frame size
[opus.git] / doc / ietf / draft-valin-celt-rtp-profile.xml
index 61614c5..5b716d4 100644 (file)
@@ -1,6 +1,6 @@
 <?xml version='1.0'?>
 <!DOCTYPE rfc SYSTEM 'rfc2629.dtd'>
-<?rfc toc="yes" ?>
+<?rfc symrefs="yes" toc="yes" ?>
 
 <rfc ipr="full3978" docName="RTP Payload Format for the CELT Codec">
 
 </author>
 
 
-<author initials="G" surname="Maxwell" fullname="Gregory">
+<author initials="G" surname="Maxwell" fullname="Gregory Maxwell">
 <organization>Juniper Networks</organization>
 <address>
 <postal>
-<street></street>
-<city></city>
-<region></region>
-<code></code>
+<street>2251 Corporate Park Drive, Suite 100</street>
+<city>Herndon</city>
+<region>VA</region>
+<code>20171-1817</code>
 <country>USA</country>
 </postal>
 <email>gmaxwell@juniper.net</email>
@@ -80,11 +80,11 @@ CELT stands for "Constrained Energy Lapped Transform". It applies some of the CE
 <t>
 <list style="symbols">
 <t>Ultra-low algorithmic delay (typically from 3 to 9 ms)</t>
-<t>Full audio bandwidth (44.1 kHz and 48 kHz)</t>
+<t>Full audio bandwidth (better than 20kHz bandpass)</t>
 <t>Support for both voice and music</t>
 <t>Stereo support</t>
 <t>Packet loss concealment</t>
-<t>Constant bit-rates from 32 kbps to 128 kbps and above</t>
+<t>Constant bitrates from 32 kbps to 128 kbps and above</t>
 <t>Free software/open-source</t>
 </list>
 </t>
@@ -95,45 +95,43 @@ CELT stands for "Constrained Energy Lapped Transform". It applies some of the CE
 
 <t>
 For RTP based transportation of CELT encoded audio the standard 
-RTP header [2] is followed by one or more payload data blocks. 
-An optional padding terminator may also be used. 
+RTP header <xref target="rfc3550"></xref> is followed by one or more payload data blocks. 
+An optional padding terminator may also be used.
 </t>
 
 <t>
 <figure>
 <artwork><![CDATA[
-      0                   1                   2                   3
-      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
-     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
-     |                         RTP Header                            |
-     +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
-     |                 one or more frames of CELT ....              |
-     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
-     |        one or more frames of CELT ....                       |
-     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
+     0                   1                   2                   3
+     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
+    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
+    |                         RTP Header                            |
+    +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
+    |                   one or more frames of CELT ....             |
+    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
+    |                              ....                             |
+    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
 ]]></artwork>
 </figure>
 </t>
 
-</section>
-
 <section anchor="RTP Header" title="RTP Header">
 
 <t>
 <figure>
 <artwork><![CDATA[
-      0                   1                   2                   3
-      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
-     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
-     |V=2|P|X|  CC   |M|     PT      |       sequence number         |
-     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
-     |                           timestamp                           |
-     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
-     |           synchronization source (SSRC) identifier            |
-     +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
-     |            contributing source (CSRC) identifiers             |
-     |                              ...                              |
-     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
+     0                   1                   2                   3
+     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
+    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
+    |V=2|P|X|  CC   |M|     PT      |       sequence number         |
+    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
+    |                           timestamp                           |
+    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
+    |           synchronization source (SSRC) identifier            |
+    +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
+    |            contributing source (CSRC) identifiers             |
+    |                              ...                              |
+    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
 ]]></artwork>
 </figure>
 </t>
@@ -207,54 +205,68 @@ CELT the following values are used.
 <t>
 For the purposes of packetizing the bit stream in RTP, it is only
 necessary to consider the sequence of bits as output by the CELT
-encoder <xref target="celt-website"></xref>, and present the same sequence to the decoder.  The 
-payload format described here maintains this sequence.
+encoder <xref target="celt-website"></xref>, and present the same 
+sequence to the decoder.  The payload format described here maintains
+this sequence.
 </t>
 
