frame size
[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 (typically from 3 to 9 ms)</t>
83 <t>Full audio bandwidth (better than 20kHz bandpass)</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 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 begins with an octet of fields (V, P, X, and CC) to   
141 support specialized RTP uses (see <xref target="rfc3550"></xref> and <xref target="rfc3551"></xref> for details). For 
142 CELT the following values are used.
143 </t>
144
145 <t>Version (V): 2 bits</t><t>
146    This field identifies the version of RTP. The version
147    used by this specification is two <xref target="rfc3550"></xref>.
148 </t>
149
150 <t>Padding (P): 1 bit</t><t>
151       If the padding bit is set, the packet contains one or more
152       additional padding octets at the end which are not part of the
153       payload.  The last octet of the padding contains a count of how
154       many padding octets should be ignored, including itself.  Padding
155       may be needed by some encryption algorithms with fixed block sizes
156       or for carrying several RTP packets in a lower-layer protocol data
157       unit.
158 </t>
159
160 <t>Extension (X): 1 bit</t><t>
161       If the extension, X, bit is set, the fixed header MUST be 
162       followed by exactly one header extension, with a format defined 
163       in Section 5.3.1. of <xref target="rfc3550"></xref>. 
164 </t>
165
166 <t>CSRC count (CC): 4 bits</t><t>
167       The CSRC count contains the number of CSRC identifiers.
168 </t>
169
170 <t>Marker (M): 1 bit</t><t>
171       The M bit MUST be set to zero in all packets. The receiver MUST
172           ignore the M bit.
173 </t>
174
175 <t>Payload Type (PT): 7 bits</t><t>
176       An RTP profile for a class of applications is expected to assign 
177       a payload type for this format, or a dynamically allocated 
178       payload type SHOULD be chosen which designates the payload as 
179       CELT.
180 </t>
181
182 <t>Sequence number: 16 bits</t><t>
183       The sequence number increments by one for each RTP data packet
184       sent, and may be used by the receiver to detect packet loss and
185       to restore packet sequence.  This field is detailed further in
186       <xref target="rfc3550"></xref>.
187 </t>
188
189 <t>Timestamp: 32 bits</t><t>
190       A timestamp representing the sampling time of the first sample of
191       the first CELT frame in the RTP payload.  The clock frequency
192       MUST be set to the sample rate of the encoded audio data and is 
193           conveyed out-of-band (e.g., as an SDP parameter).
194 </t>
195
196 <t>SSRC/CSRC identifiers:</t><t>
197       These two fields, 32 bits each with one SSRC field and a maximum 
198       of 16 CSRC fields, are as defined in <xref target="rfc3550"></xref>.  
199 </t>
200
201 </section>
202
203 <section anchor="CELT payload" title="CELT payload">
204
205 <t>
206 For the purposes of packetizing the bit stream in RTP, it is only
207 necessary to consider the sequence of bits as output by the CELT
208 encoder <xref target="celt-website"></xref>, and present the same 
209 sequence to the decoder.  The payload format described here maintains
210 this sequence.
211 </t>
212
213 <t>
214 A typical CELT frame, encoded at a high bitrate, is approx.
215 128 octets and the total number of CELT frames SHOULD be kept 
216 less than the path MTU to prevent fragmentation. CELT frames MUST
217 NOT be split across multiple RTP packets,
218 </t>
219
220 <t>
221 An RTP packet MAY contain CELT frames of the same bit rate or of
222 varying bit rates, since the bitrate for the frames is explicitly 
223 conveyed in band with the signal.
224 </t>
225
226 <t>
227 The encoding and decoding algorithm can change the bit rate at any
228 frame boundary, with the bit rate change notification provided
229 in-band. No out-of-band notification is required for the decoder 
230 to process changes in the bit rate sent by the encoder.
231 </t>
232
233 <t>
234 It is RECOMMENDED that sampling rates 32000, 44100, or 48000 Hz be used 
235 for most applications, unless a specific reason exists -- such as
236 requirements for a very specific packetization time. For example,
237 51200 Hz sampling may be useful to obtain a 5 ms packetization time
238 with 256-sample frames. For compatibility reasons, the sender and
239 receiver MUST support 48000 Hz sampling rate.
