RTP draft edits (no normative changes).
[opus.git] / doc / draft-ietf-payload-rtp-opus.xml
1 <?xml version="1.0" encoding="UTF-8"?>
2 <!DOCTYPE rfc SYSTEM "rfc2629.dtd" [
3 <!ENTITY rfc2119 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.2119.xml'>
4 <!ENTITY rfc3550 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.3550.xml'>
5 <!ENTITY rfc3711 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.3711.xml'>
6 <!ENTITY rfc3551 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.3551.xml'>
7 <!ENTITY rfc4288 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.4288.xml'>
8 <!ENTITY rfc4855 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.4855.xml'>
9 <!ENTITY rfc4566 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.4566.xml'>
10 <!ENTITY rfc3264 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.3264.xml'>
11 <!ENTITY rfc2974 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.2974.xml'>
12 <!ENTITY rfc2326 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.2326.xml'>
13 <!ENTITY rfc3555 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.3555.xml'>
14 <!ENTITY rfc5576 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.5576.xml'>
15 <!ENTITY rfc6562 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.6562.xml'>
16 <!ENTITY rfc6716 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.6716.xml'>
17 <!ENTITY nbsp "&#160;">
18   ]>
19
20   <rfc category="std" ipr="trust200902" docName="draft-ietf-payload-rtp-opus-01">
21 <?xml-stylesheet type='text/xsl' href='rfc2629.xslt' ?>
22
23 <?rfc strict="yes" ?>
24 <?rfc toc="yes" ?>
25 <?rfc tocdepth="3" ?>
26 <?rfc tocappendix='no' ?>
27 <?rfc tocindent='yes' ?>
28 <?rfc symrefs="yes" ?>
29 <?rfc sortrefs="yes" ?>
30 <?rfc compact="no" ?>
31 <?rfc subcompact="yes" ?>
32 <?rfc iprnotified="yes" ?>
33
34   <front>
35     <title abbrev="RTP Payload Format for Opus Codec">
36       RTP Payload Format for Opus Speech and Audio Codec
37     </title>
38
39     <author fullname="Julian Spittka" initials="J." surname="Spittka">
40       <address>
41         <email>jspittka@gmail.com</email>
42       </address>
43     </author>
44
45     <author initials='K.' surname='Vos' fullname='Koen Vos'>
46       <organization>vocTone</organization>
47       <address>
48         <postal>
49           <street></street>
50           <code></code>
51           <city></city>
52           <region></region>
53           <country></country>
54         </postal>
55         <email>koenvos74@gmail.com</email>
56       </address>
57     </author>
58
59     <author initials="JM" surname="Valin" fullname="Jean-Marc Valin">
60       <organization>Mozilla</organization>
61       <address>
62         <postal>
63           <street>650 Castro Street</street>
64           <city>Mountain View</city>
65           <region>CA</region>
66           <code>94041</code>
67           <country>USA</country>
68         </postal>
69         <email>jmvalin@jmvalin.ca</email>
70       </address>
71     </author>
72
73     <date day='14' month='January' year='2014' />
74
75     <abstract>
76       <t>
77         This document defines the Real-time Transport Protocol (RTP) payload
78         format for packetization of Opus encoded
79         speech and audio data necessary to integrate the codec in the
80         most compatible way. Further, it describes media type registrations
81         for the RTP payload format.
82       </t>
83     </abstract>
84   </front>
85
86   <middle>
87     <section title='Introduction'>
88       <t>
89         The Opus codec is a speech and audio codec developed within the
90         IETF Internet Wideband Audio Codec working group. The codec
91         has a very low algorithmic delay and it
92         is highly scalable in terms of audio bandwidth, bitrate, and
93         complexity. Further, it provides different modes to efficiently encode speech signals
94         as well as music signals, thus making it the codec of choice for
95         various applications using the Internet or similar networks.
96       </t>
97       <t>
98         This document defines the Real-time Transport Protocol (RTP)
99         <xref target="RFC3550"/> payload format for packetization
100         of Opus encoded speech and audio data necessary to
101         integrate the Opus codec in the
102         most compatible way. Further, it describes media type registrations for
103         the RTP payload format. More information on the Opus
104         codec can be obtained from <xref target="RFC6716"/>.
