0ada49f0fdd02c6a75db22f2bef78932eaf9b033
[opus.git] / doc / ietf / draft-valin-celt-rtp-profile.xml
1 <?xml version='1.0'?>
2 <!DOCTYPE rfc SYSTEM 'rfc2629.dtd'>
3 <?rfc symrefs="yes" toc="yes" ?>
4
5 <rfc ipr="full3978" docName="RTP Payload Format for the CELT Codec">
6
7 <front>
8 <title>draft-valin-celt-rtp-profile-01</title>
9
10
11
12 <author initials="J-M" surname="Valin" fullname="Jean-Marc Valin">
13 <organization>Octasic Semiconductor</organization>
14 <address>
15 <postal>
16 <street>4101, Molson Street, suite 300</street>
17 <city>Montreal</city>
18 <region>Quebec</region>
19 <code>H1Y 3L1</code>
20 <country>Canada</country>
21 </postal>
22 <email>jean-marc.valin@octasic.com</email>
23 </address>
24 </author>
25
26
27 <author initials="G" surname="Maxwell" fullname="Gregory Maxwell">
28 <organization>Juniper Networks</organization>
29 <address>
30 <postal>
31 <street>2251 Corporate Park Drive, Suite 100</street>
32 <city>Herndon</city>
33 <region>VA</region>
34 <code>20171-1817</code>
35 <country>USA</country>
36 </postal>
37 <email>gmaxwell@juniper.net</email>
38 </address>
39 </author>
40
41 <date day="27" month="February" year="2009" />
42
43 <area>General</area>
44 <workgroup>AVT Working Group</workgroup>
45 <keyword>I-D</keyword>
46
47 <keyword>Internet-Draft</keyword>
48 <keyword>CELT</keyword>
49 <keyword>RTP</keyword>
50 <abstract>
51 <t>
52 CELT is an open-source voice codec suitable for use in very low delay 
53 audio communication applications, including Voice over IP (VoIP).
54 This document describes the payload format for CELT generated bit 
55 streams within an RTP packet.  Also included here are the necessary 
56 details for the use of CELT with the Session Description Protocol 
57 (SDP). At the time of this writing, the CELT bit-stream has NOT
58 been finalized yet, and compatibility is usually broken with
59 every new release of the codec.
60 </t>
61 </abstract>
62 </front>
63
64 <middle>
65
66 <section anchor="Conventions used in this document" title="Conventions used in this document">
67 <t>
68 The key words "MUST", "MUST NOT", "REQUIRED", "SHALL", "SHALL NOT",
69 "SHOULD", "SHOULD NOT", "RECOMMENDED", "MAY", and "OPTIONAL" in this
70 document are to be interpreted as described in RFC 2119 <xref target="rfc2119"></xref>.
71 </t>
72 </section>
73
74 <section anchor="Overview of the CELT Codec" title="Overview of the CELT Codec">
75
76 <t>
77 CELT stands for "Constrained Energy Lapped Transform". It applies some of the CELP principles, but does everything in the frequency domain, which removes some of the limitations of CELP. CELT is suitable for both speech and music and currently features:
78 </t>
79
80 <t>
81 <list style="symbols">
82 <t>Ultra-low algorithmic delay (typically from 3 to 9 ms)</t>
83 <t>Full audio bandwidth (better than 20kHz bandpass)</t>
84 <t>Support for both voice and music</t>
85 <t>Stereo support</t>
86 <t>Packet loss concealment</t>
87 <t>Constant bitrates from 32 kbps to 128 kbps and above</t>
88 <t>Free software/open-source</t>
89 </list>
90 </t>
91
92 </section>
93
94 <section anchor="RTP payload format for CELT" title="RTP payload format for CELT">