240 </t>
241
242 <t>
243 The CELT codec always produces an integer number of bytes and can 
244 produce any integer number of bytes, so no padding is ever required.
245 Bitrate adjustment SHOULD be used instead of padding.
246 </t>
247
248 </section>
249
250 <section anchor="Multiple CELT frames in a RTP packet" title="Multiple CELT frames in a RTP packet">
251
252 <t>
253 The bitrate used by CELT is implicitly determined by the size of the
254 compressed data. When more than one frame is encoded in the same packet,
255 it is not possible to determine the size of each encoded frame, so the
256 information MUST be explicitly encoded. If N frames are present in a
257 packet, N compressed frame sizes need to be encoded at the 
258 beginning of the packet. Each size that is less than 255 bytes is encoded
259 in one byte (unsigned 8-bit integer). For sizes greater or equal to 255, a 0xff byte is encoded, 
260 followed by the size-255. Multiple 0xff bytes are allowed if there are
261 more than 510 bytes transmitted. An payload of zero bytes MUST be interpreted as length zero
262 for all frames contained in that packet.
263 </t>
264 <t>
265 Below is an example of two CELT frames contained within one RTP 
266 packet.
267 </t>
268
269 <t><figure>
270 <artwork><![CDATA[
271     0                   1                   2                   3
272     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
273    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
274    |V=2|P|X|  CC   |M|     PT      |       sequence number         |
275    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
276    |                           timestamp                           |
277    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
278    |         synchronization source (SSRC) identifier              |
279    +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
280    |         contributing source (CSRC) identifiers                |
281    |                              ...                              |
282    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
283    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
284    | length frame 1| length frame 2|          CELT frame 1...      |
285    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
286    |         (frame 1)             |        CELT frame 2...        |
287    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
288    |                          (frame 2)                            |
289    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
290 ]]></artwork>
291 </figure></t>
292
293 </section>
294
295 <section anchor="Multiple channels" title="Multiple channels">
296
297 <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>
298
299 <t><figure>
300 <artwork><![CDATA[
301     0                   1                   2                   3
302     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
303    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
304    |V=2|P|X|  CC   |M|     PT      |       sequence number         |
305    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
306    |                           timestamp                           |
307    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
308    |         synchronization source (SSRC) identifier              |
309    +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
310    |         contributing source (CSRC) identifiers                |
311    |                              ...                              |
312    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
313    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
314    |  Front length |  rear length  | center length |  LFE length   |
315    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
316    |                        Front stereo                           |
317    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
318    |                             ...                               |
319    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
320    |      ...      |        Rear stereo data...                    |
321    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
322    |                             ...                               |
323    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
324    |                       Center mono data...                     |
325    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
326    |                             ...                               |
327    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
328    |                               |      LFE mono data...         |
329    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
330    |                             ...                               |
331    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
332 ]]></artwork>
333 </figure></t>
334
335 <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>
336
337 </section>
338
339 </section>
340
341 <section anchor="MIME registration of CELT" title="MIME registration of CELT">
342
343 <t>
344 Full definition of the MIME <xref target="rfc2045"></xref> type for CELT will be part of the Ogg
345 Vorbis MIME type definition application <xref target="rfc3534"></xref>.
346 </t>
347
348 <t>MIME media type name: audio</t>
349
350 <t>MIME subtype: celt</t>
351
352 <t>Optional parameters:</t>
353
354 <t>Required parameters: to be included in the Ogg MIME specification.</t>
355
356 <t>Encoding considerations:</t>
357
358 <t>Security Considerations:</t>
359 <t>See Section 6 of RFC 3047.</t>
360
361 <t>Interoperability considerations: none</t>
362
363 <t>Published specification:  </t>
364
365 <t>Applications which use this media type:</t>
366
367 <t>Additional information: none</t>
368
369 <t>Person &amp; email address to contact for further information:<vspace blankLines="1" />
370 <list style="empty">
371 <t>Jean-Marc Valin &lt;jean-marc.valin@octasic.com&gt;</t>
372 </list>
373 </t>
374
375 <t>Intended usage: COMMON</t>
376
377 <t>Author/Change controller:</t>
378
379 <t>
380 <list style="empty">
381 <t>Author:  Jean-Marc Valin &lt;jean-marc.valin@octasic.com&gt;</t>
382 <t>Change controller: Jean-Marc Valin &lt;jean-marc.valin@octasic.com&gt;</t>          
383 <t>Change controller: IETF AVT Working Group</t>
384 </list>
385 </t>
386
387 <t>
388 This transport type signifies that the content is to be interpreted
389 according to this document if the contents are transmitted over RTP. 