105       </t>
106     </section>
107
108     <section title='Conventions, Definitions and Acronyms used in this document'>
109       <t>The key words "MUST", "MUST NOT", "REQUIRED", "SHALL", "SHALL NOT",
110       "SHOULD", "SHOULD NOT", "RECOMMENDED", "MAY", and "OPTIONAL" in this
111       document are to be interpreted as described in <xref target="RFC2119"/>.</t>
112       <t>
113       <list style='hanging'>
114           <t hangText="CBR:"> Constant bitrate</t>
115           <t hangText="CPU:"> Central Processing Unit</t>
116           <t hangText="DTX:"> Discontinuous transmission</t>
117           <t hangText="FEC:"> Forward error correction</t>
118           <t hangText="IP:"> Internet Protocol</t>
119           <t hangText="samples:"> Speech or audio samples (per channel)</t>
120           <t hangText="SDP:"> Session Description Protocol</t>
121           <t hangText="VBR:"> Variable bitrate</t>
122       </list>
123       </t>
124       <section title='Audio Bandwidth'>
125         <t>
126           Throughout this document, we refer to the following definitions:
127         </t>
128           <texttable anchor='bandwidth_definitions'>
129             <ttcol align='center'>Abbreviation</ttcol>
130             <ttcol align='center'>Name</ttcol>
131             <ttcol align='center'>Audio Bandwidth (Hz)</ttcol>
132             <ttcol align='center'>Sampling Rate (Hz)</ttcol>
133             <c>NB</c>
134             <c>Narrowband</c>
135             <c>0 - 4000</c>
136             <c>8000</c>
137
138             <c>MB</c>
139             <c>Mediumband</c>
140             <c>0 - 6000</c>
141             <c>12000</c>
142
143             <c>WB</c>
144             <c>Wideband</c>
145             <c>0 - 8000</c>
146             <c>16000</c>
147
148             <c>SWB</c>
149             <c>Super-wideband</c>
150             <c>0 - 12000</c>
151             <c>24000</c>
152
153             <c>FB</c>
154             <c>Fullband</c>
155             <c>0 - 20000</c>
156             <c>48000</c>
157
158             <postamble>
159               Audio bandwidth naming
160             </postamble>
161           </texttable>
162       </section>
163     </section>
164
165     <section title='Opus Codec'>
166       <t>
167         The Opus <xref target="RFC6716"/> codec encodes speech
168         signals as well as general audio signals. Two different modes can be
169         chosen, a voice mode or an audio mode, to allow the most efficient coding
170         depending on the type of the input signal, the sampling frequency of the
171         input signal, and the intended application.
172       </t>
173
174       <t>
175         The voice mode allows efficient encoding of voice signals at lower bit
176         rates while the audio mode is optimized for general audio signals at medium and
177         higher bitrates.
178       </t>
179
180       <t>
181         The Opus speech and audio codec is highly scalable in terms of audio
182         bandwidth, bitrate, and complexity. Further, Opus allows
183         transmitting stereo signals.
184       </t>
185
186       <section title='Network Bandwidth'>
187           <t>
188             Opus supports all bitrates from 6&nbsp;kb/s to 510&nbsp;kb/s.
189             The bitrate can be changed dynamically within that range.
190             All
191             other parameters being
192             equal, higher bitrates result in higher quality.
193           </t>
194           <section title='Recommended Bitrate' anchor='bitrate_by_bandwidth'>
195           <t>
196             For a frame size of
197             20&nbsp;ms, these
198             are the bitrate "sweet spots" for Opus in various configurations:
199
200           <list style="symbols">
201             <t>8-12 kb/s for NB speech,</t>
202             <t>16-20 kb/s for WB speech,</t>
203             <t>28-40 kb/s for FB speech,</t>
204             <t>48-64 kb/s for FB mono music, and</t>
205             <t>64-128 kb/s for FB stereo music.</t>
206           </list>
207         </t>
208       </section>
209         <section title='Variable versus Constant Bitrate'  anchor='variable-vs-constant-bitrate'>
210           <t>
211             For the same average bitrate, variable bitrate (VBR) can achieve higher quality
212             than constant bitrate (CBR). For the majority of voice transmission applications, VBR
213             is the best choice. One reason for choosing CBR is the potential
214             information leak that <spanx style='emph'>might</spanx> occur when encrypting the
215             compressed stream. See <xref target="RFC6562"/> for guidelines on when VBR is
216             appropriate for encrypted audio communications. In the case where an existing
217             VBR stream needs to be converted to CBR for security reasons, then the Opus padding
218             mechanism described in <xref target="RFC6716"/> is the RECOMMENDED way to achieve padding
219             because the RTP padding bit is unencrypted.</t>
220
221           <t>
222             The bitrate can be adjusted at any point in time. To avoid congestion,
223             the average bitrate SHOULD be adjusted to the available
224             network capacity. If no target bitrate is specified, the bitrates specified in
225             <xref target='bitrate_by_bandwidth'/> are RECOMMENDED.
226           </t>
227
228         </section>
229
230         <section title='Discontinuous Transmission (DTX)'>
231
232           <t>
233             The Opus codec can, as described in <xref target='variable-vs-constant-bitrate'/>,
234             be operated with a variable bitrate. In that case, the encoder will
235             automatically reduce the bitrate for certain input signals, like periods
236             of silence. When using continuous transmission, it will reduce the
237             bitrate when the characteristics of the input signal permit, but
238             will never interrupt the transmission to the receiver. Therefore, the
239             received signal will maintain the same high level of quality over the
240             full duration of a transmission while minimizing the average bit
241             rate over time.