 <t>
 A typical CELT frame, encoded at a high bitrate, is approx.
 128 octets and the total number of CELT frames SHOULD be kept 
-less than the path MTU to prevent fragmentation.  CELT frames MUST
-NOT be fragmented across multiple RTP packets,
+less than the path MTU to prevent fragmentation. CELT frames MUST
+NOT be split across multiple RTP packets,
 </t>
 
 <t>
 An RTP packet MAY contain CELT frames of the same bit rate or of
-varying bit rates, since the bit-rate for a frame is implicitly 
+varying bit rates, since the bitrate for the frames is explicitly 
 conveyed in band with the signal.
 </t>
 
 <t>
 The encoding and decoding algorithm can change the bit rate at any
 frame boundary, with the bit rate change notification provided
-implicitly from the compressed frame size. No out-of-band 
-notification is required for the decoder to process changes in the 
-bit rate sent by the encoder.
+in-band. No out-of-band notification is required for the decoder 
+to process changes in the bit rate sent by the encoder.
 </t>
 
 <t>
-It is RECOMMENDED that values of 32000, 44100 and 48000 be used 
+It is RECOMMENDED that sampling rates 32000, 44100, or 48000 Hz be used 
 for most applications, unless a specific reason exists -- such as
 requirements for a very specific packetization time. For example,
-51200 Hz sampling may be useful to obtain a 5ms packetization time
-with 256-sample frames.
+51200 Hz sampling may be useful to obtain a 5 ms packetization time
+with 256-sample frames. For compatibility reasons, the sender and
+receiver MUST support 48000 Hz sampling rate.
 </t>
 
 <t>
-The CELT codec always produces an integer number of bytes, so
-no padding is ever required.
+The CELT codec always produces an integer number of bytes and can 
+produce any integer number of bytes, so no padding is ever required.
+Bitrate adjustment SHOULD be used instead of padding.
 </t>
 
 </section>
 
-<section anchor="Example CELT packet" title="Example CELT packet">
+<section anchor="Multiple CELT frames in a RTP packet" title="Multiple CELT frames in a RTP packet">
 
 <t>
-In the example below we have a single CELT frame in the RTP packet.
+The bitrate used by CELT is implicitly determined by the size of the
+compressed data. When more than one frame is encoded in the same packet,
+it is not possible to determine the size of each encoded frame, so the
+information MUST be explicitly encoded. If N frames are present in a
+packet, N compressed frame sizes need to be encoded at the 
+beginning of the packet. Each size that is less than 255 bytes is encoded
+in one byte (unsigned 8-bit integer). For sizes greater or equal to 255, a 0xff byte is encoded, 
+followed by the size-255. Multiple 0xff bytes are allowed if there are
+more than 510 bytes transmitted. An payload of zero bytes MUST be interpreted as length zero
+for all frames contained in that packet.
 </t>
-
 <t>
-<figure>
+Below is an example of two CELT frames contained within one RTP 
+packet.
+</t>
+
+<t><figure>
 <artwork><![CDATA[
     0                   1                   2                   3
     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
@@ -265,42 +277,24 @@ In the example below we have a single CELT frame in the RTP packet.
    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
    |         synchronization source (SSRC) identifier              |
    +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
-
-    0                   1                   2                   3
-    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
-   +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
    |         contributing source (CSRC) identifiers                |
    |                              ...                              |
    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
-   |                         ..celt data..                         |
+   | length frame 1| length frame 2|          CELT frame 1...      |
+   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
+   |         (frame 1)             |        CELT frame 2...        |
    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
-   |                         ..celt data..                         |
+   |                          (frame 2)                            |
    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
 ]]></artwork>
-</figure>
-</t>
+</figure></t>
 
 </section>
 
-<section anchor="Multiple CELT frames in a RTP packet" title="Multiple CELT frames in a RTP packet">
+<section anchor="Multiple channels" title="Multiple channels">
 
