Network Working Group                                         G. Herlein
Request for Comments: 5574                                   Independent
Category: Standards Track                                       J. Valin
                                                     Xiph.Org Foundation
                                                            A. Heggestad
                                                              A. Moizard
                                                               June 2009
                 RTP Payload Format for the Speex Codec

Status of This Memo


This document specifies an Internet standards track protocol for the Internet community, and requests discussion and suggestions for improvements. Please refer to the current edition of the "Internet Official Protocol Standards" (STD 1) for the standardization state and status of this protocol. Distribution of this memo is unlimited.

この文書は、インターネットコミュニティのためのインターネット標準トラックプロトコルを指定し、改善のための議論と提案を要求します。このプロトコルの標準化状態と状態への「インターネット公式プロトコル標準」(STD 1)の最新版を参照してください。このメモの配布は無制限です。

Copyright Notice


Copyright (c) 2009 IETF Trust and the persons identified as the document authors. All rights reserved.

著作権(C)2009 IETF信託とドキュメントの作成者として特定の人物。全著作権所有。

This document is subject to BCP 78 and the IETF Trust's Legal Provisions Relating to IETF Documents in effect on the date of publication of this document ( Please review these documents carefully, as they describe your rights and restrictions with respect to this document.

この文書では、BCP 78と、この文書(の発行日に有効なIETFドキュメントに関連IETFトラストの法律の規定に従うものとします。彼らは、この文書に関してあなたの権利と制限を説明するように、慎重にこれらの文書を確認してください。



Speex is an open-source voice codec suitable for use in VoIP (Voice over IP) type applications. This document describes the payload format for Speex-generated bit streams within an RTP packet. Also included here are the necessary details for the use of Speex with the Session Description Protocol (SDP).


Table of Contents


   1. Introduction ....................................................3
   2. Terminology .....................................................3
   3. RTP Usage for Speex .............................................3
      3.1. RTP Speex Header Fields ....................................3
      3.2. RTP Payload Format for Speex ...............................4
      3.3. Speex Payload ..............................................4
      3.4. Example Speex Packet .......................................5
      3.5. Multiple Speex Frames in an RTP Packet .....................5
   4. IANA Considerations .............................................6
      4.1. Media Type Registration ....................................6
           4.1.1. Registration of Media Type Audio/Speex ..............6
   5. SDP Usage of Speex ..............................................8
      5.1. Example Supporting All Modes, Prefer Mode 4 ...............10
      5.2. Example Supporting Only Modes 3 and 5 .....................10
      5.3. Example with Variable Bit-Rate and Comfort Noise ..........10
      5.4. Example with Voice Activity Detection .....................11
      5.5. Example with Multiple Sampling Rates ......................11
      5.6. Example with Ptime and Multiple Speex Frames ..............11
      5.7. Example with Complete Offer/Answer Exchange ...............12
   6. Implementation Guidelines ......................................12
   7. Security Considerations ........................................12
   8. Acknowledgments ................................................13
   9. References .....................................................13
      9.1. Normative References ......................................13
      9.2. Informative References ....................................13
1. Introduction
1. はじめに

Speex is based on the Code Excited Linear Prediction [CELP] encoding technique with support for either narrowband (nominal 8 kHz), wideband (nominal 16 kHz), or ultra-wideband (nominal 32 kHz). The main characteristics can be summarized as follows:

Speexには、[CELP】狭帯域(名目上8kHzで)のいずれかをサポートするコード技術、広帯域(公称16 kHzの)、又は超広帯域(公称32 kHzの)コード励振線形予測に基づくものです。次のように主な特徴は要約することができます。

o Free software/open-source


o Integration of wideband and narrowband in the same bit-stream


o Wide range of bit-rates available


o Dynamic bit-rate switching and variable bit-rate (VBR)


o Voice Activity Detection (VAD, integrated with VBR)


o Variable complexity


The Speex codec supports a wide range of bit-rates from 2.15 kbit/s to 44 kbit/s. In some cases however, it may not be possible for an implementation to include support for all rates (e.g., because of bandwidth or RAM or CPU constraints). In those cases, to be compliant with this specification, implementations MUST support at least narrowband (8 kHz) encoding and decoding at 8 kbit/s bit-rate (narrowband mode 3). Support for narrowband at 15 kbit/s (narrowband mode 5) is RECOMMENDED and support for wideband at 27.8 kbit/s (wideband mode 8) is also RECOMMENDED. The sampling rate MUST be 8, 16 or 32 kHz. This specification defines only single channel audio (mono).