242           </t>
243
244           <t>
245             In cases where the bitrate of Opus needs to be reduced even
246             further or in cases where only constant bitrate is available,
247             the Opus encoder can use discontinuous
248             transmission (DTX), where parts of the encoded signal that
249             correspond to periods of silence in the input speech or audio signal
250             are not transmitted to the receiver.
251           </t>
252
253           <t>
254             On the receiving side, the non-transmitted parts will be handled by a
255             frame loss concealment unit in the Opus decoder which generates a
256             comfort noise signal to replace the non transmitted parts of the
257             speech or audio signal.
258           </t>
259
260           <t>
261             DTX can be used with both variable and constant bitrate.
262             It will have a slightly lower speech or audio
263             quality than continuous transmission. Therefore, using continuous
264             transmission is RECOMMENDED unless restraints on network capacity
265             are severe.
266           </t>
267
268         </section>
269
270         </section>
271
272       <section title='Complexity'>
273
274         <t>
275           Complexity can be scaled to optimize for CPU resources in real-time, mostly as
276           a trade-off between audio quality and bitrate. Also, different modes of Opus have different complexity.
277         </t>
278
279       </section>
280
281       <section title="Forward Error Correction (FEC)">
282
283         <t>
284           The voice mode of Opus allows for embedding "in-band" forward error correction (FEC)
285           data into the Opus bit stream. This FEC scheme adds
286           redundant information about the previous packet (N-1) to the current
287           output packet N. For
288           each frame, the encoder decides whether to use FEC based on (1) an
289           externally-provided estimate of the channel's packet loss rate; (2) an
290           externally-provided estimate of the channel's capacity; (3) the
291           sensitivity of the audio or speech signal to packet loss; (4) whether
292           the receiving decoder has indicated it can take advantage of "in-band"
293           FEC information. The decision to send "in-band" FEC information is
294           entirely controlled by the encoder and therefore no special precautions
295           for the payload have to be taken.
296         </t>
297
298         <t>
299           On the receiving side, the decoder can take advantage of this
300           additional information when it loses a packet and the next packet
301           is available.  In order to use the FEC data, the jitter buffer needs
302           to provide access to payloads with the FEC data.  The decoder API function
303           has a flag to indicate that a FEC frame rather than a regular frame should
304           be decoded.  If no FEC data is available for the current frame, the decoder
305           will consider the frame lost and invoke frame loss concealment.
306         </t>
307
308         <t>
309           If the FEC scheme is not implemented on the receiving side, FEC
310           SHOULD NOT be used, as it leads to an inefficient usage of network
311           resources. Decoder support for FEC SHOULD be indicated at the time a
312           session is set up.
313         </t>
314
315       </section>
316
317       <section title='Stereo Operation'>
318
319         <t>
320           Opus allows for transmission of stereo audio signals. This operation
321           is signaled in-band in the Opus payload and no special arrangement
322           is needed in the payload format. Any implementation of the Opus
323           decoder MUST be capable of receiving stereo signals, although it MAY
324           decode those signals as mono.
325         </t>
326         <t>
327           If a decoder can not take advantage of the benefits of a stereo signal
328           this SHOULD be indicated at the time a session is set up. In that case
329           the sending side SHOULD NOT send stereo signals as it leads to an
330           inefficient usage of network resources.
331         </t>
332
333       </section>
334
335     </section>
336
337     <section title='Opus RTP Payload Format' anchor='opus-rtp-payload-format'>
338       <t>The payload format for Opus consists of the RTP header and Opus payload
339       data.</t>
340       <section title='RTP Header Usage'>
341         <t>The format of the RTP header is specified in <xref target="RFC3550"/>.
342         The use of the fields of the RTP header by the Opus payload format is
343         consistent with that specification.</t>
344
345         <t>The payload length of Opus is an integer number of octets and
346         therefore no padding is necessary. The payload MAY be padded by an
347         integer number of octets according to <xref target="RFC3550"/>.</t>
348
349         <t>The marker bit (M) of the RTP header is used in accordance with
350         Section 4.1 of <xref target="RFC3551"/>.</t>
351
352         <t>The RTP payload type for Opus has not been assigned statically and is
353         expected to be assigned dynamically.</t>
354
355         <t>The receiving side MUST be prepared to receive duplicate RTP
356         packets. The receiver MUST provide only one of those payloads to the
357         Opus decoder for decoding, and MUST discard the others.</t>
358
359         <t>Opus supports 5 different audio bandwidths, which can be adjusted during
360         a call.
361         The RTP timestamp is incremented with a 48000 Hz clock rate
362         for all modes of Opus and all sampling rates.
