MIME specification.</t>
362
363 <t>Encoding considerations:</t>
364
365 <t>Security Considerations:</t>
366 <t>See Section 6 of RFC 3047.</t>
367
368 <t>Interoperability considerations: none</t>
369
370 <t>Published specification:  </t>
371
372 <t>Applications which use this media type:</t>
373
374 <t>Additional information: none</t>
375
376 <t>Person &amp; email address to contact for further information:<vspace blankLines="1" />
377 <list style="empty">
378 <t>Jean-Marc Valin &lt;jean-marc.valin@octasic.com&gt;</t>
379 </list>
380 </t>
381
382 <t>Intended usage: COMMON</t>
383
384 <t>Author/Change controller:</t>
385
386 <t>
387 <list style="empty">
388 <t>Author:  Jean-Marc Valin &lt;jean-marc.valin@octasic.com&gt;</t>
389 <t>Change controller: Jean-Marc Valin &lt;jean-marc.valin@octasic.com&gt;</t>          
390 <t>Change controller: IETF AVT Working Group</t>
391 </list>
392 </t>
393
394 <t>
395 This transport type signifies that the content is to be interpreted
396 according to this document if the contents are transmitted over RTP. 
397 Should this transport type appear over a lossless streaming protocol
398 such as TCP, the content encapsulation should be interpreted as an 
399 Ogg Stream in accordance with <xref target="rfc3534"></xref>, with the exception that the
400 content of the Ogg Stream may be assumed to be CELT audio and 
401 CELT audio only.
402 </t>
403
404 </section>
405
406 <section anchor="SDP usage of CELT" title="SDP usage of CELT">
407
408 <t>
409 When conveying information by SDP <xref target="rfc2327"></xref>, the encoding name MUST be
410 set to "CELT". The sampling frequency is typically between 32000 and 48000 Hz.
411 Implementations SHOULD support both 44100 Hz and 48000 Hz. The maximum bandwidth permitted for
412 the CELT audio is encoded using the  "b=AS:" header, as explained in SDP <xref target="rfc2327"></xref>.
413 </t>
414
415 <t>
416 The SDP parameters have the following interpretation with respect to CELT:
417 </t>
418
419 <t>
420 <list style="empty">
421 <t>b=AS: The maximum bandwidth (in kbit/s) allowed for CELT, excluding the header overhead. The default is 64 kbit/s.</t>
422
423 <t>ptime: The desired packetization time. The sender SHOULD choose a number of frames per packet that corresponds to the smallest packetization time greater or equal to the specified ptime for the selected frame size. The default is 20 ms as specified in <xref target="rfc3551"></xref></t>
424
425 <t>maxptime: The maximum packetization time desired. If the maximum is lower than the smallest packetization time determined from the chosen frame size (as described above), then that packtization time SHOULD be used despite the maxptime value. The default is "no maximum".</t>
426
427 </list>
428 </t>
429
430 <t>
431 CELT-specific parameters can be given via the "a=fmtp:" directive.
432 Several parameters can be given in a single a=fmtp line provided 
433 that they are separated by a semi-colon. The following parameters 
434 are defined for use in this way:
435 </t>
436
437 <t>
438 <list style="empty">
439 <t>frame-size: The frame size is the duration of each frame in samples. If more than one frame size is supported, a comma-separated list can be used. It is possible to use "any" to denote that
440 all even frame sizes are supported. The default is 480.</t>
441
442 <t>mapping: Optional string describing the multi-channel mapping. </t>
443 </list> 
444 </t>
445
446 <t>Because the frame-size is not transmitted in-band, an SDP answer MUST 
447 contain only one frame-size, even if multiple frame sizes were offered.
448 </t>
449
450 <t>
451 The selected frame-size values MUST be even. They SHOULD be divisible by 8
452 and have a prime factorization which consists only of 2, 3, or 5 factors.