Speexコーデックは44キロビット/秒に2.15キロビット/秒からのビットレートの広い範囲をサポートしています。実装は(理由は帯域幅やRAMやCPUの制約の、例えば)全ての速度をサポートするようにするためにしかし、いくつかのケースでは、それができない場合があります。これらのケースでは、この仕様に準拠するために、実装は、8キロビット/秒のビットレート(3狭帯域モード)で少なくとも狭帯域(8kHzの)符号化および復号化をサポートしなければなりません。 15キロビット/秒(狭帯域モード5)での狭帯域のサポート27.8キロビット/秒(広帯域モード8)に推奨された広帯域のサポートされても推奨されます。サンプリングレートは、8、16または32 kHzのでなければなりません。この仕様は、単一チャネルのオーディオ(モノラル)を定義します。

2. Terminology

The key words "MUST", "MUST NOT", "REQUIRED", "SHALL", "SHALL NOT", "SHOULD", "SHOULD NOT", "RECOMMENDED", "MAY", and "OPTIONAL" in this document are to be interpreted as described in RFC2119 [RFC2119] and indicate requirement levels for compliant RTP implementations.

この文書のキーワード "MUST"、 "MUST NOT"、 "REQUIRED"、、、、 "べきではない" "べきである" "ないもの" "ものとし"、 "推奨"、 "MAY"、および "OPTIONAL" はありますRFC2119 [RFC2119]に記載されており、対応RTP実装の要求レベルを示すものと解釈されます。

3. RTP Usage for Speex
スピード3. RTPの使用
3.1. RTP Speex Header Fields
3.1. RTP Speexのヘッダフィールド

The RTP header is defined in the RTP specification [RFC3550]. This section defines how fields in the RTP header are used.


Payload Type (PT): The assignment of an RTP payload type for this packet format is outside the scope of this document; it is specified by the RTP profile under which this payload format is used, or signaled dynamically out-of-band (e.g., using SDP).


Marker (M) bit: The M bit is set to one on the first packet sent after a silence period, during which packets have not been transmitted contiguously.


Extension (X) bit: Defined by the RTP profile used.


Timestamp: A 32-bit word that corresponds to the sampling instant for the first frame in the RTP packet.


3.2. RTP Payload Format for Speex
3.2. スピードのためのRTPペイロードフォーマット

The RTP payload for Speex has the format shown in Figure 1. No additional header fields specific to this payload format are required. For RTP-based transportation of Speex-encoded audio, the standard RTP header [RFC3550] is followed by one or more payload data blocks. An optional padding terminator may also be used.

SpeexのためのRTPペイロードは、このペイロードフォーマットに特定追加のヘッダフィールドが必要とされない図1に示されるフォーマットを有します。 Speexの符号化音声のRTPベースの輸送のために、標準のRTPヘッダー[RFC3550]は一つ以上のペイロードデータブロックが続きます。オプションのパディングターミネータを使用することもできます。

       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 Speex ....              |
      |        one or more frames of Speex ....       |    padding    |

Figure 1: RTP Payload for Speex


3.3. Speex Payload
3.3. Speexのペイロード

For the purposes of packetizing the bit stream in RTP, it is only necessary to consider the sequence of bits as output by the Speex encoder [SPEEX], and present the same sequence to the decoder. The payload format described here maintains this sequence.


A typical Speex frame, encoded at the maximum bit-rate, is approximately 110 octets and the total number of Speex frames SHOULD be kept less than the path MTU to prevent fragmentation. Speex frames MUST NOT be fragmented across multiple RTP packets.

最大ビットレートでエンコードされた典型的なれるSpeexフレームは、約110オクテットであるとのSpeexフレームの総数は、断片化を防止するために、パスMTUよりも保たれるべきです。 Speexのフレームは、複数のRTPパケット全体に断片化してはいけません。

The Speex frames must be placed starting with the oldest frame and then continue consecutively in time.


An RTP packet MAY contain Speex frames of the same bit-rate or of varying bit-rates, since the bit-rate for a frame is conveyed in-band with the signal.


The encoding and decoding algorithm can change the bit-rate at any 20 msec frame boundary, with the bit-rate change notification provided in-band with the bit stream. Each frame contains both sampling rate (narrowband, wideband, or ultra-wideband) and "mode" (bit-rate) information in the bit stream. No out-of-band notification is required for the decoder to process changes in the bit-rate sent by the encoder.