363         The unit
364         for the timestamp is samples per single (mono) channel. The RTP timestamp corresponds to the
365         sample time of the first encoded sample in the encoded frame.
366         For data encoded with sampling rates other than 48000 Hz,
367         the sampling rate has to be adjusted to 48000 Hz using the
368         corresponding multiplier in <xref target="fs-upsample-factors"/>.</t>
369
370         <texttable anchor='fs-upsample-factors' title="Timestamp multiplier">
371           <ttcol align='center'>Sampling Rate (Hz)</ttcol>
372           <ttcol align='center'>Multiplier</ttcol>
373           <c>8000</c>
374           <c>6</c>
375           <c>12000</c>
376           <c>4</c>
377           <c>16000</c>
378           <c>3</c>
379           <c>24000</c>
380           <c>2</c>
381           <c>48000</c>
382           <c>1</c>
383         </texttable>
384       </section>
385
386       <section title='Payload Structure'>
387         <t>
388           The Opus encoder can output encoded frames representing 2.5, 5, 10, 20,
389           40, or 60&nbsp;ms of speech or audio data. Further, an arbitrary number of frames can be
390           combined into a packet, up to a maximum packet duration representing
391           120&nbsp;ms of speech or audio data. The packetization of encoded data
392           is purely done by the Opus encoder, and therefore an RTP payload MUST
393           contain exactly one packet output from the Opus encoder.
394         </t>
395
396         <t><xref target='payload-structure'/> shows the structure combined with the RTP header.</t>
397
398         <figure anchor="payload-structure"
399                 title="Payload Structure with RTP header">
400           <artwork align="center">
401             <![CDATA[
402 +----------+--------------+
403 |RTP Header| Opus Payload |
404 +----------+--------------+
405            ]]>
406           </artwork>
407         </figure>
408
409         <t>
410           <xref target='opus-packetization'/> shows supported frame sizes in 
411           milliseconds of encoded speech or audio data for the speech and audio modes
412           (Mode) and sampling rates (fs) of Opus and shows how the timestamp is
413           incremented for packetization (ts incr). If the Opus encoder
414           outputs multiple encoded frames into a single packet, the timestamp
415           increment is the sum of the increments for the individual frames.
416         </t>
417
418         <texttable anchor='opus-packetization' title="Supported Opus frame 
419          sizes and timestamp increments">
420             <ttcol align='center'>Mode</ttcol>
421             <ttcol align='center'>fs</ttcol>
422             <ttcol align='center'>2.5</ttcol>
423             <ttcol align='center'>5</ttcol>
424             <ttcol align='center'>10</ttcol>
425             <ttcol align='center'>20</ttcol>
426             <ttcol align='center'>40</ttcol>
427             <ttcol align='center'>60</ttcol>
428             <c>ts incr</c>
429             <c>all</c>
430             <c>120</c>
431             <c>240</c>
432             <c>480</c>
433             <c>960</c>
434             <c>1920</c>
435             <c>2880</c>
436             <c>voice</c>
437             <c>NB/MB/WB/SWB/FB</c>
438             <c></c>
439             <c></c>
440             <c>x</c>
441             <c>x</c>
442             <c>x</c>
443             <c>x</c>
444             <c>audio</c>
445             <c>NB/WB/SWB/FB</c>
446             <c>x</c>
447             <c>x</c>
448             <c>x</c>
449             <c>x</c>
450             <c></c>
451             <c></c>
452           </texttable>
453
454       </section>
455
456     </section>
457
458     <section title='Congestion Control'>
459
460       <t>The target bitrate of Opus can be adjusted at any point in time, thus
461       allowing efficient congestion control. Furthermore, the amount
462       of encoded speech or audio data encoded in a
463       single packet can be used for congestion control, since the transmission
464       rate is inversely proportional to the packet duration. A lower packet
465       transmission rate reduces the amount of header overhead, but at the same
466       time increases latency and loss sensitivity, so it ought to be used with
467       care.</t>
468
469       <t>It is RECOMMENDED that senders of Opus encoded data apply congestion
470       control.</t>
471     </section>
472
473     <section title='IANA Considerations'>
474       <t>One media subtype (audio/opus) has been defined and registered as
475       described in the following section.</t>
476
477       <section title='Opus Media Type Registration'>
478         <t>Media type registration is done according to <xref
479         target="RFC4288"/> and <xref target="RFC4855"/>.<vspace
480         blankLines='1'/></t>
481
482           <t>Type name: audio<vspace blankLines='1'/></t>
483           <t>Subtype name: opus<vspace blankLines='1'/></t>
484
485           <t>Required parameters:</t>
486           <t><list style="hanging">
487             <t hangText="rate:"> the RTP timestamp is incremented with a
488             48000 Hz clock rate for all modes of Opus and all sampling
489             rates. For data encoded with sampling rates other than 48000 Hz,
490             the sampling rate has to be adjusted to 48000 Hz using the
491             corresponding multiplier in <xref target="fs-upsample-factors"/>.
