Addressing some of Randell Jesup's comments
[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="rfc4566"></xref>, the encoding name MUST be
410 set to "CELT". The sampling frequency is typically between 32000 and 48000 Hz.
411 Implementations MUST support 48000 Hz and SHOULD also support 44100 Hz.
412 </t>
413
414 <t>
415 The SDP parameters have the following interpretation with respect to CELT:
416 </t>
417
418 <t>
419 <list style="empty">
420 <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>
421
422 <t>maxptime: The maximum packetization time desired. As specified in <xref target="rfc4566"></xref>, 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>
423
424 </list>
425 </t>
426
427 <t>
428 CELT-specific parameters can be given via the "a=fmtp:" directive.
429 Several parameters can be given in a single a=fmtp line provided 
430 that they are separated by a semi-colon. The following parameters 
431 are defined for use in this way:
432 </t>
433
434 <t>
435 <list style="empty">
436 <t>bitrate: The desired bit-rate in kbit/s for the codec only (excluding
437 headers and the length bytes). The value MUST be rounded to an integer number
438 of bytes per frame. The round-to-nearest method is RECOMMENDED. The default
439 bit-rate value is 64 kbit/s per channel.</t>
440
441 <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
442 all even frame sizes are supported. The default is 480.</t>
443
444 <t>mapping: Optional string describing the multi-channel mapping.</t>
445 </list> 
446 </t>
447
448 <t>Because the frame-size is not transmitted in-band, an SDP answer MUST 
449 contain only one frame-size, even if multiple frame sizes were offered.
450 </t>
451
452 <t>
453 The selected frame-size values MUST be even. For quality and complexity 
454 reasons, they SHOULD also be divisible by 8 and have a prime factorization
455 which consists only of 2, 3, or 5 factors.
456 For example, powers-of-two and values such as 160, 320, 240, and 480 are
457 recommended. Implementations MUST support receiving and sending the default
458 value of 480, and if the size 480 is supported it MUST be offered. Implementations
459 SHOULD also support frame sizes of 256 and 512 since these are the ones that lead
460 to the lowest complexity. When frame sizes that are powers-of-two are supported,
461 they SHOULD be listed first in the offer and chosen over non-powers-of-two in the
462 answer.
463 </t>
464
465 <t>
466 Care must be taken when setting the value of ptime: and bitrate: so that the
467 RTP packet size does not exceed the path MTU.
468 </t>
469
470 <t>An example of the media representation in SDP for offering a single 
471 channel of CELT at 48000 samples per second might be:
472 </t>
473
474 <t>
475 <vspace blankLines="1" />
476 <list style="empty">
477 <t>m=audio 8088 RTP/AVP 97</t>
478 <t>a=rtpmap:97 CELT/48000/1</t>
479 </list> 
480 </t>
481
482 <t>
483 Note that the RTP payload type code of 97 is defined in this media
484 definition to be 'mapped' to the CELT codec at a 48 kHz sampling
485 frequency using the 'a=rtpmap' line.  Any number from 96 to 127
486 could have been chosen (the allowed range for dynamic types). If there
487 is more than one channel being encoded the rtpmap MUST specify the channel
488 count. When no channel count is included, the default is one channel.
489 </t>
490
491
492 <t>The following example demonstrates the use of the a=fmtp: parameters:</t>
493
494 <t>
495 <vspace blankLines="1" />
496 <list style="empty">
497         <t>m=audio 8008 RTP/AVP 97</t>
498         <t>a=ptime: 25</t>
499         <t>a=rtpmap:97 CELT/44100</t>
500         <t>a=fmtp:97 frame-size=512;bitrate=48</t>
501 </list> 
502 </t>
503
504 <t>
505 This examples illustrate an offerer that wishes to receive a CELT stream at
506 44100 Hz, by packing two 512-sample frames in each packet (less than 25 ms)
507 at around 48 kbps (70 bytes per frame).