The sampling rate MUST be either 8000 Hz, 16000 Hz, or 32000 Hz.

サンプリングレートは8000 Hzで、16000ヘルツ、または32000 Hzのどちらかでなければなりません。

The RTP payload MUST be padded to provide an integer number of octets as the payload length. These padding bits are LSB-aligned (Least Significant Bit) in network octet order and consist of a 0 followed by all ones (until the end of the octet). This padding is only required for the last frame in the packet, and only to ensure the packet contents end on an octet boundary.


3.4. Example Speex Packet
3.4. 例Speexのパケット

In the example below, we have a single Speex frame with 5 bits of padding to ensure the packet size falls on an octet boundary.


      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                               |
     |                        ..speex data..                         |
     |                        ..speex data..               |0 1 1 1 1|
3.5. Multiple Speex Frames in an RTP Packet
3.5. RTPパケット内の複数のSpeexフレーム

Below is an example of two Speex frames contained within one RTP packet. The Speex frame length in this example falls on an octet boundary so there is no padding.


The Speex decoder [SPEEX] can detect the bit-rate from the payload and is responsible for detecting the 20 msec boundaries between each frame.


      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                               |
     |                     ..speex frame 1..                         |
     |       ..speex frame 1..       |      ..speex frame 2..        |
     |                      ..speex frame 2..                        |
4. IANA Considerations
4. IANAの考慮事項

This document defines the Speex media type.


4.1. Media Type Registration
4.1. メディアタイプ登録

This section describes the media types and names associated with this payload format. The section registers the media types, as per RFC 4288 [RFC4288].

このセクションでは、このペイロード形式に関連付けられているメディアの種類と名前を示します。セクションは、RFC 4288 [RFC4288]に従って、メディアタイプを登録します。

4.1.1. Registration of Media Type Audio/Speex
4.1.1. メディアタイプオーディオの登録/スピード

Media type name: audio


Media subtype name: speex


Required parameters:


rate: RTP timestamp clock rate, which is equal to the sampling rate in Hz. The sampling rate MUST be either 8000, 16000, or 32000.


Optional parameters:


ptime: SHOULD be a multiple of 20 msec [RFC4566]


maxptime: SHOULD be a multiple of 20 msec [RFC4566]


vbr: variable bit-rate - either 'on', 'off', or 'vad' (defaults to 'off'). If 'on', variable bit-rate is enabled. If 'off', disabled. If set to 'vad', then constant bit-rate is used, but silence will be encoded with special short frames to indicate a lack of voice for that period. This parameter is a preference to the encoder.

VBR:可変ビットレート - のいずれかで「オン」、「オフ」、または「VAD」(デフォルトは「オフ」)。 「on」にした場合、可変ビットレートが有効になっています。 「オフ」、無効になった場合。 「VAD」に設定すると、その後一定のビットレートが使用されるが、沈黙は、その期間の音声の欠如を示すために、特殊な短いフレームで符号化されます。このパラメータは、エンコーダの優先あります。

cng: comfort noise generation - either 'on' or 'off' (defaults to 'off'). If 'off', then silence frames will be silent; if 'on', then those frames will be filled with comfort noise. This parameter is a preference to the encoder.

CNG:コンフォートノイズ生成 - のいずれか 'on' または 'off'(デフォルトは 'オフ')。 「オフ」した場合、その後、沈黙フレームは無音になります。 「オン」なら、それらのフレームは、快適雑音が入ります。このパラメータは、エンコーダの優先あります。

mode: Comma-separated list of supported Speex decoding modes, in order of preference. The first is the most preferred and the remaining is in decreasing order of preference. The valid modes are different for narrowband and wideband, and are defined as follows:


* {1,2,3,4,5,6,7,8,any} for narrowband

* {1,2,3,4,5,6,7,8、任意}ナローバンド用

* {0,1,2,3,4,5,6,7,8,9,10,any} for wideband and ultra-wideband

広帯域および超広帯域用* {0,1,2,3,4,5,6,7,8,9,10、任意}

The 'mode' parameters may contain multiple values. In this case, the remote party SHOULD configure its encoder using the first supported mode provided. When 'any' is used, the offerer indicates that it supports all decoding modes. The 'mode' parameter value MUST always be quoted. If the 'mode' parameter is not provided, the mode value is considered to be equivalent to 'mode="3,any"' in narrowband and 'mode="8,any"' in wideband and ultra-wideband. Note that each Speex frame does contain the mode (or bit-rate) that should be used to decode it. Thus, an application MUST be able to decode any Speex frame unless the SDP clearly specifies that some modes are not supported (e.g., by not including 'mode="any"'). Indicating support for a given set of decoding modes also implies that the implementation support the same encoding modes.