492           </t>
493           </list></t>
494
495           <t>Optional parameters:</t>
496
497           <t><list style="hanging">
498             <t hangText="maxplaybackrate:">
499               a hint about the maximum output sampling rate that the receiver is
500               capable of rendering in Hz.
501               The decoder MUST be capable of decoding
502               any audio bandwidth but due to hardware limitations only signals
503               up to the specified sampling rate can be played back. Sending signals
504               with higher audio bandwidth results in higher than necessary network
505               usage and encoding complexity, so an encoder SHOULD NOT encode
506               frequencies above the audio bandwidth specified by maxplaybackrate.
507               This parameter can take any value between 8000 and 48000, although
508               commonly the value will match one of the Opus bandwidths 
509               (<xref target="bandwidth_definitions"/>).
510               By default, the receiver is assumed to have no limitations, i.e. 48000.
511               <vspace blankLines='1'/>
512             </t>
513
514             <t hangText="sprop-maxcapturerate:">
515               a hint about the maximum input sampling rate that the sender is likely to produce.
516               This is not a guarantee that the sender will never send any higher bandwidth
517               (e.g. it could send a pre-recorded prompt that uses a higher bandwidth), but it
518               indicates to the receiver that frequencies above this maximum can safely be discarded.
519               This parameter is useful to avoid wasting receiver resources by operating the audio
520               processing pipeline (e.g. echo cancellation) at a higher rate than necessary.
521               This parameter can take any value between 8000 and 48000, although
522               commonly the value will match one of the Opus bandwidths 
523               (<xref target="bandwidth_definitions"/>).
524               By default, the sender is assumed to have no limitations, i.e. 48000.
525               <vspace blankLines='1'/>
526             </t>
527
528             <t hangText="maxptime:"> the maximum duration of media represented
529             by a packet (according to Section&nbsp;6 of
530             <xref target="RFC4566"/>) that a decoder wants to receive, in
531             milliseconds rounded up to the next full integer value.
532             Possible values are 3, 5, 10, 20, 40, 60, or an arbitrary
533             multiple of an Opus frame size rounded up to the next full integer
534             value, up to a maximum value of 120, as
535             defined in <xref target='opus-rtp-payload-format'/>. If no value is
536               specified, the default is 120. This value is a recommendation
537               by the decoding side to ensure the best
538               performance for the decoder. The decoder MUST be
539               capable of accepting any allowed packet sizes to
540               ensure maximum compatibility.
541               <vspace blankLines='1'/></t>
542
543             <t hangText="ptime:"> the preferred duration of media represented
544             by a packet (according to Section&nbsp;6 of
545             <xref target="RFC4566"/>) that a decoder wants to receive, in
546             milliseconds rounded up to the next full integer value.
547             Possible values are 3, 5, 10, 20, 40, 60, or an arbitrary
548             multiple of an Opus frame size rounded up to the next full integer
549             value, up to a maximum value of 120, as defined in <xref
550             target='opus-rtp-payload-format'/>. If no value is
551               specified, the default is 20. If ptime is greater than
552               maxptime, ptime MUST be ignored. This parameter MAY be changed
553               during a session. This value is a recommendation by the decoding
554               side to ensure the best
555               performance for the decoder. The decoder MUST be
556               capable of accepting any allowed packet sizes to
557               ensure maximum compatibility.
558               <vspace blankLines='1'/></t>
559
560             <t hangText="minptime:"> the minimum duration of media represented
561             by a packet (according to Section&nbsp;6 of
562             <xref target="RFC4566"/>) that SHOULD be encapsulated in a received
563             packet, in milliseconds rounded up to the next full integer value.
564             Possible values are 3, 5, 10, 20, 40, and 60
565             or an arbitrary multiple of Opus frame sizes rounded up to the next
566             full integer value up to a maximum value of 120
567             as defined in <xref target='opus-rtp-payload-format'/>. If no value is
568               specified, the default is 3. This value is a recommendation
569               by the decoding side to ensure the best
570               performance for the decoder. The decoder MUST be
571               capable to accept any allowed packet sizes to
572               ensure maximum compatibility.
573               <vspace blankLines='1'/></t>
574
575             <t hangText="maxaveragebitrate:"> specifies the maximum average
576             receive bitrate of a session in bits per second (b/s). The actual
577             value of the bitrate can vary, as it is dependent on the
578             characteristics of the media in a packet. Note that the maximum
579             average bitrate MAY be modified dynamically during a session. Any
580             positive integer is allowed, but values outside the range
581             6000 to 510000 SHOULD be ignored. If no value is specified, the
582             maximum value specified in <xref target='bitrate_by_bandwidth'/>
583             for the corresponding mode of Opus and corresponding maxplaybackrate
584             is the default.<vspace blankLines='1'/></t>
585
586             <t hangText="stereo:">
587               specifies whether the decoder prefers receiving stereo or mono signals.
