Internet Engineering Task Force (IETF)                           X. Duan
Request for Comments: 5993                                       S. Wang
Category: Standards Track        China Mobile Communications Corporation
ISSN: 2070-1721                                            M. Westerlund
                                                              K. Hellwig
                                                            I. Johansson
                                                             Ericsson AB
                                                            October 2010
                         RTP Payload Format for
       Global System for Mobile Communications Half Rate (GSM-HR)



This document specifies the payload format for packetization of Global System for Mobile Communications Half Rate (GSM-HR) speech codec data into the Real-time Transport Protocol (RTP). The payload format supports transmission of multiple frames per payload and packet loss robustness methods using redundancy.


Status of This Memo


This is an Internet Standards Track document.


This document is a product of the Internet Engineering Task Force (IETF). It represents the consensus of the IETF community. It has received public review and has been approved for publication by the Internet Engineering Steering Group (IESG). Further information on Internet Standards is available in Section 2 of RFC 5741.

このドキュメントはインターネットエンジニアリングタスクフォース(IETF)の製品です。これは、IETFコミュニティの総意を表しています。これは、公開レビューを受けており、インターネットエンジニアリング運営グループ(IESG)によって公表のために承認されています。インターネット標準の詳細については、RFC 5741のセクション2で利用可能です。

Information about the current status of this document, any errata, and how to provide feedback on it may be obtained at


Copyright Notice


Copyright (c) 2010 IETF Trust and the persons identified as the document authors. All rights reserved.

著作権(C)2010 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. Code Components extracted from this document must include Simplified BSD License text as described in Section 4.e of the Trust Legal Provisions and are provided without warranty as described in the Simplified BSD License.

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。コードコンポーネントは、トラスト法規定のセクションで説明4.eおよび簡体BSDライセンスで説明したように、保証なしで提供されているよう簡体BSDライセンスのテキストを含める必要があり、この文書から抽出されました。

Table of Contents


   1.  Introduction . . . . . . . . . . . . . . . . . . . . . . . . .  3
   2.  Conventions Used in This Document  . . . . . . . . . . . . . .  3
   3.  GSM Half Rate  . . . . . . . . . . . . . . . . . . . . . . . .  3
   4.  Payload Format Capabilities  . . . . . . . . . . . . . . . . .  4
     4.1.  Use of Forward Error Correction (FEC)  . . . . . . . . . .  4
   5.  Payload Format . . . . . . . . . . . . . . . . . . . . . . . .  5
     5.1.  RTP Header Usage . . . . . . . . . . . . . . . . . . . . .  6
     5.2.  Payload Structure  . . . . . . . . . . . . . . . . . . . .  6
       5.2.1.  Encoding of Speech Frames  . . . . . . . . . . . . . .  8
       5.2.2.  Encoding of Silence Description Frames . . . . . . . .  8
     5.3.  Implementation Considerations  . . . . . . . . . . . . . .  8
       5.3.1.  Transmission of SID Frames . . . . . . . . . . . . . .  8
       5.3.2.  Receiving Redundant Frames . . . . . . . . . . . . . .  8
       5.3.3.  Decoding Validation  . . . . . . . . . . . . . . . . .  9
   6.  Examples . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
     6.1.  3 Frames . . . . . . . . . . . . . . . . . . . . . . . . . 10
     6.2.  3 Frames with Lost Frame in the Middle . . . . . . . . . . 11
   7.  Payload Format Parameters  . . . . . . . . . . . . . . . . . . 11
     7.1.  Media Type Definition  . . . . . . . . . . . . . . . . . . 12
     7.2.  Mapping to SDP . . . . . . . . . . . . . . . . . . . . . . 13
       7.2.1.  Offer/Answer Considerations  . . . . . . . . . . . . . 14
       7.2.2.  Declarative SDP Considerations . . . . . . . . . . . . 14
   8.  IANA Considerations  . . . . . . . . . . . . . . . . . . . . . 15
   9.  Congestion Control . . . . . . . . . . . . . . . . . . . . . . 15
   10. Security Considerations  . . . . . . . . . . . . . . . . . . . 15
   11. Acknowledgements . . . . . . . . . . . . . . . . . . . . . . . 16
   12. References . . . . . . . . . . . . . . . . . . . . . . . . . . 16
     12.1. Normative References . . . . . . . . . . . . . . . . . . . 16
     12.2. Informative References . . . . . . . . . . . . . . . . . . 17
1. Introduction
1. はじめに

This document specifies the payload format for packetization of GSM Half Rate (GSM-HR) codec [TS46.002] encoded speech signals into the Real-time Transport Protocol (RTP) [RFC3550]. The payload format supports transmission of multiple frames per payload and packet loss robustness methods using redundancy.