-<t>
-The bit-rate used by CELT is implicitly determined by the size of the
-compressed data. When more than one frame is encoded in the same packet,
-it is not possible to determine the size of each encoded frame, so the
-information must be explicitly encoded. If N frames are present in a
-packet, N-1 compressed frame sizes need to be encoded at the 
-beginning of the packet. Each size that is less than 255 bytes is encoded
-in one byte (unsigned 8-bit integer). For sizes greater or equal to 255, a 0xff byte is encoded, 
-followed by the size-255. Multiple 0xff bytes are allowed if there are
-more than 510 bytes transmitted. A size of zero indicates silence for the
-current frame.
-</t>
-<t>
-Below is an example of two CELT frames contained within one RTP 
-packet.
-</t>
+<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>
 
 <t><figure>
 <artwork><![CDATA[
@@ -317,15 +311,31 @@ packet.
    |                              ...                              |
    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
-   |    length     |        ..celt data..                          |
+   |  Front length |  rear length  | center length |  LFE length   |
+   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
+   |                        Front stereo                           |
+   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
+   |                             ...                               |
+   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
+   |      ...      |        Rear stereo data...                    |
+   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
+   |                             ...                               |
    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
-   |         ..celt data..         |         ..celt data..         |
+   |                       Center mono data...                     |
    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
-   |                        ..celt data..                          |
+   |                             ...                               |
+   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
+   |                               |      LFE mono data...         |
+   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
+   |                             ...                               |
    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
 ]]></artwork>
 </figure></t>
 
+<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>
+
+</section>
+
 </section>
 
 <section anchor="MIME registration of CELT" title="MIME registration of CELT">
@@ -390,9 +400,65 @@ CELT audio only.
 
 <t>
 When conveying information by SDP <xref target="rfc2327"></xref>, the encoding name MUST be
-set to "CELT".  An example of the media representation in SDP for
-offering a single channel of CELT at 48000 samples per second might
-be:
+set to "CELT". The sampling frequency is typically between 32000 and 48000 Hz.
+Implementations SHOULD support both 44100 Hz and 48000 Hz. The maximum bandwidth permitted for
+the CELT audio is encoded using the  "b=AS:" header, as explained in SDP <xref target="rfc2327"></xref>.
+</t>
+
+<t>
+The SDP parameters have the following interpretation with respect to CELT:
+</t>
+
+<t>
+<list style="empty">
+<t>b=AS: The maximum bandwidth (in kbit/s) allowed for CELT, excluding the header overhead. The default is 64 kbit/s.</t>
+
+<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>
+
+<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>
+
+</list>
+</t>
+
+<t>
+CELT-specific parameters can be given via the "a=fmtp:" directive.
+Several parameters can be given in a single a=fmtp line provided 
+that they are separated by a semi-colon. The following parameters 
+are defined for use in this way:
+</t>
+
+<t>
+<list style="empty">
+<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
+all even frame sizes are supported. The default is 480.</t>
+
+<t>mapping: Optional string describing the multi-channel mapping. </t>
+</list>        
+</t>
+
+<t>Because the frame-size is not transmitted in-band, an SDP answer MUST 
+contain only one frame-size, even if multiple frame sizes were offered.
+</t>
+
+<t>
+The selected frame-size values MUST be even. They SHOULD be divisible by 8
+and have a prime factorization which consists only of 2, 3, or 5 factors.
+For example, powers-of-two and values such as 160, 320, 240, and 480 are
+recommended. Implementations MUST support receiving and sending the default
+value of 480, and if the size 480 is supported it MUST be offered. Implementations
+SHOULD also support frame sizes of 256 and 512 since these are the ones that lead
+to the lowest complexity. When frame sizes that are powers of two are supported,
+they SHOULD be listed first in the offer and chosen over non powers of two in the
+answer.
+</t>
+
+<t>
+Care must be taken when setting the value of ptime: and b=AS: so that the
+RTP packet size does not exceed the path MTU.
+</t>
+
+<t>An example of the media representation in SDP for offering a single 
+channel of CELT at 48000 samples per second might be:
 </t>
 