95
96 <t>
97 For RTP based transportation of CELT encoded audio the standard 
98 RTP header <xref target="rfc3550"></xref> is followed by one or more payload data blocks. 
99 An optional padding terminator may also be used. 
100 </t>
101
102 <t>
103 <figure>
104 <artwork><![CDATA[
105      0                   1                   2                   3
106      0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
107     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
108     |                         RTP Header                            |
109     +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
110     |       s           one or more frames of CELT ....             |
111     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
112     |         one or more frames of CELT ....                       |
113     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
114 ]]></artwork>
115 </figure>
116 </t>
117
118 </section>
119
120 <section anchor="RTP Header" title="RTP Header">
121
122 <t>
123 <figure>
124 <artwork><![CDATA[
125      0                   1                   2                   3
126      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
127     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
128     |V=2|P|X|  CC   |M|     PT      |       sequence number         |
129     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
130     |                           timestamp                           |
131     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
132     |           synchronization source (SSRC) identifier            |
133     +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
134     |            contributing source (CSRC) identifiers             |
135     |                              ...                              |
136     +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
137 ]]></artwork>
138 </figure>
139 </t>
140
141 <t>
142 The RTP header begins with an octet of fields (V, P, X, and CC) to   
143 support specialized RTP uses (see <xref target="rfc3550"></xref> and <xref target="rfc3551"></xref> for details). For 
144 CELT the following values are used.
145 </t>
146
147 <t>Version (V): 2 bits</t><t>
148    This field identifies the version of RTP. The version
149    used by this specification is two <xref target="rfc3550"></xref>.
150 </t>
151
152 <t>Padding (P): 1 bit</t><t>
153       If the padding bit is set, the packet contains one or more
154       additional padding octets at the end which are not part of the
155       payload.  The last octet of the padding contains a count of how
156       many padding octets should be ignored, including itself.  Padding
157       may be needed by some encryption algorithms with fixed block sizes
158       or for carrying several RTP packets in a lower-layer protocol data
159       unit.
160 </t>
161
162 <t>Extension (X): 1 bit</t><t>
163       If the extension, X, bit is set, the fixed header MUST be 
164       followed by exactly one header extension, with a format defined 
165       in Section 5.3.1. of <xref target="rfc3550"></xref>. 
166 </t>
167
168 <t>CSRC count (CC): 4 bits</t><t>
169       The CSRC count contains the number of CSRC identifiers.
170 </t>
171
172 <t>Marker (M): 1 bit</t><t>
173       The M bit MUST be set to zero in all packets. The receiver MUST
174           ignore the M bit.
175 </t>
176
177 <t>Payload Type (PT): 7 bits</t><t>
178       An RTP profile for a class of applications is expected to assign 
179       a payload type for this format, or a dynamically allocated 
180       payload type SHOULD be chosen which designates the payload as 
181       CELT.
182 </t>
183
184 <t>Sequence number: 16 bits</t><t>
185       The sequence number increments by one for each RTP data packet
186       sent, and may be used by the receiver to detect packet loss and
187       to restore packet sequence.  This field is detailed further in
188       <xref target="rfc3550"></xref>.
189 </t>
190
191 <t>Timestamp: 32 bits</t><t>
192       A timestamp representing the sampling time of the first sample of
193       the first CELT frame in the RTP payload.  The clock frequency
194       MUST be set to the sample rate of the encoded audio data and is 
195           conveyed out-of-band (e.g., as an SDP parameter).
196 </t>
197
198 <t>SSRC/CSRC identifiers:</t><t>
199       These two fields, 32 bits each with one SSRC field and a maximum 
200       of 16 CSRC fields, are as defined in <xref target="rfc3550"></xref>.  
201 </t>
202
203 </section>
204
205 <section anchor="CELT payload" title="CELT payload">
206
207 <t>
208 For the purposes of packetizing the bit stream in RTP, it is only
209 necessary to consider the sequence of bits as output by the CELT
210 encoder <xref target="celt-website"></xref>, and present the same sequence to the decoder.  The 
211 payload format described here maintains this sequence.
212 </t>
213
214 <t>
215 A typical CELT frame, encoded at a high bitrate, is approx.
216 128 octets and the total number of CELT frames SHOULD be kept 
217 less than the path MTU to prevent fragmentation.  CELT frames MUST
218 NOT be fragmented across multiple RTP packets,
219 </t>
220
221 <t>
222 An RTP packet MAY contain CELT frames of the same bit rate or of
223 varying bit rates, since the bitrate for the frames is explicitly 
224 conveyed in band with the signal when there are multiple frames
225 per packet, and can be determined implicitly from the payload
226 size when there is only one frame per packet.
227 </t>
228
229 <t>
230 The encoding and decoding algorithm can change the bit rate at any
231 frame boundary, with the bit rate change notification provided
232 implicitly from the compressed frame size. No out-of-band 
233 notification is required for the decoder to process changes in the 
234 bit rate sent by the encoder.