390 Should this transport type appear over a lossless streaming protocol
391 such as TCP, the content encapsulation should be interpreted as an 
392 Ogg Stream in accordance with <xref target="rfc3534"></xref>, with the exception that the
393 content of the Ogg Stream may be assumed to be CELT audio and 
394 CELT audio only.
395 </t>
396
397 </section>
398
399 <section anchor="SDP usage of CELT" title="SDP usage of CELT">
400
401 <t>
402 When conveying information by SDP <xref target="rfc2327"></xref>, the encoding name MUST be
403 set to "CELT". The sampling frequency is typically between 32000 and 48000 Hz.
404 Implementations SHOULD support both 44100 Hz and 48000 Hz. The maximum bandwidth permitted for
405 the CELT audio is encoded using the  "b=AS:" header, as explained in SDP <xref target="rfc2327"></xref>.
406 </t>
407
408 <t>
409 The SDP parameters have the following interpretation with respect to CELT:
410 </t>
411
412 <t>
413 <list style="empty">
414 <t>b=AS: The maximum bandwidth (in kbit/s) allowed for CELT, excluding the header overhead. The default is 64 kbit/s.</t>
415
416 <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>
417
418 <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>
419
420 </list>
421 </t>
422
423 <t>
424 CELT-specific parameters can be given via the "a=fmtp:" directive.
425 Several parameters can be given in a single a=fmtp line provided 
426 that they are separated by a semi-colon. The following parameters 
427 are defined for use in this way:
428 </t>
429
430 <t>
431 <list style="empty">
432 <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
433 all even frame sizes are supported. The default is 480.</t>
434
435 <t>mapping: Optional string describing the multi-channel mapping. </t>
436 </list> 
437 </t>
438
439 <t>Because the frame-size is not transmitted in-band, an SDP answer MUST 
440 contain only one frame-size, even if multiple frame sizes were offered.
441 </t>
442
443 <t>
444 The selected frame-size values MUST be even. They SHOULD be divisible by 8
445 and have a prime factorization which consists only of 2, 3, or 5 factors.
446 For example, powers-of-two and values such as 160, 320, 240, and 480 are
447 recommended. Implementations MUST support receiving and sending the default
448 value of 480, and if the size 480 is supported it MUST be offered. Implementations
449 SHOULD also support frame sizes of 256 and 512 since these are the ones that lead
450 to the lowest complexity. When frame sizes that are powers of two are supported,
451 they SHOULD be listed first in the offer and chosen over non powers of two in the
452 answer.
453 </t>
454
455 <t>
456 Care must be taken when setting the value of ptime: and b=AS: so that the
457 RTP packet size does not exceed the path MTU.
458 </t>
459
460 <t>An example of the media representation in SDP for offering a single 
461 channel of CELT at 48000 samples per second might be:
462 </t>
463
464 <t>
465 <vspace blankLines="1" />
466 <list style="empty">
467 <t>m=audio 8088 RTP/AVP 97</t>
468 <t>a=rtpmap:97 CELT/48000</t>
469 </list> 
470 </t>
471
472 <t>
473 Note that the RTP payload type code of 97 is defined in this media
474 definition to be 'mapped' to the CELT codec at a 48kHz sampling
475 frequency using the 'a=rtpmap' line.  Any number from 96 to 127
476 could have been chosen (the allowed range for dynamic types). If there
477 is more than one channel being encoded the rtpmap MUST specify the channel
478 count.
479 </t>
480
481 <t>
482 The following example illustrates the case where the offerer cannot receive more than 64 kbit/s.
483 </t>
484
485 <t>
486 <vspace blankLines="1" />
487 <list style="empty">
488 <t>m=audio 8088 RTP/AVP 97</t>
489 <t>b=AS:64</t>
490 <t>a=rtmap:97 CELT/48000</t>
491 </list> 
492 </t>
493
494 <t>
495 In this case, if the remote party agrees, it should configure its
496 CELT encoder so that it does not use modes that produce more than
497 64 kbit/s. Note that the "b=" constraint also applies on all
498 payload types that may be proposed in the media line ("m=").