「モード」のパラメータが複数の値を含めることができます。この場合、相手が提供最初にサポートモードを使用してエンコーダを設定する必要があります。 「任意の」が使用されている場合は、オファー側は、それがすべての復号化モードをサポートしていることを示します。 「モード」パラメータの値は、常にクォートされなければなりません。 「モード」パラメータが提供されない場合、モード値が「モード= 『3、任意』」狭帯域および「モード= 『8、任意』」広帯域及び超広帯域でと同等であると考えられます。それぞれのSpeexフレームモード(またはビットレート)を復号するために使用されるべきである含むないことに注意してください。 SDPは明らかにいくつかのモード(例えば、含まないことにより、「モード= 『任意』」)サポートされていないことを指定しない限り、このように、アプリケーションは、任意のSpeexフレームをデコードできなければなりません。復号モードの所与のセットのためのサポートを示すことも、実装は同じ符号化モードをサポートすることを意味します。

Encoding considerations:


This media type is framed and binary, see Section 4.8 in [RFC4288].


Security considerations: See Section 6.


Interoperability considerations:




Published specification:


RFC 5574.

RFC 5574。

Applications that use this media type:


Audio streaming and conferencing applications.


Additional information: none.


Person and e-mail address to contact for further information:


Alfred E. Heggestad:


Intended usage: COMMON


Restrictions on usage:


This media type depends on RTP framing, and hence is only defined for transfer via RTP [RFC3550]. Transport within other framing protocols is not defined at this time.

このメディアタイプは、RTPフレーミングに依存し、したがってのみRTP [RFC3550]を介して転送するために定義されています。他のフレーミングプロトコル内の輸送は、この時点で定義されていません。

Author: Alfred E. Heggestad

著者:アルフレッドE. Heggestad

Change controller:


IETF Audio/Video Transport working group delegated from the IESG.


5. SDP Usage of Speex
スピードの5 SDPの使用法

The information carried in the media type specification has a specific mapping to fields in the Session Description Protocol (SDP) [RFC4566], which is commonly used to describe RTP sessions. When SDP is used to specify sessions employing the Speex codec, the mapping is as follows:

メディアタイプ仕様で搬送される情報は、一般的にRTPセッションを記述するために使用されるセッション記述プロトコル(SDP)[RFC4566]のフィールドに特定のマッピングを有します。 SDPは、Speexコーデックを使用するセッションを指定するために使用される場合、以下のように、マッピングは次のとおりです。

o The media type ("audio") goes in SDP "m=" as the media name.

Oメディアタイプ(「オーディオ」)は、メディア名としてSDP「m =」に進みます。

o The media subtype ("speex") goes in SDP "a=rtpmap" as the encoding name. The required parameter "rate" also goes in "a=rtpmap" as the clock rate.

Oメディアサブタイプ(「Speexの」)は、符号化名としてSDPの「a = rtpmap」に進みます。必要なパラメータ「率」も、クロックレートとして「A = rtpmap」になります。

o The parameters "ptime" and "maxptime" go in the SDP "a=ptime" and "a=maxptime" attributes, respectively.

Oパラメータの "PTIME" と "maxptime" は、それぞれ、 "A = PTIME" と "A = maxptimeは" 属性SDPに行きます。

o Any remaining parameters go in the SDP "a=fmtp" attribute by copying them directly from the media type string as a semicolon-separated list of parameter=value pairs.