235 </t>
236
237 <t>
238 It is RECOMMENDED that values of 32000, 44100, or 48000 be used 
239 for most applications, unless a specific reason exists -- such as
240 requirements for a very specific packetization time. For example,
241 51200 Hz sampling may be useful to obtain a 5ms packetization time
242 with 256-sample frames.
243 </t>
244
245 <t>
246 The CELT codec always produces an integer number of bytes and can 
247 produce any integer number of bytes, so no padding is ever required.
248 Bitrate adjustment SHOULD be used instead of padding.
249 </t>
250
251 </section>
252
253 <section anchor="Example CELT packet" title="Example CELT packet">
254
255 <t>
256 In the example below we have a single CELT frame in the RTP packet.
257 </t>
258
259 <t>
260 <figure>
261 <artwork><![CDATA[
262     0                   1                   2                   3
263     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
264    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
265    |V=2|P|X|  CC   |M|     PT      |       sequence number         |
266    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
267    |                           timestamp                           |
268    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
269    |         synchronization source (SSRC) identifier              |
270    +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
271
272     0                   1                   2                   3
273     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
274    +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
275    |         contributing source (CSRC) identifiers                |
276    |                              ...                              |
277    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
278    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
279    |                          CELT frame..                         |
280    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
281    |                              ...                              |
282    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
283 ]]></artwork>
284 </figure>
285 </t>
286
287 </section>
288
289 <section anchor="Multiple CELT frames in a RTP packet" title="Multiple CELT frames in a RTP packet">
290
291 <t>
292 The bitrate used by CELT is implicitly determined by the size of the
293 compressed data. When more than one frame is encoded in the same packet,
294 it is not possible to determine the size of each encoded frame, so the
295 information MUST be explicitly encoded. If N frames are present in a
296 packet, N-1 compressed frame sizes need to be encoded at the 
297 beginning of the packet. Each size that is less than 255 bytes is encoded
298 in one byte (unsigned 8-bit integer). For sizes greater or equal to 255, a 0xff byte is encoded, 
299 followed by the size-255. Multiple 0xff bytes are allowed if there are
300 more than 510 bytes transmitted. An payload of zero bytes MUST be interpreted as length zero
301 for all frames contained in that packet.  
302 </t>
303 <t>
304 Below is an example of two CELT frames contained within one RTP 
305 packet.
306 </t>
307
308 <t><figure>
309 <artwork><![CDATA[
310     0                   1                   2                   3
311     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
312    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
313    |V=2|P|X|  CC   |M|     PT      |       sequence number         |
314    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
315    |                           timestamp                           |
316    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
317    |         synchronization source (SSRC) identifier              |
318    +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
319    |         contributing source (CSRC) identifiers                |
320    |                              ...                              |
321    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
322    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
323    | length  frame1|           CELT frame 1                        |
324    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
325    |         (frame 1)             |        CELT frame 2...        |
326    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
327    |                          (frame 2)                            |
328    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
329 ]]></artwork>
330 </figure></t>
331
332 </section>
333
334 <section anchor="Multiple channels" title="Multiple channels">
335
336 <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>
337
338 <t><figure>
339 <artwork><![CDATA[
340     0                   1                   2                   3
341     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
342    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
343    |V=2|P|X|  CC   |M|     PT      |       sequence number         |
344    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
345    |                           timestamp                           |
346    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
347    |         synchronization source (SSRC) identifier              |
348    +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
349    |         contributing source (CSRC) identifiers                |
350    |                              ...                              |
351    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
352    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
353    |  Front length |  rear length  | center length | Front stereo  |
354    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
355    |                             ...                               |
356    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
357    |      ...      |        Rear stereo data...                    |
358    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
359    |                             ...                               |
360    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
361    |                       Center mono data...                     |
362    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
363    |                             ...                               |
364    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
365    |                               |      LF mono data...          |
366    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
367    |                             ...                               |
368    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
369 ]]></artwork>
370 </figure></t>
371
372 <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-1 = 7.</t>
373
374 </section>
375
376 <section anchor="MIME registration of CELT" title="MIME registration of CELT">