 <t>
@@ -407,18 +473,13 @@ be:
 Note that the RTP payload type code of 97 is defined in this media
 definition to be 'mapped' to the CELT codec at a 48kHz sampling
 frequency using the 'a=rtpmap' line.  Any number from 96 to 127
-could have been chosen (the allowed range for dynamic types).  
-</t>
-
-<t>
-The value of the sampling frequency is typically between 32000 and 48000 Hz.
+could have been chosen (the allowed range for dynamic types). If there
+is more than one channel being encoded the rtpmap MUST specify the channel
+count.
 </t>
 
 <t>
-If for some reason the offerer has bandwidth limitations, the client 
-may use the "b=" header, as explained in SDP <xref target="rfc2327"></xref>. The following example
-illustrates the case where the offerer cannot receive more than
-10 kbit/s.
+The following example illustrates the case where the offerer cannot receive more than 64 kbit/s.
 </t>
 
 <t>
@@ -431,40 +492,23 @@ illustrates the case where the offerer cannot receive more than
 </t>
 
 <t>
-In this case, if the remote part agrees, it should configure its
+In this case, if the remote party agrees, it should configure its
 CELT encoder so that it does not use modes that produce more than
 64 kbit/s. Note that the "b=" constraint also applies on all
 payload types that may be proposed in the media line ("m=").
 </t>
 
-<t>
-An other way to make recommendations to the remote CELT encoder
-is to use its specific parameters via the a=fmtp: directive.  The
-following parameters are defined for use in this way:
-</t>
-
-<t>
-<vspace blankLines="1" />
-<list style="empty">
-<t>frame-size: duration of each frame in samples (default is 256).<vspace blankLines="1" />
-</t>
-
-<t>nb-frames: number of frames per packet (default is 1).<vspace blankLines="1" /></t>
 
-<t>vbr:   variable bit rate  - either 'on' 'off' or 'vad'
-               (defaults to off).  If on, variable bit rate is
-               enabled.  If off, disabled.<vspace blankLines="1" /></t>
-</list>        
-</t>
 
-<t>Examples:</t>
+<t>The following example demonstrates the use of the a=fmtp: parameters:</t>
 
 <t>
 <vspace blankLines="1" />
 <list style="empty">
        <t>m=audio 8008 RTP/AVP 97</t>
+       <t>a=ptime: 21</t>
        <t>a=rtpmap:97 CELT/44100</t>
-       <t>a=fmtp:97 frame-size=512;nb-frames=2</t>
+       <t>a=fmtp:97 frame-size=512;</t>
 </list>        
 </t>
 
@@ -472,40 +516,92 @@ following parameters are defined for use in this way:
 This examples illustrate an offerer that wishes to receive
 a CELT stream at 44100 Hz, by packing two 512-sample frames in each packet.
 </t>
+</section>
 
+<section anchor="Multichannel Mapping" title="Multichannel Mapping">
 <t>
-Several CELT specific parameters can be given in a single
-a=fmtp line provided that they are separated by a semi-colon.
+When more than two channels are used, a mapping parameter MUST be provided.
+The mapping parameter is defined as comma separated list of integers which specify the
+number of channels contained in each CELT stream, OPTIONALLY followed by a '/' and a
+comma separated list of channel identifiers, then OPTIONALLY another '/' and a string
+which provides an application specific elaboration on any speaker-feed definitions.
+The channels per stream entries MUST be either 1 or 2. The total number of
+channels is indicated by the sum of the channels per stream entries. The sum
+of the channel counts MUST be equal to the total number of channels.
 </t>
 
 <t>
-Care must be taken when setting the value of fsize and nframes so that the 
-RTP packet size does not exceed the path MTU. 
+Channel identifiers are short alphanumeric strings.
+Each identifier MUST begin with a letter indicating the type of channel. 'A' MUST be
+used to indicate an ambisonic channel, 'S' to indicate a speaker-feed channel, or 'O'
+indicating other usage.
 </t>
 
-</section>
-
-<section anchor="Issues that need to be addressed" title="Issues that need to be addressed">
+<t>
+A channel identifier MAY be repeated, but the meaning of such repetition is application specific.
+Applications SHOULD attempt to utilize channel identifiers such that mixing all identical identifiers
+would produce a reasonable result.
+</t>
 