508 </t>
509
510 <section anchor="Multichannel Mapping" title="Multichannel Mapping">
511 <t>
512 When more than two channels are used, a mapping parameter MUST be provided.
513 The mapping parameter is defined as comma separated list of integers which specify the
514 number of channels contained in each CELT stream, OPTIONALLY followed by a '/' and a
515 comma separated list of channel identifiers, then OPTIONALLY another '/' and a string
516 which provides an application specific elaboration on any speaker-feed definitions.
517 The channels per stream entries MUST be either 1 or 2. The total number of
518 channels is indicated by the sum of the channels per stream entries. The sum
519 of the channel counts MUST be equal to the total number of channels.
520 </t>
521
522 <t>
523 Channel identifiers are short alphanumeric strings.
524 Each identifier MUST begin with a letter indicating the type of channel. 'A' MUST be
525 used to indicate an ambisonic channel, 'S' to indicate a speaker-feed channel, or 'O'
526 indicating other usage.
527 </t>
528
529 <t>
530 A channel identifier MAY be repeated, but the meaning of such repetition is application specific.
531 Applications SHOULD attempt to utilize channel identifiers such that mixing all identical identifiers
532 would produce a reasonable result.
533 </t>
534
535 <t>
536 Non-surround usage such as individual performer tracks, effect send, "order wire", or
537 other administrative channels may be given application specific identifiers
538 which MUST not conflict with the identifiers defined in this draft. These
539 identifiers SHOULD begin with S if it would be sensible to include them in a
540 mono-downmix, or O if it would be most sensible to exclude them from a
541 mono-downmix.
542 An example usage might be
543 mapping=2,1,2,1,1/SLguitar,SRguitar,OheadsetG,SLkeyboard,SRkeyboard,OheadsetK,SMbass,OheadsetB"
544 </t>
545
546 <t>
547 Ambisonic channels MUST follow the Furse-Malham naming and weighing
548 conventions for up to third order spherical<xref target="Ambisonic"></xref>.
549 Higher order ambisonic support is application defined but MUST NOT reuse any of WXYZRSTUVKLMNOPQ
550 for higher order components. For example, second order spherical ambisonics SHOULD use the
551 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
552 MUST contain at least one "AW" channel.
553 </t>
554
555 <t>
556 Speaker-feed identifiers are named based on the intended speaker locations. "L", "R" for the left and
557 right speakers, respectively, in conventional stereo or the front left and right in 4, 5,
558 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
559 channels in 7.1 channel surround. Additional speaker-feeds are application specific but should not
560 reuse the prior identifiers. 
561 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".
562 When only one or two channels are used, the mapping parameter MAY be omitted, in which case the
563 default mapping is used. For one channel, the default is "mapping=1/C", while for two channels,
564 the default is "mapping=2/L,R".
565 </t>
566
567 <t> 
568 For example a stereo configuration might signal:  
569 <vspace blankLines="1" />
570 <list style="empty">
571 <t>m=audio 8008 RTP/AVP 97</t>
572 <t>a=ptime: 5</t>
573 <t>a=rtpmap:97 CELT/44100/2</t>
574 <t>a=fmtp:97 frame-size=256;</t>
575 </list> 
576 Which specifies a single two-channel CELT stream according to the default
577 mapping.
578 </t>
579
580 </section>
581
582 <section anchor="Low-Overhead Mode" title="Low-Overhead Mode">
583
584 <t>A low-overhead mode is defined to make more efficient use of bandwidth
585 when transmitting CELT frames. In that mode none of the length values need to be transmitted.
586 One the a=fmtp: parameter low-overhead: 
587 is defined and contains a single frame size, followed by a '/', followed by a comma-separated
588 list of the number of bytes per frame for each stream defined in the channel mapping. The number of frames per channel can thus be computed as the payload size divided by the sum of the bytes-per-frame values. 