377
378 <t>
379 Full definition of the MIME <xref target="rfc2045"></xref> type for CELT will be part of the Ogg
380 Vorbis MIME type definition application <xref target="rfc3534"></xref>.
381 </t>
382
383 <t>MIME media type name: audio</t>
384
385 <t>MIME subtype: celt</t>
386
387 <t>Optional parameters:</t>
388
389 <t>Required parameters: to be included in the Ogg MIME specification.</t>
390
391 <t>Encoding considerations:</t>
392
393 <t>Security Considerations:</t>
394 <t>See Section 6 of RFC 3047.</t>
395
396 <t>Interoperability considerations: none</t>
397
398 <t>Published specification:  </t>
399
400 <t>Applications which use this media type:</t>
401
402 <t>Additional information: none</t>
403
404 <t>Person &amp; email address to contact for further information:<vspace blankLines="1" />
405 <list style="empty">
406 <t>Jean-Marc Valin &lt;jean-marc.valin@octasic.com&gt;</t>
407 </list>
408 </t>
409
410 <t>Intended usage: COMMON</t>
411
412 <t>Author/Change controller:</t>
413
414 <t>
415 <list style="empty">
416 <t>Author:  Jean-Marc Valin &lt;jean-marc.valin@octasic.com&gt;</t>
417 <t>Change controller: Jean-Marc Valin &lt;jean-marc.valin@octasic.com&gt;</t>          
418 <t>Change controller: IETF AVT Working Group</t>
419 </list>
420 </t>
421
422 <t>
423 This transport type signifies that the content is to be interpreted
424 according to this document if the contents are transmitted over RTP. 
425 Should this transport type appear over a lossless streaming protocol
426 such as TCP, the content encapsulation should be interpreted as an 
427 Ogg Stream in accordance with <xref target="rfc3534"></xref>, with the exception that the
428 content of the Ogg Stream may be assumed to be CELT audio and 
429 CELT audio only.
430 </t>
431
432 </section>
433
434 <section anchor="SDP usage of CELT" title="SDP usage of CELT">
435
436 <t>
437 When conveying information by SDP <xref target="rfc2327"></xref>, the encoding name MUST be
438 set to "CELT". The sampling frequency is typically between 32000 and 48000 Hz.
439 Implementations SHOULD support both 44100 Hz and 48000 Hz. The maximum bandwidth permitted for
440 the CELT audio is encoded using the  "b=AS:" header, as explained in SDP <xref target="rfc2327"></xref>.
441 </t>
442
443 <t>
444 The SDP parameters have the following interpretation with respect to CELT:
445 </t>
446
447 <t>
448 <list style="empty">
449 <t>b=AS: The maximum bandwidth (in kbit/s) allowed for CELT, excluding the header overhead. The default is 64 kbit/s.</t>
450
451 <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>
452
453 <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>
454
455 </list>
456 </t>
457
458 <t>
459 Several CELT-specific parameters can be given via the "a=fmtp:" directive.  The
460 following parameters are defined for use in this way:
461 </t>
462
463 <t>
464 <list style="empty">
465 <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. The default is 480.</t>
466
467 <t>mapping: Optional string describing the multi-channel mapping. </t>
468
469 </list> 
470 </t>
471
472 <t>Several CELT specific parameters can be given in a single
473 a=fmtp line provided that they are separated by a semi-colon.</t>
474
475 <t>
476 The selected frame-size value MUST be even. It SHOULD be divisible by 8
477 and have a prime factorization which consists only 2, 3, or 5 factors.
478 For example, powers-of-two and values such as 160, 320, 240, and 480 are
479 recommended. Implementations SHOULD support receiving and sending the default
480 value of 256, and if the size 256 is supported it MUST be offered.
481 </t>
482
483 <t>
484 Care must be taken when setting the value of ptime: and b=AS: so that the
485 RTP packet size does not exceed the path MTU.
486 </t>
487
488 <t>An example of the media representation in SDP for
489 offering a single channel of CELT at 48000 samples per second might
490 be:
491 </t>
492
493 <t>
494 <vspace blankLines="1" />
495 <list style="empty">
496 <t>m=audio 8088 RTP/AVP 97</t>
497 <t>a=rtpmap:97 CELT/48000</t>
498 </list> 
499 </t>
500
501 <t>
502 Note that the RTP payload type code of 97 is defined in this media
503 definition to be 'mapped' to the CELT codec at a 48kHz sampling
504 frequency using the 'a=rtpmap' line.  Any number from 96 to 127
505 could have been chosen (the allowed range for dynamic types). If there
506 is more than one channel being encoded the rtpmap MUST specify the channel
507 count.