453 For example, powers-of-two and values such as 160, 320, 240, and 480 are
454 recommended. Implementations MUST support receiving and sending the default
455 value of 480, and if the size 480 is supported it MUST be offered. Implementations
456 SHOULD also support frame sizes of 256 and 512 since these are the ones that lead
457 to the lowest complexity. When frame sizes that are powers of two are supported,
458 they SHOULD be listed first in the offer and chosen over non powers of two in the
459 answer.
460 </t>
461
462 <t>
463 Care must be taken when setting the value of ptime: and b=AS: so that the
464 RTP packet size does not exceed the path MTU.
465 </t>
466
467 <t>An example of the media representation in SDP for offering a single 
468 channel of CELT at 48000 samples per second might be:
469 </t>
470
471 <t>
472 <vspace blankLines="1" />
473 <list style="empty">
474 <t>m=audio 8088 RTP/AVP 97</t>
475 <t>a=rtpmap:97 CELT/48000</t>
476 </list> 
477 </t>
478
479 <t>
480 Note that the RTP payload type code of 97 is defined in this media
481 definition to be 'mapped' to the CELT codec at a 48kHz sampling
482 frequency using the 'a=rtpmap' line.  Any number from 96 to 127
483 could have been chosen (the allowed range for dynamic types). If there
484 is more than one channel being encoded the rtpmap MUST specify the channel
485 count.
486 </t>
487
488 <t>
489 The following example illustrates the case where the offerer cannot receive more than 64 kbit/s.
490 </t>
491
492 <t>
493 <vspace blankLines="1" />
494 <list style="empty">
495 <t>m=audio 8088 RTP/AVP 97</t>
496 <t>b=AS:64</t>
497 <t>a=rtmap:97 CELT/48000</t>
498 </list> 
499 </t>
500
501 <t>
502 In this case, if the remote party agrees, it should configure its
503 CELT encoder so that it does not use modes that produce more than
504 64 kbit/s. Note that the "b=" constraint also applies on all
505 payload types that may be proposed in the media line ("m=").
506 </t>
507
508
509
510 <t>The following example demonstrates the use of the a=fmtp: parameters:</t>
511
512 <t>
513 <vspace blankLines="1" />
514 <list style="empty">
515         <t>m=audio 8008 RTP/AVP 97</t>
516         <t>a=ptime: 21</t>
517         <t>a=rtpmap:97 CELT/44100</t>
518         <t>a=fmtp:97 frame-size=512;</t>
519 </list> 
520 </t>
521
522 <t>
523 This examples illustrate an offerer that wishes to receive
524 a CELT stream at 44100 Hz, by packing two 512-sample frames in each packet.
525 </t>
526
527 <section anchor="Multichannel Mapping" title="Multichannel Mapping">
528 <t>
529 When more than two channels are used, a mapping parameter MUST be provided.
530 The mapping parameter is defined as comma separated list of integers which specify the
531 number of channels contained in each CELT stream, OPTIONALLY followed by a '/' and a
532 comma separated list of channel identifiers, then OPTIONALLY another '/' and a string
533 which provides an application specific elaboration on any speaker-feed definitions.
534 The channels per stream entries MUST be either 1 or 2. The total number of
535 channels is indicated by the sum of the channels per stream entries. The sum
536 of the channel counts MUST be equal to the total number of channels.
537 </t>
538
539 <t>
540 Channel identifiers are short alphanumeric strings.
541 Each identifier MUST begin with a letter indicating the type of channel. 'A' MUST be
542 used to indicate an ambisonic channel, 'S' to indicate a speaker-feed channel, or 'O'
543 indicating other usage.
544 </t>
545
546 <t>
547 A channel identifier MAY be repeated, but the meaning of such repetition is application specific.
548 Applications SHOULD attempt to utilize channel identifiers such that mixing all identical identifiers
549 would produce a reasonable result.
550 </t>
551
552 <t>
553 Non-surround usage such as individual performer tracks, effect send, "order wire", or
554 other administrative channels may be given application specific identifiers
555 which MUST not conflict with the identifiers defined in this draft. These
556 identifiers SHOULD begin with S if it would be sensible to include them in a
557 mono-downmix, or O if it would be most sensible to exclude them from a
558 mono-downmix.