589 The frame-size: parameter MUST not be specified and SHOULD be ignored if encountered
590 in an SDP offer or answer. The bitrate: parameter MUST also be
591 ignored since the low-overhead: parameter makes it redundant. When the low-overhead:
592 parameter is specified, the length of each frame MUST NOT be encoded in the payload and
593 the bit-rate MUST NOT be changed during the session.
594 </t>
595
596 <t> 
597 For example a low-overhead surround configuration could be signaled as:
598 <list style="empty">
599 <t>m=audio 8008 RTP/AVP 97</t>
600 <t>a=ptime: 5</t>
601 <t>a=rtpmap:97 CELT/48000/6</t>
602 <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>
603 </list>
604
605 In this example, 4 bytes per packet would be saved. This corresponds to a 6 kbit/s
606 reduction in the overhead, although the 60 kbit/s overhead of the IP, UDP and RTP
607 headers is still present.
608 </t>
609
610 </section>
611
612 </section>
613
614 <section anchor="Congestion Control" title="Congestion Control">
615
616 <t>
617 CELT allows any bitrate, with a one byte per frame
618 resolution, without any signaling requirement or overhead.
619 Applications SHOULD utilize congestion control to regulate the transmitted bitrate. 
620 In some applications it may make sense to increase the packetization
621 interval rather than decreasing the codec bitrate. Congestion control
622 implementations should consider the users differential tolerance for high
623 latency and low quality. 
624 </t>
625 </section>
626
627 <section anchor="Security Considerations" title="Security Considerations">
628
629 <t>
630 RTP packets using the payload format defined in this specification
631 are subject to the security considerations discussed in the RTP
632 specification <xref target="rfc3550"></xref>, and in any applicable RTP profile.  The
633 main security considerations for the RTP packet carrying the RTP
634 payload format defined within this memo are confidentiality,
635 integrity and source authenticity.  Confidentiality is achieved by
636 encryption of the RTP payload.  Integrity of the RTP packets through
637 suitable cryptographic integrity protection mechanism.  Cryptographic
638 system may also allow the authentication of the source of the
639 payload.  A suitable security mechanism for this RTP payload format
640 should provide confidentiality, integrity protection and at least
641 source authentication capable of determining if an RTP packet is from
642 a member of the RTP session or not.
643 </t>
644
645 <t>
646 Note that the appropriate mechanism to provide security to RTP and
647 payloads following this memo may vary.  It is dependent on the
648 application, the transport, and the signalling protocol employed.
649 Therefore a single mechanism is not sufficient, although if suitable
650 the usage of SRTP <xref target="rfc3711"></xref> is recommended.  Other mechanism that may
651 be used are IPsec <xref target="rfc4301"></xref> and TLS <xref target="rfc5246"></xref> (RTP over TCP), but also other alternatives may exist.
652 </t>
653
654 <t>
655 This RTP payload format and its media decoder do not exhibit any
656 significant non-uniformity in the receiver-side computational
657 complexity for packet processing, and thus are unlikely to pose a
658 denial-of-service threat due to the receipt of pathological data.
659 Nor does the RTP payload format contain any active content.
660 </t>
661
662 <t>
663 Because this format supports VBR operation small amounts of information
664 about the transmitted audio may be leaked by a length preserving
665 cryptographic transport. Accordingly, when CELT is used inside a secure
666 transport the sender SHOULD restrict the use of VBR to congestion control purposes.
667 </t>
668
669 <t>
670 CELT implementations will typically exhibit tiny content-sensitive encoding
671 time variances. Since transmission is usually triggered by an accurate
672 hardware clock and the encoded data is typically transmitted as soon as
673 encoding is complete this variance may result in a small amount of
674 additional frame to frame jitter which could be measured by a third-party.
675 Encrypted implementations SHOULD transmit packets at fixed intervals to
676 avoid the possible information leak. 