O任意の残りのパラメータは、パラメータ=値のペアをセミコロンで区切ったリストで、メディアタイプ文字列から直接コピーすることにより、SDPの「a =のfmtp」属性に行きます。

The tables below include the equivalence between modes and bit-rates for narrowband, wideband, and ultra-wideband. Also, the corresponding "Speex quality" setting (see SPEEX_SET_QUALITY in the Speex Codec Manual [SPEEX]) is included as an indication.


                  | mode | Speex quality |   bit-rate  |
                  |   1  |       0       | 2.15 kbit/s |
                  |   2  |       2       | 5.95 kbit/s |
                  |   3  |     3 or 4    | 8.00 kbit/s |
                  |   4  |     5 or 6    | 11.0 kbit/s |
                  |   5  |     7 or 8    | 15.0 kbit/s |
                  |   6  |       9       | 18.2 kbit/s |
                  |   7  |      10       | 24.6 kbit/s |
                  |   8  |       1       | 3.95 kbit/s |

Table 1: Mode vs. Bit-Rate for Narrowband


   | mode | Speex quality | wideband bit-rate |     ultra wideband     |
   |      |               |                   |        bit-rate        |
   |   0  |       0       |    3.95 kbit/s    |       5.75 kbit/s      |
   |   1  |       1       |    5.75 kbit/s    |       7.55 kbit/s      |
   |   2  |       2       |    7.75 kbit/s    |       9.55 kbit/s      |
   |   3  |       3       |    9.80 kbit/s    |       11.6 kbit/s      |
   |   4  |       4       |    12.8 kbit/s    |       14.6 kbit/s      |
   |   5  |       5       |    16.8 kbit/s    |       18.6 kbit/s      |
   |   6  |       6       |    20.6 kbit/s    |       22.4 kbit/s      |
   |   7  |       7       |    23.8 kbit/s    |       25.6 kbit/s      |
   |   8  |       8       |    27.8 kbit/s    |       29.6 kbit/s      |
   |   9  |       9       |    34.2 kbit/s    |       36.0 kbit/s      |
   |  10  |       10      |    42.2 kbit/s    |       44.0 kbit/s      |

Table 2: Mode vs. Bit-Rate for Wideband and Ultra-Wideband


The Speex parameters indicate the decoding capabilities of the agent, and what the agent prefers to receive.


The Speex parameters in an SDP Offer/Answer exchange are completely orthogonal, and there is no relationship between the SDP Offer and the Answer.


Several Speex specific parameters can be given in a single a=fmtp line provided that they are separated by a semicolon:

いくつかのSpeexの特定のパラメータは、それらがセミコロンによって分離されることを条件とする単一のA =のfmtpラインに与えることができます。

a=fmtp:97 mode="1,any";vbr=on

=のfmtp:97モード= "1、任意の"; VBR =上

Some example SDP session descriptions utilizing Speex encodings follow.


5.1. Example Supporting All Modes, Prefer Mode 4
5.1. すべてのモードをサポートする例は、モード4を好みます

The offerer indicates that it wishes to receive a Speex stream at 8000 Hz, and wishes to receive Speex 'mode 4'. It is important to understand that any other mode might still be sent by remote party: the device might have bandwidth limitation or might only be able to send 'mode="3"'. Thus, applications that support all decoding modes SHOULD include 'mode="any"' as shown in the example below:

オファーは、8000 HzでSpeexのストリームを受信することを望むことを示し、Speexの「モード4」を受信することを望みます。他のモードがまだ相手によって送信されるかもしれないことを理解することが重要です:デバイスは、帯域幅の制限がある場合がありますのみ「モード= 『3』」を送ることができるかもしれません。従って、全ての復号化モードをサポートするアプリケーションは、「モード= 『任意』」以下の例に示すように含める必要があります。

             m=audio 8088 RTP/AVP 97
             a=rtpmap:97 speex/8000
             a=fmtp:97 mode="4,any"
5.2. Example Supporting Only Modes 3 and 5
5.2. モード3および5のみをサポート例

The offerer indicates the mode he wishes to receive (Speex 'mode 3'). This offer indicates mode 3 and mode 5 are supported and that no other modes are supported. The remote party MUST NOT configure its encoder using another Speex mode.


             m=audio 8088 RTP/AVP 97
             a=rtmap:97 speex/8000
             a=fmtp:97 mode="3,5"
5.3. Example with Variable Bit-Rate and Comfort Noise
5.3. 可変ビットレートおよびコンフォートノイズと例

The offerer indicates that it wishes to receive variable bit-rate frames with comfort noise:


             m=audio 8088 RTP/AVP 97
             a=rtmap:97 speex/8000
             a=fmtp:97 vbr=on;cng=on
5.4. Example with Voice Activity Detection
5.4. 音声アクティビティ検出と例

The offerer indicates that it wishes to use silence suppression. In this case, the vbr=vad parameter will be used:

オファー側は、それが無音抑止を使用することを望んでいることを示しています。この場合、VBR = VADパラメータが使用されます。

             m=audio 8088 RTP/AVP 97
             a=rtmap:97 speex/8000
             a=fmtp:97 vbr=vad
5.5. Example with Multiple Sampling Rates
5.5. 複数のサンプリングレートを持つ例

The offerer indicates that it wishes to receive Speex audio at 16000 Hz with mode 10 (42.2 kbit/s) or, alternatively, Speex audio at 8000 Hz with mode 7 (24.6 kbit/s). The offerer supports decoding all modes.

