Merge commit 'origin/master'
[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="trust200902" 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="11" month="May" 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 and has to be even. 
442 The default is 480.</t>
443
444 <t>mapping: Optional string describing the multi-channel mapping.</t>
445 </list> 
446 </t>
447
448 <t>
449 The selected frame-size values MUST be even. For quality and complexity 
450 reasons, they SHOULD also be divisible by 8 and have a prime factorization
451 which consists only of 2, 3, or 5 factors.
452 For example, powers-of-two and values such as 160, 320, 240, and 480 are
453 recommended. Implementations MUST support receiving and sending the default
454 value of 480. Implementations
455 SHOULD also support frame sizes of 256 and 512 since these are the ones that lead
456 to the lowest complexity. When frame sizes that are powers-of-two are supported,
457 they SHOULD be listed first in the offer and chosen over non-powers-of-two in the
458 answer.
459 </t>
460
461 <t>
462 Care must be taken when setting the value of ptime: and bitrate: so that the
463 RTP packet size does not exceed the path MTU.
464 </t>
465
466 <t>An example of the media representation in SDP for offering a single 
467 channel of CELT at 48000 samples per second might be:
468 </t>
469
470 <t>
471 <vspace blankLines="1" />
472 <list style="empty">
473 <t>m=audio 8088 RTP/AVP 97</t>
474 <t>a=rtpmap:97 CELT/48000/1</t>
475 </list> 
476 </t>
477
478 <t>
479 Note that the RTP payload type code of 97 is defined in this media
480 definition to be 'mapped' to the CELT codec at a 48 kHz sampling
481 frequency using the 'a=rtpmap' line.  Any number from 96 to 127
482 could have been chosen (the allowed range for dynamic types). If there
483 is more than one channel being encoded the rtpmap MUST specify the channel
484 count. When no channel count is included, the default is one channel.
485 </t>
486
487
488 <t>The following example demonstrates the use of the a=fmtp: parameters:</t>
489
490 <t>
491 <vspace blankLines="1" />
492 <list style="empty">
493         <t>m=audio 8008 RTP/AVP 97</t>
494         <t>a=ptime: 25</t>
495         <t>a=rtpmap:97 CELT/44100</t>
496         <t>a=fmtp:97 frame-size=512;bitrate=48</t>
497 </list> 
498 </t>
499
500 <t>
501 This examples illustrate an offerer that wishes to receive a CELT stream at
502 44100 Hz, by packing two 512-sample frames in each packet (less than 25 ms)
503 at around 48 kbps (70 bytes per frame).
504 </t>
505
506 <section anchor="Multichannel Mapping" title="Multichannel Mapping">
507 <t>
508 When more than two channels are used, a mapping parameter MUST be provided.
509 The mapping parameter is defined as comma separated list of integers which specify the
510 number of channels contained in each CELT stream, OPTIONALLY followed by a '/' and a
511 comma separated list of channel identifiers, then OPTIONALLY another '/' and a string
512 which provides an application specific elaboration on any speaker-feed definitions.
513 The channels per stream entries MUST be either 1 or 2. The total number of
514 channels is indicated by the sum of the channels per stream entries. The sum
515 of the channel counts MUST be equal to the total number of channels.
516 </t>
517
518 <t>
519 Channel identifiers are short alphanumeric strings.
520 Each identifier MUST begin with a letter indicating the type of channel. 'A' MUST be
521 used to indicate an ambisonic channel, 'S' to indicate a speaker-feed channel, or 'O'
522 indicating other usage.
523 </t>
524
525 <t>
526 A channel identifier MAY be repeated, but the meaning of such repetition is application specific.
527 Applications SHOULD attempt to utilize channel identifiers such that mixing all identical identifiers
528 would produce a reasonable result.
529 </t>
530
531 <t>
532 Non-surround usage such as individual performer tracks, effect send, "order wire", or
533 other administrative channels may be given application specific identifiers
534 which MUST not conflict with the identifiers defined in this draft. These
535 identifiers SHOULD begin with S if it would be sensible to include them in a
536 mono-downmix, or O if it would be most sensible to exclude them from a
537 mono-downmix.
538 An example usage might be
539 mapping=2,1,2,1,1/SLguitar,SRguitar,OheadsetG,SLkeyboard,SRkeyboard,OheadsetK,SMbass,OheadsetB"
540 </t>
541
542 <t>
543 Ambisonic channels MUST follow the Furse-Malham naming and weighing
544 conventions for up to third order spherical<xref target="Ambisonic"></xref>.
545 Higher order ambisonic support is application defined but MUST NOT reuse any of WXYZRSTUVKLMNOPQ
546 for higher order components. For example, second order spherical ambisonics SHOULD use the
547 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
548 MUST contain at least one "AW" channel.
549 </t>
550
551 <t>
552 Speaker-feed identifiers are named based on the intended speaker locations. "L", "R" for the left and
553 right speakers, respectively, in conventional stereo or the front left and right in 4, 5,
554 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
555 channels in 7.1 channel surround. Additional speaker-feeds are application specific but should not
556 reuse the prior identifiers. 
557 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".