499 </t>
500
501
502
503 <t>The following example demonstrates the use of the a=fmtp: parameters:</t>
504
505 <t>
506 <vspace blankLines="1" />
507 <list style="empty">
508         <t>m=audio 8008 RTP/AVP 97</t>
509         <t>a=ptime: 21</t>
510         <t>a=rtpmap:97 CELT/44100</t>
511         <t>a=fmtp:97 frame-size=512;</t>
512 </list> 
513 </t>
514
515 <t>
516 This examples illustrate an offerer that wishes to receive
517 a CELT stream at 44100 Hz, by packing two 512-sample frames in each packet.
518 </t>
519 </section>
520
521 <section anchor="Multichannel Mapping" title="Multichannel Mapping">
522 <t>
523 When more than two channels are used, a mapping parameter MUST be provided.
524 The mapping parameter is defined as comma separated list of integers which specify the
525 number of channels contained in each CELT stream, OPTIONALLY followed by a '/' and a
526 comma separated list of channel identifiers, then OPTIONALLY another '/' and a string
527 which provides an application specific elaboration on any speaker-feed definitions.
528 The channels per stream entries MUST be either 1 or 2. The total number of
529 channels is indicated by the sum of the channels per stream entries. The sum
530 of the channel counts MUST be equal to the total number of channels.
531 </t>
532
533 <t>
534 Channel identifiers are short alphanumeric strings.
535 Each identifier MUST begin with a letter indicating the type of channel. 'A' MUST be
536 used to indicate an ambisonic channel, 'S' to indicate a speaker-feed channel, or 'O'
537 indicating other usage.
538 </t>
539
540 <t>
541 A channel identifier MAY be repeated, but the meaning of such repetition is application specific.
542 Applications SHOULD attempt to utilize channel identifiers such that mixing all identical identifiers
543 would produce a reasonable result.
544 </t>
545
546 <t>
547 Non-surround usage such as individual performer tracks, effect send, "order wire", or
548 other administrative channels may be given application specific identifiers
549 which MUST not conflict with the identifiers defined in this draft. These
550 identifiers SHOULD begin with S if it would be sensible to include them in a
551 mono-downmix, or O if it would be most sensible to exclude them from a
552 mono-downmix.
553 An example usage might be
554 mapping=2,1,2,1,1/SLguitar,SRguitar,OheadsetG,SLkeyboard,SRkeyboard,OheadsetK,SMbass,OheadsetB"
555 </t>
556
557 <t>
558 Ambisonic channels MUST follow the Furse-Malham naming and weighing
559 conventions for up to third order spherical<xref target="Ambisonic"></xref>.
560 Higher order ambisonic support is application defined but MUST NOT reuse any of WXYZRSTUVKLMNOPQ
561 for higher order components. For example, second order spherical ambisonics SHOULD use the
562 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
563 MUST contain at least one "AW" channel.
564 </t>
565
566 <t>
567 Speaker-feed identifiers are named based on the intended speaker locations. "L", "R" for the left and
568 right speakers, respectively, in conventional stereo or the front left and right in 4, 5,
569 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
570 channels in 7.1 channel surround. Additional speaker-feeds are application specific but should not
571 reuse the prior identifiers. 
572 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".
573 When only one or two channels are used, the mapping parameter MAY be omitted, in which case the
574 default mapping is used. For one channel, the default is "mapping=1/C", while for two channels,
575 the default is "mapping=2/L,R".
576 </t>
577
578 <t> 
579 For example a stereo configuration might signal:  
580 <vspace blankLines="1" />
581 <list style="empty">
582 <t>m=audio 8008 RTP/AVP 97</t>
583 <t>a=ptime: 5</t>
584 <t>a=rtpmap:97 CELT/44100/2</t>
585 <t>a=fmtp:97 frame-size=256;</t>
586 </list> 
587 Which specifies a single two-channel CELT stream according to the default
588 mapping.