オファーは、モード7(24.6キロビット/秒)と8000 Hzの代わりに、Speexのオーディオモード10(42.2キロビット/秒)、または、と16000 HzでSpeexの音声を受信したいことを示しています。オファー側は、すべてのモードをデコードサポートしています。

             m=audio 8088 RTP/AVP 97 98
             a=rtmap:97 speex/16000
             a=fmtp:97 mode="10,any"
             a=rtmap:98 speex/8000
             a=fmtp:98 mode="7,any"
5.6. Example with Ptime and Multiple Speex Frames
5.6. 時間と倍速フレームと例

The "ptime" SDP attribute is used to denote the packetization interval (i.e., how many milliseconds of audio is encoded in a single RTP packet). Since Speex uses 20 msec frames, ptime values of multiples of 20 denote multiple Speex frames per packet. It is recommended to use ptime values that are a multiple of 20.

「PTIME」SDP属性が(単一のRTPパケットに符号化される、すなわち、どのように多くのオーディオのミリ秒)パケット化間隔を示すために使用されます。 Speexには20ミリ秒のフレームを使用するので、20の倍数のPTIME値は、パケットごとに複数のSpeexフレームを示します。 20の倍数であるPTIME値を使用することをお勧めします。

If ptime contains a value that is not multiple of 20, the internal interpretation of it should be rounded up to the nearest multiple of 20 before the number of Speex frames is calculated. For example, if the "ptime" attribute is set to 30, the internal interpretation should be rounded up to 40 and then used to calculate two Speex frames per packet.

PTIMEが20の倍数でない値が含まれている場合、それの内部解釈が算出されるSpeexフレームの番号の前に20の最も近い倍数に切り上げなければなりません。 「PTIME」属性が30に設定されている場合、例えば、内部解釈は40に切り上げと、パケットごとに2つのSpeexフレームを計算するために使用されるべきです。

In the example below, the ptime value is set to 40, indicating that there are two frames in each packet.


             m=audio 8088 RTP/AVP 97
             a=rtpmap:97 speex/8000

Note that the ptime parameter applies to all payloads listed in the media line and is not used as part of an a=fmtp directive.

PTIMEパラメータがメディア行にリストされたすべてのペイロードに適用されると、A =のfmtp指令の一部として使用されていないことに留意されたいです。

Care must be taken when setting the value of ptime so that the RTP packet size does not exceed the path MTU.


5.7. Example with Complete Offer/Answer Exchange
5.7. 完全なオファー/アンサー交換と例

The offerer indicates that it wishes to receive Speex audio at 16000 Hz or, alternatively, Speex audio at 8000 Hz. The offerer does support ALL modes because no mode is specified.

オファーは、8000 Hzで代わり16000ヘルツ又は、SpeexのオーディオにSpeexの音声を受信したいことを示しています。オファー側にはモードが指定されていないので、すべてのモードをサポートしています。

             m=audio 8088 RTP/AVP 97 98
             a=rtmap:97 speex/16000
             a=rtmap:98 speex/8000

The answerer indicates that it wishes to receive Speex audio at 8000 Hz, which is the only sampling rate it supports. The answerer does support ALL modes because no mode is specified.


             m=audio 8088 RTP/AVP 99
             a=rtmap:99 speex/8000
6. Implementation Guidelines

Implementations that support Speex are responsible for correctly decoding incoming Speex frames.


Each Speex frame does contain all needed information to decode itself. In particular, the 'mode' and 'ptime' values proposed in the SDP contents MUST NOT be used for decoding: those values are not needed to properly decode a RTP Speex stream.

各Speexにフレーム自体をデコードするために必要なすべての情報が含まれていません。具体的には、SDPの内容で提案されている「モード」と「PTIME」値は、復号のために使用してはいけません。これらの値は適切にRTP Speexのストリームを復号するために必要とされません。

7. Security Considerations

RTP packets using the payload format defined in this specification are subject to the security considerations discussed in the RTP specification [RFC3550], 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.