558 When only one or two channels are used, the mapping parameter MAY be omitted, in which case the
559 default mapping is used. For one channel, the default is "mapping=1/C", while for two channels,
560 the default is "mapping=2/L,R".
561 </t>
562
563 <t> 
564 For example a stereo configuration might signal:  
565 <vspace blankLines="1" />
566 <list style="empty">
567 <t>m=audio 8008 RTP/AVP 97</t>
568 <t>a=ptime: 5</t>
569 <t>a=rtpmap:97 CELT/44100/2</t>
570 <t>a=fmtp:97 frame-size=256</t>
571 </list> 
572 Which specifies a single two-channel CELT stream according to the default
573 mapping.
574 </t>
575
576 </section>
577
578 <section anchor="Low-Overhead Mode" title="Low-Overhead Mode">
579
580 <t>A low-overhead mode is defined to make more efficient use of bandwidth
581 when transmitting CELT frames. In that mode none of the length values need to be transmitted.
582 One the a=fmtp: parameter low-overhead: 
583 is defined and contains a single frame size, followed by a '/', followed by a comma-separated
584 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. 
585 The frame-size: parameter MUST not be specified and SHOULD be ignored if encountered
586 in an SDP offer or answer. The bitrate: parameter MUST also be
587 ignored since the low-overhead: parameter makes it redundant. When the low-overhead:
588 parameter is specified, the length of each frame MUST NOT be encoded in the payload and
589 the bit-rate MUST NOT be changed during the session.
590 </t>
591
592 <t> 
593 For example a low-overhead surround configuration could be signaled as:
594 <list style="empty">
595 <t>m=audio 8008 RTP/AVP 97</t>
596 <t>a=ptime: 5</t>
597 <t>a=rtpmap:97 CELT/48000/6</t>
598 <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>
599 </list>
600
601 In this example, 4 bytes per packet would be saved. This corresponds to a 6 kbit/s
602 reduction in the overhead, although the 60 kbit/s overhead of the IP, UDP and RTP
603 headers is still present.
604 </t>
605
606 </section>
607
608 </section>
609
610 <section anchor="Congestion Control" title="Congestion Control">
611
612 <t>
613 CELT allows any bitrate, with a one byte per frame
614 resolution, without any signaling requirement or overhead.
615 Applications SHOULD utilize congestion control to regulate the transmitted bitrate. 
616 In some applications it may make sense to increase the packetization
617 interval rather than decreasing the codec bitrate. Congestion control
618 implementations should consider the users differential tolerance for high
619 latency and low quality. 
620 </t>
621 </section>
622
623 <section anchor="Security Considerations" title="Security Considerations">
624
625 <t>
626 RTP packets using the payload format defined in this specification
627 are subject to the security considerations discussed in the RTP
628 specification <xref target="rfc3550"></xref>, and in any applicable RTP profile.  The
629 main security considerations for the RTP packet carrying the RTP
630 payload format defined within this memo are confidentiality,
631 integrity and source authenticity.  Confidentiality is achieved by
632 encryption of the RTP payload.  Integrity of the RTP packets through
633 suitable cryptographic integrity protection mechanism.  Cryptographic
634 system may also allow the authentication of the source of the
635 payload.  A suitable security mechanism for this RTP payload format
636 should provide confidentiality, integrity protection and at least
637 source authentication capable of determining if an RTP packet is from
638 a member of the RTP session or not.
639 </t>
640
641 <t>
642 Note that the appropriate mechanism to provide security to RTP and
643 payloads following this memo may vary.  It is dependent on the
644 application, the transport, and the signalling protocol employed.
645 Therefore a single mechanism is not sufficient, although if suitable
646 the usage of SRTP <xref target="rfc3711"></xref> is recommended.  Other mechanism that may
647 be used are IPsec <xref target="rfc4301"></xref> and TLS <xref target="rfc5246"></xref> (RTP over TCP), but also other alternatives may exist.
648 </t>
649
650 <t>
651 This RTP payload format and its media decoder do not exhibit any
652 significant non-uniformity in the receiver-side computational
653 complexity for packet processing, and thus are unlikely to pose a
654 denial-of-service threat due to the receipt of pathological data.
655 Nor does the RTP payload format contain any active content.
656 </t>
657
658 <t>
659 Because this format supports VBR operation small amounts of information
660 about the transmitted audio may be leaked by a length preserving
661 cryptographic transport. Accordingly, when CELT is used inside a secure
662 transport the sender SHOULD restrict the use of VBR to congestion control purposes.
663 </t>
664
665 <t>
666 CELT implementations will typically exhibit tiny content-sensitive encoding
667 time variances. Since transmission is usually triggered by an accurate
668 hardware clock and the encoded data is typically transmitted as soon as
669 encoding is complete this variance may result in a small amount of
670 additional frame to frame jitter which could be measured by a third-party.
671 Encrypted implementations SHOULD transmit packets at fixed intervals to
672 avoid the possible information leak. 