 <t>
-Do we allow "custom modes" where the entire mode data could be transmitted in
-an initialization packet?
+Non-surround usage such as individual performer tracks, effect send, "order wire", or
+other administrative channels may be given application specific identifiers
+which MUST not conflict with the identifiers defined in this draft. These
+identifiers SHOULD begin with S if it would be sensible to include them in a
+mono-downmix, or O if it would be most sensible to exclude them from a
+mono-downmix.
+An example usage might be
+mapping=2,1,2,1,1/SLguitar,SRguitar,OheadsetG,SLkeyboard,SRkeyboard,OheadsetK,SMbass,OheadsetB"
 </t>
 
 <t>
-How do we minimize the possibility of encoder-decoder mode mismatch
+Ambisonic channels MUST follow the Furse-Malham naming and weighing
+conventions for up to third order spherical<xref target="Ambisonic"></xref>.
+Higher order ambisonic support is application defined but MUST NOT reuse any of WXYZRSTUVKLMNOPQ
+for higher order components. For example, second order spherical ambisonics SHOULD use the
+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
+MUST contain at least one "AW" channel.
 </t>
 
 <t>
-Do we support more than 2 channels (and how)?
+Speaker-feed identifiers are named based on the intended speaker locations. "L", "R" for the left and
+right speakers, respectively, in conventional stereo or the front left and right in 4, 5,
+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
+channels in 7.1 channel surround. Additional speaker-feeds are application specific but should not
+reuse the prior identifiers. 
+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".
+When only one or two channels are used, the mapping parameter MAY be omitted, in which case the
+default mapping is used. For one channel, the default is "mapping=1/C", while for two channels,
+the default is "mapping=2/L,R".
 </t>
 
+<t> 
+For example a stereo configuration might signal:  
+<vspace blankLines="1" />
+<list style="empty">
+<t>m=audio 8008 RTP/AVP 97</t>
+<t>a=ptime: 5</t>
+<t>a=rtpmap:97 CELT/44100/2</t>
+<t>a=fmtp:97 frame-size=256;</t>
+</list> 
+Which specifies a single two-channel CELT stream according to the default
+mapping.
+</t>
+
+</section>
+
+
+
+
+
+<section anchor="Issues that need to be addressed" title="Issues that need to be addressed">
+
 <t>
-Support for redundant data (how)?
+How do we minimize the possibility of encoder-decoder mode mismatch
 </t>
 
 <t>
-Should we force all frames in a packet to have the same bit-rate? That would remove the need to signal it.
+Support for redundant data (how)?
 </t>
 
 </section>
@@ -520,33 +616,66 @@ range of 96-127.
 
 </section>
 
+<section anchor="Congestion Control" title="Congestion Control">
+
+<t>
+CELT allows for bitrate adjustment in one byte per frame
+increments without any signaling requirement or overhead.
+Applications SHOULD utilize congestion control to regulate the transmitted bitrate. 
+</t>
+</section>
+
 <section anchor="Security Considerations" title="Security Considerations">
 
 <t>
 RTP packets using the payload format defined in this specification
 are subject to the security considerations discussed in the RTP
-specification <xref target="rfc3550"></xref>, and any appropriate RTP profile.  This implies
-that confidentiality of the media streams is achieved by encryption.
-Because the data compression used with this payload format is applied
-end-to-end, encryption may be performed after compression so there is
-no conflict between the two operations.
+specification <xref target="rfc3550"></xref>, and in any applicable RTP profile.  The
+main security considerations for the RTP packet carrying the RTP
+payload format defined within this memo are confidentiality,
+integrity and source authenticity.  Confidentiality is achieved by
+encryption of the RTP payload.  Integrity of the RTP packets through
+suitable cryptographic integrity protection mechanism.  Cryptographic
+system may also allow the authentication of the source of the
+payload.  A suitable security mechanism for this RTP payload format
+should provide confidentiality, integrity protection and at least
+source authentication capable of determining if an RTP packet is from
+a member of the RTP session or not.
+</t>
+
+<t>
+Note that the appropriate mechanism to provide security to RTP and
+payloads following this memo may vary.  It is dependent on the
+application, the transport, and the signalling protocol employed.
+Therefore a single mechanism is not sufficient, although if suitable
+the usage of SRTP <xref target="rfc3711"></xref> is recommended.  Other mechanism that may
+be used are IPsec <xref target="rfc4301"></xref> and TLS <xref target="rfc5246"></xref> (RTP over TCP), but
+also other alternatives may exist.
+</t>
+
+<t>
+This RTP payload format and its media decoder do not exhibit any
+significant non-uniformity in the receiver-side computational
+complexity for packet processing, and thus are unlikely to pose a
+denial-of-service threat due to the receipt of pathological data.
+Nor does the RTP payload format contain any active content.
 </t>
 