508 </t>
509
510 <t>
511 The following example illustrates the case where the offerer cannot receive more than 64 kbit/s.
512 </t>
513
514 <t>
515 <vspace blankLines="1" />
516 <list style="empty">
517 <t>m=audio 8088 RTP/AVP 97</t>
518 <t>b=AS:64</t>
519 <t>a=rtmap:97 CELT/48000</t>
520 </list> 
521 </t>
522
523 <t>
524 In this case, if the remote party agrees, it should configure its
525 CELT encoder so that it does not use modes that produce more than
526 64 kbit/s. Note that the "b=" constraint also applies on all
527 payload types that may be proposed in the media line ("m=").
528 </t>
529
530
531
532 <t>The following example demonstrates the use of the a=fmtp: parameters:</t>
533
534 <t>
535 <vspace blankLines="1" />
536 <list style="empty">
537         <t>m=audio 8008 RTP/AVP 97</t>
538         <t>a=ptime: 21</t>
539         <t>a=rtpmap:97 CELT/44100</t>
540         <t>a=fmtp:97 frame-size=512;</t>
541 </list> 
542 </t>
543
544 <t>
545 This examples illustrate an offerer that wishes to receive
546 a CELT stream at 44100 Hz, by packing two 512-sample frames in each packet.
547 </t>
548 </section>
549
550 <section anchor="Multichannel Mapping" title="Multichannel Mapping">
551 <t>
552 When more than two channels are used, a mapping parameter MUST be provided.
553 The mapping parameter is defined as comma separated list of integers which specify the
554 number of channels contained in each CELT stream, OPTIONALLY followed by a '/' and a
555 comma separated list of channel identifiers, then OPTIONALLY another '/' and a string
556 which provides an application specific elaboration on any speaker-feed definitions.
557 The channels per stream entries MUST be either 1 or 2. The total number of
558 channels is indicated by the sum of the channels per stream entries. The sum
559 of the channel counts MUST be equal to the total number of channels.
560 </t>
561
562 <t>
563 Channel identifiers are short alphanumeric strings.
564 Each identifier MUST begin with a letter indicating the type of channel. 'A' MUST be
565 used to indicate an ambisonic channel, 'S' to indicate a speaker-feed channel, or 'O'
566 indicating other usage.
567 </t>
568
569 <t>
570 A channel identifier MAY be repeated, but the meaning of such repetition is application specific.
571 Applications SHOULD attempt to utilize channel identifiers such that mixing all identical identifiers
572 would produce a reasonable result.
573 </t>
574
575 <t>
576 Non-surround usage such as individual performer tracks, effect send, "order wire", or
577 other administrative channels may be given application specific identifiers
578 which MUST not conflict with the identifiers defined in this draft. These
579 identifiers SHOULD begin with S if it would be sensible to include them in a
580 mono-downmix, or O if it would be most sensible to exclude them from a
581 mono-downmix.
582 An example usage might be
583 mapping=2,1,2,1,1/SLguitar,SRguitar,OheadsetG,SLkeyboard,SRkeyboard,OheadsetK,SMbass,OheadsetB"
584 </t>
585
586 <t>
587 Ambisonic channels MUST follow the Furse-Malham naming and weighing
588 conventions for up to third order spherical<xref target="Ambisonic"></xref>.
589 Higher order ambisonic support is application defined but MUST NOT reuse any of WXYZRSTUVKLMNOPQ
590 for higher order components. For example, second order spherical ambisonics SHOULD use the
591 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
592 MUST contain at least one "AW" channel.
593 </t>
594
595 <t>
596 Speaker-feed identifiers are named based on the intended speaker locations. "L", "R" for the left and
597 right speakers, respectively, in conventional stereo or the front left and right in 4, 5,
598 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
599 channels in 7.1 channel surround. Additional speaker-feeds are application specific but should not
600 reuse the prior identifiers. 
601 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".
602 When only one or two channels are used, the mapping parameter MAY be omitted, in which case the
603 default mapping is used. For one channel, the default is "mapping=1/C", while for two channels,
604 the default is "mapping=2/L,R".