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 that are complex to decode and cause the receiver to be overloaded. However, this encoding does not exhibit any significant non-uniformity.


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.


8. Acknowledgments

The authors would like to thank Equivalence Pty Ltd of Australia for their assistance in attempting to standardize the use of Speex in H.323 applications, and for implementing Speex in their open-source OpenH323 stack. The authors would also like to thank Brian C. Wiles <> of StreamComm for his assistance in developing the proposed standard for Speex use in H.323 applications.

著者は、そのオープンソースのOpenH323スタック内のSpeexを実装するためのH.323アプリケーションでのSpeexの使用を標準化しようとする中で彼らの支援のためにオーストラリアの等価Pty Ltdのを感謝したいと思います。著者らはまた、H.323アプリケーションでのSpeexを使用するために提案された標準の開発に彼の援助のために<> StreamCommのブライアンC.ワイルズに感謝したいと思います。

The authors would also like to thank the following members of the Speex and AVT communities for their input: Ross Finlayson, Federico Montesino Pouzols, Henning Schulzrinne, Magnus Westerlund, Colin Perkins, and Ivo Emanuel Goncalves.

ロス・フィンレイソン、フェデリコMontesino Pouzols、ヘニングSchulzrinneと、マグヌスウェスター、コリンパーキンス、およびイヴォエマニュエルゴンサルヴェス:著者らはまた、彼らの入力のためのSpeexおよびAVTコミュニティのメンバーは以下のとおりに感謝したいと思います。

Thanks to former authors of this document; Simon Morlat, Roger Hardiman, and Phil Kerr.


9. References
9.1. Normative References
9.1. 引用規格

[RFC2119] Bradner, S., "Key words for use in RFCs to Indicate Requirement Levels", BCP 14, RFC 2119, March 1997.

[RFC2119]ブラドナーの、S.、 "要件レベルを示すためにRFCsにおける使用のためのキーワード"、BCP 14、RFC 2119、1997年3月。

[RFC3550] Schulzrinne, H., Casner, S., Frederick, R., and V. Jacobson, "RTP: A Transport Protocol for Real-Time Applications", STD 64, RFC 3550, July 2003.

[RFC3550] Schulzrinneと、H.、Casner、S.、フレデリック、R.、およびV.ヤコブソン、 "RTP:リアルタイムアプリケーションのためのトランスポートプロトコル"、STD 64、RFC 3550、2003年7月。

[RFC4566] Handley, M., Jacobson, V., and C. Perkins, "SDP: Session Description Protocol", RFC 4566, July 2006.

[RFC4566]ハンドリー、M.、ヤコブソン、V.、およびC.パーキンス、 "SDP:セッション記述プロトコル"、RFC 4566、2006年7月。

9.2. Informative References
9.2. 参考文献

[CELP] Schroeder, M. and B. Atal, "Code-excited linear prediction(CELP): High-quality speech at very low bit rates", Proc. International Conference on Acoustics, Speech, and Signal Processing (ICASSP), Vol 10, pp. 937- 940, 1985, <>.

【CELP]シュローダー、M.及びB.アタル、「コード励起線形予測(CELP):非常に低いビットレートで高品質のスピーチ」、PROC。音響、音声に関する国際会議、および信号処理(ICASSP)、巻10頁。937- 940、1985、<>。

[RFC4288] Freed, N. and J. Klensin, "Media Type Specifications and Registration Procedures", BCP 13, RFC 4288, December 2005.

[RFC4288]解放され、N.とJ. Klensin、 "メディアタイプの仕様と登録手順"、BCP 13、RFC 4288、2005年12月。

[SPEEX] Valin, J., "The Speex Codec Manual", <>.

【SPEEX] Valinは、J.、 "Speexのコーデック・マニュアル"、<>。

Authors' Addresses


Greg Herlein Independent 2034 Filbert Street San Francisco, California 94123 United States




Jean-Marc Valin Xiph.Org Foundation




Alfred E. Heggestad Biskop J. Nilssonsgt. 20a Oslo 0659 Norway

アルフレッドE. Heggestad Creytiv.comビショップJ. Nilssonsgt。 20A 0659オスロノルウェー



Aymeric Moizard Antisip 5 Place Benoit Crepu Lyon, 69005 France

AymericにMoizard抗S1P 5場所ブノワ縮れリヨン69005フランス