559 An example usage might be
560 mapping=2,1,2,1,1/SLguitar,SRguitar,OheadsetG,SLkeyboard,SRkeyboard,OheadsetK,SMbass,OheadsetB"
561 </t>
562
563 <t>
564 Ambisonic channels MUST follow the Furse-Malham naming and weighing
565 conventions for up to third order spherical<xref target="Ambisonic"></xref>.
566 Higher order ambisonic support is application defined but MUST NOT reuse any of WXYZRSTUVKLMNOPQ
567 for higher order components. For example, second order spherical ambisonics SHOULD use the
568 mapping "mapping=1,1,1,1,1,1,1,1,1/AW,AX,AY,AZ,AR,AS,AT,AU,AV". Any set of Ambisonic channels
569 MUST contain at least one "AW" channel.
570 </t>
571
572 <t>
573 Speaker-feed identifiers are named based on the intended speaker locations. "L", "R" for the left and
574 right speakers, respectively, in conventional stereo or the front left and right in 4, 5,
575 5.1, or 7.1 channel surround. "LR", "RR" for the left and right rear speakers in 4,5 or 5.1 channel surround. C" is used for a center channel, "MLFE" for a low frequency extension channel. "LS", "RS" for the side
576 channels in 7.1 channel surround. Additional speaker-feeds are application specific but should not
577 reuse the prior identifiers. 
578 For 5.1 surround in non-ambisonic form the mapping SHOULD be "mapping=2,2,1,1/L,R,LR,RR,C,MLFE/ITU-RBS.775-1".
579 When only one or two channels are used, the mapping parameter MAY be omitted, in which case the
580 default mapping is used. For one channel, the default is "mapping=1/C", while for two channels,
581 the default is "mapping=2/L,R".
582 </t>
583
584 <t> 
585 For example a stereo configuration might signal:  
586 <vspace blankLines="1" />
587 <list style="empty">
588 <t>m=audio 8008 RTP/AVP 97</t>
589 <t>a=ptime: 5</t>
590 <t>a=rtpmap:97 CELT/44100/2</t>
591 <t>a=fmtp:97 frame-size=256;</t>
592 </list> 
593 Which specifies a single two-channel CELT stream according to the default
594 mapping.
595 </t>
596
597 </section>
598
599 <section anchor="Low-Overhead Mode" title="Low-Overhead Mode">
600
601 <t>A low-overhead mode is defined to make more efficient use of bandwidth
602 when transmitting CELT frames. In that mode none of the length values need to be transmitted.
603 One the a=fmtp: parameter low-overhead: 
604 is defined and contains a single frame size, followed by a '/', followed by the number
605 of frames (per channel) per packet, followed by a '/', followed by a comma-separated
606 list of the number of bytes per frame for each stream defined in the channel mapping.
607 The frame-size: parameter MUST not be specified and SHOULD be ignored if encountered
608 in an SDP offer or answer. The ptime:, maxptime: and b=AS: parameters SHOULD also be
609 ignored since the low-overhead: parameter makes them redundant. When the low-overhead:
610 parameter is specified, the length of each frame MUST NOT be encoded in the payload and
611 the bit-rate MUST NOT be changed during the session.
612 </t>
613
614 <t> 
615 For example a low-overhead surround configuration could be signaled as:
616 <list style="empty">
617 <t>m=audio 8008 RTP/AVP 97</t>
618 <t>a=ptime: 5</t>
619 <t>a=rtpmap:97 CELT/48000/6</t>
620 <t>a=fmtp:97 low-overhead=256/1/86,86,43,30;mapping=2,2,1,1/L,R,LR,RR,C,MLFE/ITU-RBS.775-1</t>
621 </list>
622
623 In this example, 4 bytes per packet would be saved. This corresponds to a 6 kbit/s
624 reduction in the overhead, although the 60 kbit/s overhead of the IP, UDP and RTP
625 headers is still present.