 <t>
-A potential denial-of-service threat exists for data encodings using
-compression techniques that have non-uniform receiver-end
-computational load.  The attacker can inject pathological datagrams
-into the stream which are complex to decode and cause the receiver to
-be overloaded.  However, this encoding does not exhibit any
-significant non-uniformity.
+Because this format supports VBR operation small amounts of information
+about the transmitted audio may be leaked by a length preserving
+cryptographic transport. Accordingly, when CELT is used inside a secure
+transport the sender SHOULD restrict the use of VBR to congestion control purposes.
 </t>
 
 <t>
-As with any IP-based protocol, in some circumstances a receiver may
-be overloaded simply by the receipt of too many packets, either
-desired or undesired.  Network-layer authentication may be used to
-discard packets from undesired sources, but the processing cost of
-the authentication itself may be too high.
+CELT implementations will typically exhibit tiny content-sensitive encoding
+time variances. Since transmission is usually triggered by an accurate
+hardware clock and the encoded data is typically transmitted as soon as
+encoding is complete this variance may result in a small amount of
+additional frame to frame jitter which could be measured by a third-party.
+Encrypted implementations SHOULD transmit packets at fixed intervals to
+avoid the possible information leak. 
 </t>
 
 </section> 
@@ -622,6 +751,40 @@ CELT and AVT communities for their input:
 <seriesInfo name="RFC" value="3534" />
 </reference> 
 
+<reference anchor="rfc3711">
+<front>
+<title>The Secure Real-time Transport Protocol (SRTP)</title>
+<author initials="M." surname="Baugher" fullname=""><organization/></author>
+<author initials="D." surname="McGrew" fullname=""><organization/></author>
+<author initials="M." surname="Naslund" fullname=""><organization/></author>
+<author initials="E." surname="Carrara" fullname=""><organization/></author>
+<author initials="K." surname="Norrman" fullname=""><organization/></author>
+<date month="March" year="2004" />
+</front>
+<seriesInfo name="RFC" value="3711" />
+</reference> 
+
+<reference anchor="rfc4301">
+<front>
+<title>Security Architecture for the Internet Protocol</title>
+<author initials="S." surname="Kent" fullname=""><organization/></author>
+<author initials="K." surname="Seo" fullname=""><organization/></author>
+<date month="December" year="2005" />
+</front>
+<seriesInfo name="RFC" value="4301" />
+</reference> 
+
+<reference anchor="rfc5246">
+<front>
+<title>The Transport Layer Security (TLS) Protocol Version 1.2</title>
+<author initials="T." surname="Dierks" fullname=""><organization/></author>
+<author initials="E." surname="Rescorla" fullname=""><organization/></author>
+<date month="August" year="2008" />
+</front>
+<seriesInfo name="RFC" value="5246" />
+</reference> 
+
+
 </references> 
 
 <references title="Informative References">
@@ -634,6 +797,16 @@ CELT and AVT communities for their input:
 <seriesInfo name="CELT website" value="http://www.celt-codec.org/" />
 </reference> 
 
+<reference anchor="Ambisonic">
+<front>
+<title>Higher order Ambisonic systems</title>
+<author initials="D." surname="Malham" fullname="Dave
+Malham"><organization/></author>
+<date month="December" year="2003" />
+</front>
+<seriesInfo name="Paper"
+value="http://www.york.ac.uk/inst/mustech/3d_audio/higher_order_ambisonics.pdf" />
+</reference> 
 
 </references>