589 </t>
590
591 </section>
592
593
594
595
596
597 <section anchor="Issues that need to be addressed" title="Issues that need to be addressed">
598
599 <t>
600 How do we minimize the possibility of encoder-decoder mode mismatch
601 </t>
602
603 <t>
604 Support for redundant data (how)?
605 </t>
606
607 </section>
608
609 <section anchor="RTP Payload Types" title="RTP Payload Types">
610
611 <t>
612 Dynamic payload type codes MUST be negotiated 'out-of-band'
613 for the assignment of a dynamic payload type from the
614 range of 96-127.
615 </t>
616
617 </section>
618
619 <section anchor="Congestion Control" title="Congestion Control">
620
621 <t>
622 CELT allows for bitrate adjustment in one byte per frame
623 increments without any signaling requirement or overhead.
624 Applications SHOULD utilize congestion control to regulate the transmitted bitrate. 
625 </t>
626 </section>
627
628 <section anchor="Security Considerations" title="Security Considerations">
629
630 <t>
631 RTP packets using the payload format defined in this specification
632 are subject to the security considerations discussed in the RTP
633 specification <xref target="rfc3550"></xref>, and in any applicable RTP profile.  The
634 main security considerations for the RTP packet carrying the RTP
635 payload format defined within this memo are confidentiality,
636 integrity and source authenticity.  Confidentiality is achieved by
637 encryption of the RTP payload.  Integrity of the RTP packets through
638 suitable cryptographic integrity protection mechanism.  Cryptographic
639 system may also allow the authentication of the source of the
640 payload.  A suitable security mechanism for this RTP payload format
641 should provide confidentiality, integrity protection and at least
642 source authentication capable of determining if an RTP packet is from
643 a member of the RTP session or not.
644 </t>
645
646 <t>
647 Note that the appropriate mechanism to provide security to RTP and
648 payloads following this memo may vary.  It is dependent on the
649 application, the transport, and the signalling protocol employed.
650 Therefore a single mechanism is not sufficient, although if suitable
651 the usage of SRTP <xref target="rfc3711"></xref> is recommended.  Other mechanism that may
652 be used are IPsec <xref target="rfc4301"></xref> and TLS <xref target="rfc5246"></xref> (RTP over TCP), but
653 also other alternatives may exist.
654 </t>
655
656 <t>
657 This RTP payload format and its media decoder do not exhibit any
658 significant non-uniformity in the receiver-side computational
659 complexity for packet processing, and thus are unlikely to pose a
660 denial-of-service threat due to the receipt of pathological data.
661 Nor does the RTP payload format contain any active content.
662 </t>
663
664 <t>
665 Because this format supports VBR operation small amounts of information
666 about the transmitted audio may be leaked by a length preserving
667 cryptographic transport. Accordingly, when CELT is used inside a secure
668 transport the sender SHOULD restrict the use of VBR to congestion control purposes.
669 </t>
670
671 <t>
672 CELT implementations will typically exhibit tiny content-sensitive encoding
673 time variances. Since transmission is usually triggered by an accurate
674 hardware clock and the encoded data is typically transmitted as soon as
675 encoding is complete this variance may result in a small amount of
676 additional frame to frame jitter which could be measured by a third-party.
677 Encrypted implementations SHOULD transmit packets at fixed intervals to
678 avoid the possible information leak. 