588               Possible values are 1 and 0 where 1 specifies that stereo signals are preferred,
589               and 0 specifies that only mono signals are preferred.
590               Independent of the stereo parameter every receiver MUST be able to receive and
591               decode stereo signals but sending stereo signals to a receiver that signaled a
592               preference for mono signals may result in higher than necessary network
593               utilization and encoding complexity. If no value is specified,
594               the default is 0 (mono).<vspace blankLines='1'/>
595             </t>
596
597             <t hangText="sprop-stereo:">
598               specifies whether the sender is likely to produce stereo audio.
599               Possible values are 1 and 0, where 1 specifies that stereo signals are likely to
600               be sent, and 0 specifies that the sender will likely only send mono.
601               This is not a guarantee that the sender will never send stereo audio
602               (e.g. it could send a pre-recorded prompt that uses stereo), but it
603               indicates to the receiver that the received signal can be safely downmixed to mono.
604               This parameter is useful to avoid wasting receiver resources by operating the audio
605               processing pipeline (e.g. echo cancellation) in stereo when not necessary.
606               If no value is specified, the default is 0
607               (mono).<vspace blankLines='1'/>
608             </t>
609
610             <t hangText="cbr:">
611               specifies if the decoder prefers the use of a constant bitrate versus
612               variable bitrate. Possible values are 1 and 0, where 1 specifies constant
613               bitrate and 0 specifies variable bitrate. If no value is specified,
614               the default is 0 (vbr). When cbr is 1, the maximum average bitrate can still
615               change, e.g. to adapt to changing network conditions.<vspace blankLines='1'/>
616             </t>
617
618             <t hangText="useinbandfec:"> specifies that the decoder has the capability to
619             take advantage of the Opus in-band FEC. Possible values are 1 and 0.
620             Providing 0 when FEC cannot be used on the receiving side is
621             RECOMMENDED. If no
622             value is specified, useinbandfec is assumed to be 0.
623             This parameter is only a preference and the receiver MUST be able to process
624             packets that include FEC information, even if it means the FEC part is discarded.
625             <vspace blankLines='1'/></t>
626
627             <t hangText="usedtx:"> specifies if the decoder prefers the use of
628             DTX. Possible values are 1 and 0. If no value is specified, the
629             default is 0.<vspace blankLines='1'/></t>
630           </list></t>
631
632           <t>Encoding considerations:<vspace blankLines='1'/></t>
633           <t><list style="hanging">
634             <t>The Opus media type is framed and consists of binary data according
635             to Section&nbsp;4.8 in <xref target="RFC4288"/>.</t>
636           </list></t>
637
638           <t>Security considerations: </t>
639           <t><list style="hanging">
640             <t>See <xref target='security-considerations'/> of this document.</t>
641           </list></t>
642
643           <t>Interoperability considerations: none<vspace blankLines='1'/></t>
644           <t>Published specification: none<vspace blankLines='1'/></t>
645
646           <t>Applications that use this media type: </t>
647           <t><list style="hanging">
648             <t>Any application that requires the transport of
649             speech or audio data can use this media type. Some examples are,
650             but not limited to, audio and video conferencing, Voice over IP,
651             media streaming.</t>
652           </list></t>
653
654           <t>Person &amp; email address to contact for further information:</t>
655           <t><list style="hanging">
656             <t>SILK Support silksupport@skype.net</t>
657             <t>Jean-Marc Valin jmvalin@jmvalin.ca</t>
658           </list></t>
659
660           <t>Intended usage: COMMON<vspace blankLines='1'/></t>
661
662           <t>Restrictions on usage:<vspace blankLines='1'/></t>
663
664           <t><list style="hanging">
665             <t>For transfer over RTP, the RTP payload format (<xref
666             target='opus-rtp-payload-format'/> of this document) SHALL be
667             used.</t>
668           </list></t>
669
670           <t>Author:</t>
671           <t><list style="hanging">
672             <t>Julian Spittka jspittka@gmail.com<vspace blankLines='1'/></t>
673             <t>Koen Vos koenvos74@gmail.com<vspace blankLines='1'/></t>
674             <t>Jean-Marc Valin jmvalin@jmvalin.ca<vspace blankLines='1'/></t>
675           </list></t>
676
677           <t> Change controller: TBD</t>
678       </section>
679
680       <section title='Mapping to SDP Parameters'>
681         <t>The information described in the media type specification has a
682         specific mapping to fields in the Session Description Protocol (SDP)
683         <xref target="RFC4566"/>, which is commonly used to describe RTP
684         sessions. When SDP is used to specify sessions employing the Opus codec,