677 </t>
678
679 </section> 
680
681 <section anchor="Acknowledgments" title="Acknowledgments">
682
683 <t>
684 The authors would also like to thank the following people for their input:
685 Timothy B. Terriberry, Ben Schwartz, Alexander Carot, Thorvald Natvig, 
686 Brian West, Steve Underwood, and Anthony Minessale.
687
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="rfc4566">
726 <front>
727 <title>SDP: Session Description Protocol</title>
728 <author initials="M." surname="Handley" fullname=""><organization/></author>
729 <author initials="V." surname="Jacobson" fullname=""><organization/></author>
730 <author initials="C." surname="Perkins" fullname=""><organization/></author>
731 <date month="July" year="2006" />
732 </front>
733 <seriesInfo name="RFC" value="4566" />
734 </reference> 
735
736 <reference anchor="rfc3551">
737 <front>
738 <title>RTP Profile for Audio and Video Conferences with Minimal Control.</title>
739 <author initials="H." surname="Schulzrinne" fullname=""><organization/></author>
740 <author initials="S." surname="Casner" fullname=""><organization/></author>
741 <date month="July" year="2003" />
742 </front>
743 <seriesInfo name="RFC" value="3551" />
744 </reference> 
745
746 <reference anchor="rfc3534">
747 <front>
748 <title>The application/ogg Media Type</title>
749 <author initials="L." surname="Walleij" fullname=""><organization/></author>
750 <date month="May" year="2003" />
751 </front>
752 <seriesInfo name="RFC" value="3534" />
753 </reference> 
754
755 <reference anchor="rfc3711">
756 <front>
757 <title>The Secure Real-time Transport Protocol (SRTP)</title>
758 <author initials="M." surname="Baugher" fullname=""><organization/></author>
759 <author initials="D." surname="McGrew" fullname=""><organization/></author>
760 <author initials="M." surname="Naslund" fullname=""><organization/></author>
761 <author initials="E." surname="Carrara" fullname=""><organization/></author>
762 <author initials="K." surname="Norrman" fullname=""><organization/></author>
763 <date month="March" year="2004" />
764 </front>
765 <seriesInfo name="RFC" value="3711" />
766 </reference> 
767
768 <reference anchor="rfc4301">
769 <front>
770 <title>Security Architecture for the Internet Protocol</title>
771 <author initials="S." surname="Kent" fullname=""><organization/></author>
772 <author initials="K." surname="Seo" fullname=""><organization/></author>
773 <date month="December" year="2005" />
774 </front>
775 <seriesInfo name="RFC" value="4301" />
776 </reference> 
777
778 <reference anchor="rfc5246">
779 <front>
780 <title>The Transport Layer Security (TLS) Protocol Version 1.2</title>
781 <author initials="T." surname="Dierks" fullname=""><organization/></author>
782 <author initials="E." surname="Rescorla" fullname=""><organization/></author>
783 <date month="August" year="2008" />
784 </front>
785 <seriesInfo name="RFC" value="5246" />
786 </reference> 
787
788
789 </references> 
790
791 <references title="Informative References">
792
793 <reference anchor="celt-website">
794 <front>
795 <title>The CELT ultra-low delay audio codec</title>
796 <author initials="" surname="Xiph.Org Foundation" fullname="Xiph.Org Foundation"><organization/></author>
797 </front>
798 <seriesInfo name="CELT website" value="http://www.celt-codec.org/" />
799 </reference> 
800
801 <reference anchor="Ambisonic">
802 <front>
803 <title>Higher order Ambisonic systems</title>
804 <author initials="D." surname="Malham" fullname="Dave
805 Malham"><organization/></author>
806 <date month="December" year="2003" />
807 </front>
808 <seriesInfo name="Paper"
809 value="http://www.york.ac.uk/inst/mustech/3d_audio/higher_order_ambisonics.pdf" />
810 </reference> 
811
812 </references> 
813
814 </back>
815 </rfc>