This document starts with conventions, a brief description of the codec, and payload format capabilities. The payload format is specified in Section 5. Examples can be found in Section 6. The media type specification and its mappings to SDP, and considerations when using the Session Description Protocol (SDP) offer/answer procedures are then specified. The document ends with considerations related to congestion control and security.


This document registers a media type (audio/GSM-HR-08) for the Real-time Transport Protocol (RTP) payload format for the GSM-HR codec. Note: This format is not compatible with the one provided back in 1999 to 2000 in early draft versions of what was later published as RFC 3551. RFC 3551 was based on a later version of the Audio-Visual Profile (AVP) draft, which did not provide any specification of the GSM-HR payload format. To avoid a possible conflict with this older format, the media type of the payload format specified in this document has a media type name that is different from (audio/GSM-HR).

この文書では、GSM-HRコーデックのためのリアルタイムトランスポートプロトコル(RTP)ペイロード形式のメディアタイプ(オーディオ/ GSM-HR-08)を登録します。注:この形式は後でRFC 3551. RFC 3551として発行されたものの初期のドラフトバージョンに2000に1999年に戻って1と互換性がありませんでした、オーディオビジュアルプロファイル(AVP)ドラフトの後のバージョンに基づいていましたGSM-HRペイロードフォーマットの任意の仕様を提供しません。この古い形式で可能な衝突を回避するために、この文書で指定されたペイロード形式のメディアタイプ(オーディオ/ GSM-HR)は異なるメディアタイプ名を有しています。

2. Conventions Used in This Document

This document uses the normal IETF bit-order representation. Bit fields in figures are read left to right and then down. The leftmost bit in each field is the most significant. The numbering starts from 0 and ascends, where bit 0 will be the most significant.


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 RFC 2119 [RFC2119].

この文書のキーワード "MUST", "MUST NOT", "REQUIRED", "SHALL", "SHALL NOT", "SHOULD", "SHOULD NOT", "RECOMMENDED", "MAY", および "OPTIONAL" はRFC 2119 [RFC2119]に記載されているように解釈されます。

3. GSM Half Rate
3. GSMハーフレート

The Global System for Mobile Communications (GSM) network provides with mobile communication services for nearly 3 billion users (statistics as of 2008). The GSM Half Rate (GSM-HR) codec is one of the speech codecs used in GSM networks. GSM-HR denotes the Half Rate speech codec as specified in [TS46.002].

移動体通信用グローバルシステム(GSM)ネットワークは、ほぼ30億人のユーザー(2008年統計)のための移動通信サービスを提供します。 GSMハーフレート(GSM-HR)コーデックは、GSMネットワークで使用される音声コーデックのひとつです。 [TS46.002]に指定されているGSM-HRは、ハーフレートの音声コーデックを示しています。

Note: For historical reasons, these 46-series specifications are internally referenced as 06-series. A simple mapping applies; for example, 46.020 is referenced as 06.20, and so on.


The GSM-HR codec has a frame length of 20 ms, with narrowband speech sampled at 8000 Hz, i.e., 160 samples per frame. Each speech frame is compressed into 112 bits of speech parameters, which is equivalent to a bit rate of 5.6 kbit/s. Speech pauses are detected by a standardized Voice Activity Detection (VAD). During speech pauses, the transmission of speech frames is inhibited. Silence Descriptor (SID) frames are transmitted at the end of a talkspurt and about every 480 ms during speech pauses to allow for a decent comfort noise (CN) quality on the receiver side.