626 </t>
627
628 </section>
629
630 </section>
631
632 <section anchor="Congestion Control" title="Congestion Control">
633
634 <t>
635 CELT allows for bitrate adjustment in one byte per frame
636 increments without any signaling requirement or overhead.
637 Applications SHOULD utilize congestion control to regulate the transmitted bitrate. 
638 In some applications it may make sense to increase the packetization
639 interval rather than decreasing the codec bitrate. Congestion control
640 implementations should consider the users differential tolerance for high
641 latency and low quality. 
642 </t>
643 </section>
644
645 <section anchor="Security Considerations" title="Security Considerations">
646
647 <t>
648 RTP packets using the payload format defined in this specification
649 are subject to the security considerations discussed in the RTP
650 specification <xref target="rfc3550"></xref>, and in any applicable RTP profile.  The
651 main security considerations for the RTP packet carrying the RTP
652 payload format defined within this memo are confidentiality,
653 integrity and source authenticity.  Confidentiality is achieved by
654 encryption of the RTP payload.  Integrity of the RTP packets through
655 suitable cryptographic integrity protection mechanism.  Cryptographic
656 system may also allow the authentication of the source of the
657 payload.  A suitable security mechanism for this RTP payload format
658 should provide confidentiality, integrity protection and at least
659 source authentication capable of determining if an RTP packet is from
660 a member of the RTP session or not.
661 </t>
662
663 <t>
664 Note that the appropriate mechanism to provide security to RTP and
665 payloads following this memo may vary.  It is dependent on the
666 application, the transport, and the signalling protocol employed.
667 Therefore a single mechanism is not sufficient, although if suitable
668 the usage of SRTP <xref target="rfc3711"></xref> is recommended.  Other mechanism that may
669 be used are IPsec <xref target="rfc4301"></xref> and TLS <xref target="rfc5246"></xref> (RTP over TCP), but also other alternatives may exist.
670 </t>
671
672 <t>
673 This RTP payload format and its media decoder do not exhibit any
674 significant non-uniformity in the receiver-side computational
675 complexity for packet processing, and thus are unlikely to pose a
676 denial-of-service threat due to the receipt of pathological data.
677 Nor does the RTP payload format contain any active content.
678 </t>
679
680 <t>
681 Because this format supports VBR operation small amounts of information
682 about the transmitted audio may be leaked by a length preserving
683 cryptographic transport. Accordingly, when CELT is used inside a secure
684 transport the sender SHOULD restrict the use of VBR to congestion control purposes.
685 </t>
686
687 <t>
688 CELT implementations will typically exhibit tiny content-sensitive encoding
689 time variances. Since transmission is usually triggered by an accurate
690 hardware clock and the encoded data is typically transmitted as soon as
691 encoding is complete this variance may result in a small amount of
692 additional frame to frame jitter which could be measured by a third-party.
693 Encrypted implementations SHOULD transmit packets at fixed intervals to
694 avoid the possible information leak. 