605 </t>
606
607 <t> 
608 For example a stereo configuration might signal:  
609 <vspace blankLines="1" />
610 <list style="empty">
611 <t>m=audio 8008 RTP/AVP 97</t>
612 <t>a=ptime: 5</t>
613 <t>a=rtpmap:97 CELT/44100/2</t>
614 <t>a=fmtp:97 frame-size=256;</t>
615 </list> 
616 Which specifies a single two-channel CELT stream according to the default
617 mapping.
618 </t>
619
620 </section>
621
622
623
624
625
626 <section anchor="Issues that need to be addressed" title="Issues that need to be addressed">
627
628 <t>
629 How do we minimize the possibility of encoder-decoder mode mismatch
630 </t>
631
632 <t>
633 Support for redundant data (how)?
634 </t>
635
636 </section>
637
638 <section anchor="RTP Payload Types" title="RTP Payload Types">
639
640 <t>
641 Dynamic payload type codes MUST be negotiated 'out-of-band'
642 for the assignment of a dynamic payload type from the
643 range of 96-127.
644 </t>
645
646 </section>
647
648 <section anchor="Congestion Control" title="Congestion Control">
649
650 <t>
651 CELT allows for bitrate adjustment in one byte per frame
652 increments without any signaling requirement or overhead.
653 Applications SHOULD utilize congestion control to regulate the transmitted bitrate. 
654 </t>
655 </section>
656
657 <section anchor="Security Considerations" title="Security Considerations">
658
659 <t>
660 RTP packets using the payload format defined in this specification
661 are subject to the security considerations discussed in the RTP
662 specification <xref target="rfc3550"></xref>, and in any applicable RTP profile.  The
663 main security considerations for the RTP packet carrying the RTP
664 payload format defined within this memo are confidentiality,
665 integrity and source authenticity.  Confidentiality is achieved by
666 encryption of the RTP payload.  Integrity of the RTP packets through
667 suitable cryptographic integrity protection mechanism.  Cryptographic
668 system may also allow the authentication of the source of the
669 payload.  A suitable security mechanism for this RTP payload format
670 should provide confidentiality, integrity protection and at least
671 source authentication capable of determining if an RTP packet is from
672 a member of the RTP session or not.
673 </t>
674
675 <t>
676 Note that the appropriate mechanism to provide security to RTP and
677 payloads following this memo may vary.  It is dependent on the
678 application, the transport, and the signalling protocol employed.
679 Therefore a single mechanism is not sufficient, although if suitable
680 the usage of SRTP <xref target="rfc3711"></xref> is recommended.  Other mechanism that may
681 be used are IPsec <xref target="rfc4301"></xref> and TLS <xref target="rfc5246"></xref> (RTP over TCP), but
682 also other alternatives may exist.
683 </t>
684
685 <t>
686 This RTP payload format and its media decoder do not exhibit any
687 significant non-uniformity in the receiver-side computational
688 complexity for packet processing, and thus are unlikely to pose a
689 denial-of-service threat due to the receipt of pathological data.
690 Nor does the RTP payload format contain any active content.
691 </t>
692
693 <t>
694 Because this format supports VBR operation small amounts of information
695 about the transmitted audio may be leaked by a length preserving
696 cryptographic transport. Accordingly, when CELT is used inside a secure
697 transport the sender SHOULD restrict the use of VBR to congestion control purposes.
698 </t>
699
700 <t>
701 CELT implementations will typically exhibit tiny content-sensitive encoding
702 time variances. Since transmission is usually triggered by an accurate
703 hardware clock and the encoded data is typically transmitted as soon as
704 encoding is complete this variance may result in a small amount of
705 additional frame to frame jitter which could be measured by a third-party.
706 Encrypted implementations SHOULD transmit packets at fixed intervals to
707 avoid the possible information leak. 