685         the mapping is as follows:</t>
686
687         <t>
688           <list style="symbols">
689             <t>The media type ("audio") goes in SDP "m=" as the media name.</t>
690
691             <t>The media subtype ("opus") goes in SDP "a=rtpmap" as the encoding
692             name. The RTP clock rate in "a=rtpmap" MUST be 48000 and the number of
693             channels MUST be 2.</t>
694
695             <t>The OPTIONAL media type parameters "ptime" and "maxptime" are
696             mapped to "a=ptime" and "a=maxptime" attributes, respectively, in the
697             SDP.</t>
698
699             <t>The OPTIONAL media type parameters "maxaveragebitrate", 
700             "maxplaybackrate", "minptime", "stereo", "cbr", "useinbandfec", and 
701             "usedtx", when present, MUST be included in the "a=fmtp" attribute 
702             in the SDP, expressed as a media type string in the form of a
703             semicolon-separated list of parameter=value pairs (e.g.,
704             maxaveragebitrate=20000). They MUST NOT be specified in an
705             SSRC-specific "fmtp" source-level attribute (as defined in
706             Section&nbsp;6.3 of&nbsp;<xref target="RFC5576"/>).</t>
707
708             <t>The OPTIONAL media type parameters "sprop-maxcapturerate",
709             and "sprop-stereo" MAY be mapped to the "a=fmtp" SDP attribute by
710             copying them directly from the media type parameter string as part
711             of the semicolon-separated list of parameter=value pairs (e.g.,
712             sprop-stereo=1). These same OPTIONAL media type parameters MAY also
713             be specified using an SSRC-specific "fmtp" source-level attribute
714             as described in Section&nbsp;6.3 of&nbsp;<xref target="RFC5576"/>.
715             They MAY be specified in both places, in which case the parameter
716             in the source-level attribute overrides the one found on the
717             "a=fmtp" line. The value of any parameter which is not specified in
718             a source-level source attribute MUST be taken from the "a=fmtp"
719             line, if it is present there.</t>
720
721           </list>
722         </t>
723
724         <t>Below are some examples of SDP session descriptions for Opus:</t>
725
726         <t>Example 1: Standard mono session with 48000 Hz clock rate</t>
727           <figure>
728             <artwork>
729               <![CDATA[
730     m=audio 54312 RTP/AVP 101
731     a=rtpmap:101 opus/48000/2
732               ]]>
733             </artwork>
734           </figure>
735
736
737         <t>Example 2: 16000 Hz clock rate, maximum packet size of 40 ms,
738         recommended packet size of 40 ms, maximum average bitrate of 20000 bps,
739         prefers to receive stereo but only plans to send mono, FEC is allowed,
740         DTX is not allowed</t>
741
742         <figure>
743           <artwork>
744             <![CDATA[
745     m=audio 54312 RTP/AVP 101
746     a=rtpmap:101 opus/48000/2
747     a=fmtp:101 maxplaybackrate=16000; sprop-maxcapturerate=16000;
748     maxaveragebitrate=20000; stereo=1; useinbandfec=1; usedtx=0
749     a=ptime:40
750     a=maxptime:40
751             ]]>
752           </artwork>
753         </figure>
754
755         <t>Example 3: Two-way full-band stereo preferred</t>
756
757         <figure>
758           <artwork>
759             <![CDATA[
760     m=audio 54312 RTP/AVP 101
761     a=rtpmap:101 opus/48000/2
762     a=fmtp:101 stereo=1; sprop-stereo=1
763             ]]>
764           </artwork>
765         </figure>
766
767
768       <section title='Offer-Answer Model Considerations for Opus'>
769
770           <t>When using the offer-answer procedure described in <xref
771           target="RFC3264"/> to negotiate the use of Opus, the following
772           considerations apply:</t>
773
774           <t><list style="symbols">
775
776             <t>Opus supports several clock rates. For signaling purposes only
777             the highest, i.e. 48000, is used. The actual clock rate of the
778             corresponding media is signaled inside the payload and is not
779             restricted by this payload format description. The decoder MUST be
780             capable of decoding every received clock rate. An example
781             is shown below:
782
783             <figure>
784               <artwork>
785                 <![CDATA[
786     m=audio 54312 RTP/AVP 100
787     a=rtpmap:100 opus/48000/2
788                 ]]>
789               </artwork>
790             </figure>
791             </t>
792
793             <t>The "ptime" and "maxptime" parameters are unidirectional
794             receive-only parameters and typically will not compromise
795             interoperability; however, some values might cause application
796             performance to suffer. <xref
797             target="RFC3264"/> defines the SDP offer-answer handling of the
798             "ptime" parameter. The "maxptime" parameter MUST be handled in the
799             same way.</t>
800
801             <t>
802               The "minptime" parameter is a unidirectional
803               receive-only parameters and typically will not compromise
804               interoperability; however, some values might cause application
805               performance to suffer and ought to be used with care.