695 </t>
696
697 </section> 
698
699 <section anchor="Acknowledgments" title="Acknowledgments">
700
701 <t>
702 The authors would also like to thank the following people for their input:
703 Timothy B. Terriberry, Ben Schwartz, Alexander Carot, Thorvald Natvig, 
704 Brian West, Steve Underwood, and Anthony Minessale.
705
706 </t>
707 </section> 
708
709 </middle>
710
711 <back>
712
713 <references title="Normative References">
714
715 <reference anchor="rfc2119">
716 <front>
717 <title>Key words for use in RFCs to Indicate Requirement Levels </title>
718 <author initials="S." surname="Bradner" fullname="Scott Bradner"><organization/></author>
719 </front>
720 <seriesInfo name="RFC" value="2119" />
721 </reference> 
722
723 <reference anchor="rfc3550">
724 <front>
725 <title>RTP: A Transport Protocol for real-time applications</title>
726 <author initials="H." surname="Schulzrinne" fullname=""><organization/></author>
727 <author initials="S." surname="Casner" fullname=""><organization/></author>
728 <author initials="R." surname="Frederick" fullname=""><organization/></author>
729 <author initials="V." surname="Jacobson" fullname=""><organization/></author>
730 </front>
731 <seriesInfo name="RFC" value="3550" />
732 </reference> 
733
734 <reference anchor="rfc2045">
735 <front>
736 <title>Multipurpose Internet Mail Extensions (MIME) Part One: Format of Internet Message Bodies</title>
737 <author initials="" surname="" fullname=""><organization/></author>
738 <date month="November" year="1998" />
739 </front>
740 <seriesInfo name="RFC" value="2045" />
741 </reference> 
742
743 <reference anchor="rfc2327">
744 <front>
745 <title>SDP: Session Description Protocol</title>
746 <author initials="V." surname="Jacobson" fullname=""><organization/></author>
747 <author initials="M." surname="Handley" fullname=""><organization/></author>
748 <date month="April" year="1998" />
749 </front>
750 <seriesInfo name="RFC" value="2327" />
751 </reference> 
752
753 <reference anchor="rfc3551">
754 <front>
755 <title>RTP Profile for Audio and Video Conferences with Minimal Control.</title>
756 <author initials="H." surname="Schulzrinne" fullname=""><organization/></author>
757 <author initials="S." surname="Casner" fullname=""><organization/></author>
758 <date month="July" year="2003" />
759 </front>
760 <seriesInfo name="RFC" value="3551" />
761 </reference> 
762
763 <reference anchor="rfc3534">
764 <front>
765 <title>The application/ogg Media Type</title>
766 <author initials="L." surname="Walleij" fullname=""><organization/></author>
767 <date month="May" year="2003" />
768 </front>
769 <seriesInfo name="RFC" value="3534" />
770 </reference> 
771
772 <reference anchor="rfc3711">
773 <front>
774 <title>The Secure Real-time Transport Protocol (SRTP)</title>
775 <author initials="M." surname="Baugher" fullname=""><organization/></author>
776 <author initials="D." surname="McGrew" fullname=""><organization/></author>
777 <author initials="M." surname="Naslund" fullname=""><organization/></author>
778 <author initials="E." surname="Carrara" fullname=""><organization/></author>
779 <author initials="K." surname="Norrman" fullname=""><organization/></author>
780 <date month="March" year="2004" />
781 </front>
782 <seriesInfo name="RFC" value="3711" />
783 </reference> 
784
785 <reference anchor="rfc4301">
786 <front>
787 <title>Security Architecture for the Internet Protocol</title>
788 <author initials="S." surname="Kent" fullname=""><organization/></author>
789 <author initials="K." surname="Seo" fullname=""><organization/></author>
790 <date month="December" year="2005" />
791 </front>
792 <seriesInfo name="RFC" value="4301" />
793 </reference> 
794
795 <reference anchor="rfc5246">
796 <front>
797 <title>The Transport Layer Security (TLS) Protocol Version 1.2</title>
798 <author initials="T." surname="Dierks" fullname=""><organization/></author>
799 <author initials="E." surname="Rescorla" fullname=""><organization/></author>
800 <date month="August" year="2008" />
801 </front>
802 <seriesInfo name="RFC" value="5246" />
803 </reference> 
804
805
806 </references> 
807
808 <references title="Informative References">
809
810 <reference anchor="celt-website">
811 <front>
812 <title>The CELT ultra-low delay audio codec</title>
813 <author initials="" surname="Xiph.Org Foundation" fullname="Xiph.Org Foundation"><organization/></author>
814 </front>
815 <seriesInfo name="CELT website" value="http://www.celt-codec.org/" />
816 </reference> 
817
818 <reference anchor="Ambisonic">
819 <front>
820 <title>Higher order Ambisonic systems</title>
821 <author initials="D." surname="Malham" fullname="Dave
822 Malham"><organization/></author>
823 <date month="December" year="2003" />
824 </front>
825 <seriesInfo name="Paper"
826 value="http://www.york.ac.uk/inst/mustech/3d_audio/higher_order_ambisonics.pdf" />
827 </reference> 
828
829 </references> 
830
831 </back>
832 </rfc>