GSM-HRコーデックは、8000 Hzでサンプリングされた狭帯域音声、すなわち、フレーム当たり160個のサンプルで、20ミリ秒のフレーム長を有しています。各音声フレームは5.6キロビット/秒のビットレートに相当する音声パラメータ、の112ビットに圧縮されます。音声休止は、標準化された音声アクティビティ検出(VAD)によって検出されます。音声ポーズの間に、音声フレームの送信が禁止されます。無音記述子(SID)フレームが受信側でまともなコンフォートノイズ(CN)の品質を可能にするために、休止通話中有音部の末尾とほぼすべて480ミリ秒で送信されます。

The SID frame generation in the GSM radio network is determined by the GSM mobile station and the GSM radio subsystem. SID frames come during speech pauses in the uplink from the mobile station about every 480 ms. In the downlink to the mobile station, when they are generated by the encoder of the GSM radio subsystem, SID frames are sent every 20 ms to the GSM base station, which then picks only one every 480 ms for downlink radio transmission. For other applications, like transport over IP, it is more appropriate to send the SID frames less often than every 20 ms, but 480 ms may be too sparse. We recommend as a compromise that a GSM-HR encoder outside of the GSM radio network (i.e., not in the GSM mobile station and not in the GSM radio subsystem, but, for example, in the media gateway of the core network) should generate and send SID frames every 160 ms.

GSM無線ネットワークにおけるSIDフレーム生成は、GSM移動局とGSM無線サブシステムによって決定されます。 SIDフレームはすべて480ミリ約移動局から上りリンクにおいて音声休止の間に来ます。それらはGSM無線サブシステムのエンコーダによって生成された移動局へのダウンリンクにおいて、SIDフレームは、次に、ダウンリンク無線伝送のための唯一のすべての480ミリ秒を選ぶGSM基地局に20msごとに送信されます。他のアプリケーションでは、IP上でのデータ転送のように、SIDは20ミリ秒毎よりも頻繁にフレームを送信することがより適切であるが、480ミリ秒はあまりにもまばらなことがあります。我々は、GSM無線ネットワークの外部GSM-HRエンコーダ(すなわち、しない、GSM移動局ではなく、GSM無線サブシステムではなく、例えば、コアネットワークのメディアゲートウェイに)生成することを妥協案としてお勧めそしてSIDごとに160ミリ秒のフレームを送信します。

4. Payload Format Capabilities

This RTP payload format carries one or more GSM-HR encoded frames -- either full voice or silence descriptor (SID) -- representing a mono speech signal. To maintain synchronization or to indicate unsent or lost frames, it has the capability to indicate No_Data frames.

完全な音声または無音記述子(SID)のいずれか - - モノラル音声信号を表す、このRTPペイロードフォーマットは、一つ以上のGSM-HR符号化フレームを運びます。同期を維持するためか、未送信または失われたフレームを示すために、それがNO_DATAフレームを示すために能力を持っています。

4.1. Use of Forward Error Correction (FEC)
4.1. 前方誤り訂正(FEC)の使用

Generic forward error correction within RTP is defined, for example, in RFC 5109 [RFC5109]. Audio redundancy coding is defined in RFC 2198 [RFC2198]. Either scheme can be used to add redundant information to the RTP packet stream and make it more resilient to packet losses, at the expense of a higher bit rate. Please see either RFC for a discussion of the implications of the higher bit rate to network congestion.

RTP内の一般的な順方向誤り訂正は、RFC 5109 [RFC5109]は、例えば、定義されています。オーディオ冗長符号化は、RFC 2198 [RFC2198]で定義されています。どちらの方式では、より高いビットレートを犠牲にして、RTPパケットストリームに冗長な情報を追加して、パケットロスに対してより弾力性にするために使用することができます。ネットワークの輻輳に高いビットレートの意味についての説明は、いずれかのRFCを参照してください。

In addition to these media-unaware mechanisms, this memo specifies an optional-to-use GSM-HR-specific form of audio redundancy coding, which may be beneficial in terms of packetization overhead. Conceptually, previously transmitted transport frames are aggregated together with new ones. A sliding window can be used to group the frames to be sent in each payload. Figure 1 below shows an example.


     | f(n-2) | f(n-1) |  f(n)  | f(n+1) | f(n+2) | f(n+3) | f(n+4) |
      <---- p(n-1) ---->
               <----- p(n) ----->
                        <---- p(n+1) ---->
                                 <---- p(n+2) ---->
                                          <---- p(n+3) ---->
                                                   <---- p(n+4) ---->

Figure 1: An Example of Redundant Transmission


Here, each frame is retransmitted once in the following RTP payload packet. f(n-2)...f(n+4) denote a sequence of audio frames, and p(n-1)...p(n+4) a sequence of payload packets.