708 </t>
709
710 </section> 
711
712 <section anchor="Acknowledgments" title="Acknowledgments">
713
714 <t>
715 The authors would also like to thank the following members of the 
716 CELT and AVT communities for their input:
717 </t>
718 </section> 
719
720 </middle>
721
722 <back>
723
724 <references title="Normative References">
725
726 <reference anchor="rfc2119">
727 <front>
728 <title>Key words for use in RFCs to Indicate Requirement Levels </title>
729 <author initials="S." surname="Bradner" fullname="Scott Bradner"><organization/></author>
730 </front>
731 <seriesInfo name="RFC" value="2119" />
732 </reference> 
733
734 <reference anchor="rfc3550">
735 <front>
736 <title>RTP: A Transport Protocol for real-time applications</title>
737 <author initials="H." surname="Schulzrinne" fullname=""><organization/></author>
738 <author initials="S." surname="Casner" fullname=""><organization/></author>
739 <author initials="R." surname="Frederick" fullname=""><organization/></author>
740 <author initials="V." surname="Jacobson" fullname=""><organization/></author>
741 </front>
742 <seriesInfo name="RFC" value="3550" />
743 </reference> 
744
745 <reference anchor="rfc2045">
746 <front>
747 <title>Multipurpose Internet Mail Extensions (MIME) Part One: Format of Internet Message Bodies</title>
748 <author initials="" surname="" fullname=""><organization/></author>
749 <date month="November" year="1998" />
750 </front>
751 <seriesInfo name="RFC" value="2045" />
752 </reference> 
753
754 <reference anchor="rfc2327">
755 <front>
756 <title>SDP: Session Description Protocol</title>
757 <author initials="V." surname="Jacobson" fullname=""><organization/></author>
758 <author initials="M." surname="Handley" fullname=""><organization/></author>
759 <date month="April" year="1998" />
760 </front>
761 <seriesInfo name="RFC" value="2327" />
762 </reference> 
763
764 <reference anchor="rfc3551">
765 <front>
766 <title>RTP Profile for Audio and Video Conferences with Minimal Control.</title>
767 <author initials="H." surname="Schulzrinne" fullname=""><organization/></author>
768 <author initials="S." surname="Casner" fullname=""><organization/></author>
769 <date month="July" year="2003" />
770 </front>
771 <seriesInfo name="RFC" value="3551" />
772 </reference> 
773
774 <reference anchor="rfc3534">
775 <front>
776 <title>The application/ogg Media Type</title>
777 <author initials="L." surname="Walleij" fullname=""><organization/></author>
778 <date month="May" year="2003" />
779 </front>
780 <seriesInfo name="RFC" value="3534" />
781 </reference> 
782
783 <reference anchor="rfc3711">
784 <front>
785 <title>The Secure Real-time Transport Protocol (SRTP)</title>
786 <author initials="M." surname="Baugher" fullname=""><organization/></author>
787 <author initials="D." surname="McGrew" fullname=""><organization/></author>
788 <author initials="M." surname="Naslund" fullname=""><organization/></author>
789 <author initials="E." surname="Carrara" fullname=""><organization/></author>
790 <author initials="K." surname="Norrman" fullname=""><organization/></author>
791 <date month="March" year="2004" />
792 </front>
793 <seriesInfo name="RFC" value="3711" />
794 </reference> 
795
796 <reference anchor="rfc4301">
797 <front>
798 <title>Security Architecture for the Internet Protocol</title>
799 <author initials="S." surname="Kent" fullname=""><organization/></author>
800 <author initials="K." surname="Seo" fullname=""><organization/></author>
801 <date month="December" year="2005" />
802 </front>
803 <seriesInfo name="RFC" value="4301" />
804 </reference> 
805
806 <reference anchor="rfc5246">
807 <front>
808 <title>The Transport Layer Security (TLS) Protocol Version 1.2</title>
809 <author initials="T." surname="Dierks" fullname=""><organization/></author>
810 <author initials="E." surname="Rescorla" fullname=""><organization/></author>
811 <date month="August" year="2008" />
812 </front>
813 <seriesInfo name="RFC" value="5246" />
814 </reference> 
815
816
817 </references> 
818
819 <references title="Informative References">
820
821 <reference anchor="celt-website">
822 <front>
823 <title>The CELT ultra-low delay audio codec</title>
824 <author initials="" surname="Xiph.Org Foundation" fullname="Xiph.Org Foundation"><organization/></author>
825 </front>
826 <seriesInfo name="CELT website" value="http://www.celt-codec.org/" />
827 </reference> 
828
829 <reference anchor="Ambisonic">
830 <front>
831 <title>Higher order Ambisonic systems</title>
832 <author initials="D." surname="Malham" fullname="Dave
833 Malham"><organization/></author>
834 <date month="December" year="2003" />
835 </front>
836 <seriesInfo name="Paper"
837 value="http://www.york.ac.uk/inst/mustech/3d_audio/higher_order_ambisonics.pdf" />
838 </reference> 
839
840 </references> 
841
842 </back>
843 </rfc>