679 </t>
680
681 </section> 
682
683 <section anchor="Acknowledgments" title="Acknowledgments">
684
685 <t>
686 The authors would also like to thank the following members of the 
687 CELT and AVT communities for their input:
688 </t>
689 </section> 
690
691 </middle>
692
693 <back>
694
695 <references title="Normative References">
696
697 <reference anchor="rfc2119">
698 <front>
699 <title>Key words for use in RFCs to Indicate Requirement Levels </title>
700 <author initials="S." surname="Bradner" fullname="Scott Bradner"><organization/></author>
701 </front>
702 <seriesInfo name="RFC" value="2119" />
703 </reference> 
704
705 <reference anchor="rfc3550">
706 <front>
707 <title>RTP: A Transport Protocol for real-time applications</title>
708 <author initials="H." surname="Schulzrinne" fullname=""><organization/></author>
709 <author initials="S." surname="Casner" fullname=""><organization/></author>
710 <author initials="R." surname="Frederick" fullname=""><organization/></author>
711 <author initials="V." surname="Jacobson" fullname=""><organization/></author>
712 </front>
713 <seriesInfo name="RFC" value="3550" />
714 </reference> 
715
716 <reference anchor="rfc2045">
717 <front>
718 <title>Multipurpose Internet Mail Extensions (MIME) Part One: Format of Internet Message Bodies</title>
719 <author initials="" surname="" fullname=""><organization/></author>
720 <date month="November" year="1998" />
721 </front>
722 <seriesInfo name="RFC" value="2045" />
723 </reference> 
724
725 <reference anchor="rfc2327">
726 <front>
727 <title>SDP: Session Description Protocol</title>
728 <author initials="V." surname="Jacobson" fullname=""><organization/></author>
729 <author initials="M." surname="Handley" fullname=""><organization/></author>
730 <date month="April" year="1998" />
731 </front>
732 <seriesInfo name="RFC" value="2327" />
733 </reference> 
734
735 <reference anchor="rfc3551">
736 <front>
737 <title>RTP Profile for Audio and Video Conferences with Minimal Control.</title>
738 <author initials="H." surname="Schulzrinne" fullname=""><organization/></author>
739 <author initials="S." surname="Casner" fullname=""><organization/></author>
740 <date month="July" year="2003" />
741 </front>
742 <seriesInfo name="RFC" value="3551" />
743 </reference> 
744
745 <reference anchor="rfc3534">
746 <front>
747 <title>The application/ogg Media Type</title>
748 <author initials="L." surname="Walleij" fullname=""><organization/></author>
749 <date month="May" year="2003" />
750 </front>
751 <seriesInfo name="RFC" value="3534" />
752 </reference> 
753
754 <reference anchor="rfc3711">
755 <front>
756 <title>The Secure Real-time Transport Protocol (SRTP)</title>
757 <author initials="M." surname="Baugher" fullname=""><organization/></author>
758 <author initials="D." surname="McGrew" fullname=""><organization/></author>
759 <author initials="M." surname="Naslund" fullname=""><organization/></author>
760 <author initials="E." surname="Carrara" fullname=""><organization/></author>
761 <author initials="K." surname="Norrman" fullname=""><organization/></author>
762 <date month="March" year="2004" />
763 </front>
764 <seriesInfo name="RFC" value="3711" />
765 </reference> 
766
767 <reference anchor="rfc4301">
768 <front>
769 <title>Security Architecture for the Internet Protocol</title>
770 <author initials="S." surname="Kent" fullname=""><organization/></author>
771 <author initials="K." surname="Seo" fullname=""><organization/></author>
772 <date month="December" year="2005" />
773 </front>
774 <seriesInfo name="RFC" value="4301" />
775 </reference> 
776
777 <reference anchor="rfc5246">
778 <front>
779 <title>The Transport Layer Security (TLS) Protocol Version 1.2</title>
780 <author initials="T." surname="Dierks" fullname=""><organization/></author>
781 <author initials="E." surname="Rescorla" fullname=""><organization/></author>
782 <date month="August" year="2008" />
783 </front>
784 <seriesInfo name="RFC" value="5246" />
785 </reference> 
786
787
788 </references> 
789
790 <references title="Informative References">
791
792 <reference anchor="celt-website">
793 <front>
794 <title>The CELT ultra-low delay audio codec</title>
795 <author initials="" surname="Xiph.Org Foundation" fullname="Xiph.Org Foundation"><organization/></author>
796 </front>
797 <seriesInfo name="CELT website" value="http://www.celt-codec.org/" />
798 </reference> 
799
800 <reference anchor="Ambisonic">
801 <front>
802 <title>Higher order Ambisonic systems</title>
803 <author initials="D." surname="Malham" fullname="Dave
804 Malham"><organization/></author>
805 <date month="December" year="2003" />
806 </front>
807 <seriesInfo name="Paper"
808 value="http://www.york.ac.uk/inst/mustech/3d_audio/higher_order_ambisonics.pdf" />
809 </reference> 
810
811 </references> 
812
813 </back>
814 </rfc>