673 </t>
674
675 </section> 
676
677 <section anchor="Acknowledgments" title="Acknowledgments">
678
679 <t>
680 The authors would also like to thank the following people for their input:
681 Timothy B. Terriberry, Ben Schwartz, Alexander Carot, Thorvald Natvig, 
682 Brian West, Steve Underwood, and Anthony Minessale.
683
684 </t>
685 </section> 
686
687 </middle>
688
689 <back>
690
691 <references title="Normative References">
692
693 <reference anchor="rfc2119">
694 <front>
695 <title>Key words for use in RFCs to Indicate Requirement Levels </title>
696 <author initials="S." surname="Bradner" fullname="Scott Bradner"><organization/></author>
697 </front>
698 <seriesInfo name="RFC" value="2119" />
699 </reference> 
700
701 <reference anchor="rfc3550">
702 <front>
703 <title>RTP: A Transport Protocol for real-time applications</title>
704 <author initials="H." surname="Schulzrinne" fullname=""><organization/></author>
705 <author initials="S." surname="Casner" fullname=""><organization/></author>
706 <author initials="R." surname="Frederick" fullname=""><organization/></author>
707 <author initials="V." surname="Jacobson" fullname=""><organization/></author>
708 </front>
709 <seriesInfo name="RFC" value="3550" />
710 </reference> 
711
712 <reference anchor="rfc2045">
713 <front>
714 <title>Multipurpose Internet Mail Extensions (MIME) Part One: Format of Internet Message Bodies</title>
715 <author initials="" surname="" fullname=""><organization/></author>
716 <date month="November" year="1998" />
717 </front>
718 <seriesInfo name="RFC" value="2045" />
719 </reference> 
720
721 <reference anchor="rfc4566">
722 <front>
723 <title>SDP: Session Description Protocol</title>
724 <author initials="M." surname="Handley" fullname=""><organization/></author>
725 <author initials="V." surname="Jacobson" fullname=""><organization/></author>
726 <author initials="C." surname="Perkins" fullname=""><organization/></author>
727 <date month="July" year="2006" />
728 </front>
729 <seriesInfo name="RFC" value="4566" />
730 </reference> 
731
732 <reference anchor="rfc3551">
733 <front>
734 <title>RTP Profile for Audio and Video Conferences with Minimal Control.</title>
735 <author initials="H." surname="Schulzrinne" fullname=""><organization/></author>
736 <author initials="S." surname="Casner" fullname=""><organization/></author>
737 <date month="July" year="2003" />
738 </front>
739 <seriesInfo name="RFC" value="3551" />
740 </reference> 
741
742 <reference anchor="rfc3534">
743 <front>
744 <title>The application/ogg Media Type</title>
745 <author initials="L." surname="Walleij" fullname=""><organization/></author>
746 <date month="May" year="2003" />
747 </front>
748 <seriesInfo name="RFC" value="3534" />
749 </reference> 
750
751 <reference anchor="rfc3711">
752 <front>
753 <title>The Secure Real-time Transport Protocol (SRTP)</title>
754 <author initials="M." surname="Baugher" fullname=""><organization/></author>
755 <author initials="D." surname="McGrew" fullname=""><organization/></author>
756 <author initials="M." surname="Naslund" fullname=""><organization/></author>
757 <author initials="E." surname="Carrara" fullname=""><organization/></author>
758 <author initials="K." surname="Norrman" fullname=""><organization/></author>
759 <date month="March" year="2004" />
760 </front>
761 <seriesInfo name="RFC" value="3711" />
762 </reference> 
763
764 <reference anchor="rfc4301">
765 <front>
766 <title>Security Architecture for the Internet Protocol</title>
767 <author initials="S." surname="Kent" fullname=""><organization/></author>
768 <author initials="K." surname="Seo" fullname=""><organization/></author>
769 <date month="December" year="2005" />
770 </front>
771 <seriesInfo name="RFC" value="4301" />
772 </reference> 
773
774 <reference anchor="rfc5246">
775 <front>
776 <title>The Transport Layer Security (TLS) Protocol Version 1.2</title>
777 <author initials="T." surname="Dierks" fullname=""><organization/></author>
778 <author initials="E." surname="Rescorla" fullname=""><organization/></author>
779 <date month="August" year="2008" />
780 </front>
781 <seriesInfo name="RFC" value="5246" />
782 </reference> 
783
784
785 </references> 
786
787 <references title="Informative References">
788
789 <reference anchor="celt-website">
790 <front>
791 <title>The CELT ultra-low delay audio codec</title>
792 <author initials="" surname="Xiph.Org Foundation" fullname="Xiph.Org Foundation"><organization/></author>
793 </front>
794 <seriesInfo name="CELT website" value="http://www.celt-codec.org/" />
795 </reference> 
796
797 <reference anchor="Ambisonic">
798 <front>
799 <title>Higher order Ambisonic systems</title>
800 <author initials="D." surname="Malham" fullname="Dave
801 Malham"><organization/></author>
802 <date month="December" year="2003" />
803 </front>
804 <seriesInfo name="Paper"
805 value="http://www.york.ac.uk/inst/mustech/3d_audio/higher_order_ambisonics.pdf" />
806 </reference> 
807
808 </references> 
809
810 </back>
811 </rfc>