806             </t>
807
808             <t>
809               The "maxplaybackrate" parameter is a unidirectional receive-only
810               parameter that reflects limitations of the local receiver. The sender
811               of the other side SHOULD NOT send with an audio bandwidth higher than
812               "maxplaybackrate" as this would lead to inefficient use of network resources.
813               The "maxplaybackrate" parameter does not
814               affect interoperability. Also, this parameter SHOULD NOT be used
815               to adjust the audio bandwidth as a function of the bitrate, as this
816               is the responsibility of the Opus encoder implementation.
817             </t>
818
819             <t>The "maxaveragebitrate" parameter is a unidirectional receive-only
820             parameter that reflects limitations of the local receiver. The sender
821             of the other side MUST NOT send with an average bitrate higher than
822             "maxaveragebitrate" as it might overload the network and/or
823             receiver. The "maxaveragebitrate" parameter typically will not
824             compromise interoperability; however, some values might cause 
825             application performance to suffer, and ought to be set with
826             care.</t>
827
828             <t>The "sprop-maxcapturerate" and "sprop-stereo" parameters are
829             unidirectional sender-only parameters that reflect limitations of
830             the sender side.
831             They allow the receiver to set up a reduced-complexity audio
832             processing pipeline if the  sender is not planning to use the full
833             range of Opus's capabilities.
834             Neither "sprop-maxcapturerate" nor "sprop-stereo" affect
835             interoperability and the receiver MUST be capable of receiving any signal.
836             </t>
837
838             <t>
839               The "stereo" parameter is a unidirectional receive-only
840               parameter.
841             </t>
842
843             <t>
844               The "cbr" parameter is a unidirectional receive-only
845               parameter.
846             </t>
847
848             <t>The "useinbandfec" parameter is a unidirectional receive-only
849             parameter.</t>
850
851             <t>The "usedtx" parameter is a unidirectional receive-only
852             parameter.</t>
853
854             <t>Any unknown parameter in an offer MUST be ignored by the receiver
855             and MUST be removed from the answer.</t>
856
857           </list></t>
858       </section>
859
860       <section title='Declarative SDP Considerations for Opus'>
861
862         <t>For declarative use of SDP such as in Session Announcement Protocol
863         (SAP), <xref target="RFC2974"/>, and RTSP, <xref target="RFC2326"/>, for
864         Opus, the following needs to be considered:</t>
865
866         <t><list style="symbols">
867
868           <t>The values for "maxptime", "ptime", "minptime", "maxplaybackrate", and
869           "maxaveragebitrate" ought to be selected carefully to ensure that a
870           reasonable performance can be achieved for the participants of a session.</t>
871
872           <t>
873             The values for "maxptime", "ptime", and "minptime" of the payload
874             format configuration are recommendations by the decoding side to ensure
875             the best performance for the decoder. The decoder MUST be
876             capable of accepting any allowed packet sizes to
877             ensure maximum compatibility.
878           </t>
879
880           <t>All other parameters of the payload format configuration are declarative
881           and a participant MUST use the configurations that are provided for
882           the session. More than one configuration can be provided if necessary
883           by declaring multiple RTP payload types; however, the number of types
884           ought to be kept small.</t>
885         </list></t>
886       </section>
887     </section>
888   </section>
889
890     <section title='Security Considerations' anchor='security-considerations'>
891
892       <t>All RTP packets using the payload format defined in this specification
893       are subject to the general security considerations discussed in the RTP
894       specification <xref target="RFC3550"/> and any profile from,
895       e.g., <xref target="RFC3711"/> or <xref target="RFC3551"/>.</t>
896
897       <t>This payload format transports Opus encoded speech or audio data.
898       Hence, security issues include confidentiality, integrity protection, and
899       authentication of the speech or audio itself. The Opus payload format does
900       not have any built-in security mechanisms. Any suitable external
901       mechanisms, such as SRTP <xref target="RFC3711"/>, MAY be used.</t>
902
903       <t>This payload format and the Opus encoding do not exhibit any
904       significant non-uniformity in the receiver-end computational load and thus
905       are unlikely to pose a denial-of-service threat due to the receipt of
906       pathological datagrams.</t>
907     </section>
908
909     <section title='Acknowledgements'>
910     <t>TBD</t>
911     </section>
912   </middle>
913
914   <back>
915     <references title="Normative References">
916       &rfc2119;
917       &rfc3550;
918       &rfc3711;
919       &rfc3551;
920       &rfc4288;
921       &rfc4855;
922       &rfc4566;
923       &rfc3264;
924       &rfc2974;
925       &rfc2326;
926       &rfc5576;
927       &rfc6562;
928       &rfc6716;
929     </references>
930
931   </back>
932 </rfc>