ここで、各フレームは、以下のRTPペイロードパケットに一回再送信されます。 fは(N-2)、···、F(N + 4)オーディオフレームのシーケンスを示し、P(N-1)... P(N + 4)ペイロード・パケットのシーケンス。

The mechanism described does not really require signaling at the session setup. However, signaling has been defined to allow the sender to voluntarily bound the buffering and delay requirements. If nothing is signaled, the use of this mechanism is allowed and unbounded. For a certain timestamp, the receiver may acquire multiple copies of a frame containing encoded audio data. The cost of this scheme is bandwidth, and the receiver delay is necessary to allow the redundant copy to arrive.


This redundancy scheme provides a functionality similar to the one described in RFC 2198, but it works only if both original frames and redundant representations are GSM-HR frames. When the use of other media coding schemes is desirable, one has to resort to RFC 2198.

この冗長方式は、RFC 2198に記載したものと同様の機能を提供し、それは、元のフレームと冗長表現の両方が、GSM-HRフレームである場合にのみ動作します。他のメディア符号化方式の使用が望ましい場合には、一つはRFC 2198に頼らなければなりません。

The sender is responsible for selecting an appropriate amount of redundancy, based on feedback regarding the channel conditions, e.g., in the RTP Control Protocol (RTCP) [RFC3550] receiver reports. The sender is also responsible for avoiding congestion, which may be exacerbated by redundancy (see Section 9 for more details).


5. Payload Format

The format of the RTP header is specified in [RFC3550]. The payload format described in this document uses the header fields in a manner consistent with that specification.


The duration of one speech frame is 20 ms. The sampling frequency is 8000 Hz, corresponding to 160 speech samples per frame. An RTP packet may contain multiple frames of encoded speech or SID parameters. Each packet covers a period of one or more contiguous

1つの音声フレームの持続時間は20ミリ秒です。サンプリング周波数は、フレーム当たり160個の音声サンプルに対応し、8000 Hzです。 RTPパケットは、符号化された音声またはSIDパラメータの複数のフレームを含んでいてもよいです。各パケットは、1つのまたはそれ以上の連続の期間をカバー

20-ms frame intervals. During silence periods, no speech packets are sent; however, SID packets are transmitted every now and then.


To allow for error resiliency through redundant transmission, the periods covered by multiple packets MAY overlap in time. A receiver MUST be prepared to receive any speech frame multiple times. A given frame MUST NOT be encoded as a speech frame in one packet and as a SID frame or as a No_Data frame in another packet. Furthermore, a given frame MUST NOT be encoded with different voicing modes in different packets.


The rules regarding maximum payload size given in Section 3.2 of [RFC5405] SHOULD be followed.


5.1. RTP Header Usage
5.1. RTPヘッダーの使用

The RTP timestamp corresponds to the sampling instant of the first sample encoded for the first frame in the packet. The timestamp clock frequency SHALL be 8000 Hz. The timestamp is also used to recover the correct decoding order of the frames.

RTPタイムスタンプは、パケットの最初のフレームのための符号化された第1のサンプルのサンプリング時点に対応します。タイムスタンプのクロック周波数は8000 Hzのものでなければなりません。タイムスタンプはまた、フレームの正しい復号化順序を回復するために使用されます。

The RTP header marker bit (M) SHALL be set to 1 whenever the first frame carried in the packet is the first frame in a talkspurt (see definition of the talkspurt in Section 4.1 of [RFC3551]). For all other packets, the marker bit SHALL be set to zero (M=0).

パケットで運ばれた最初のフレームが有音部の最初のフレームであるときはいつでも、RTPヘッダのマーカービット(M)は([RFC3551]のセクション4.1でトークスパートの定義を参照)を1に設定します。他のすべてのパケットのために、マーカービットがゼロ(M = 0)に設定されなければなりません。

The assignment of an RTP payload type for the format defined in this memo is outside the scope of this document. The RTP profiles in use currently mandate binding the payload type dynamically for this payload format.


The remaining RTP header fields are used as specified in RFC 3550 [RFC3550].

残りのRTPヘッダフィールドは、RFC 3550 [RFC3550]で指定されるように使用されています。

5.2. Payload Structure
5.2. ペイロード構造

The complete payload consists of a payload table of contents (ToC) section, followed by speech data representing one or more speech frames, SID frames, or No_Data frames. The following diagram shows the general payload format layout:


      | ToC section | speech data section ...

Figure 2: General Payload Format Layout


Each ToC element is one octet and corresponds to one speech frame; the number of ToC elements is thus equal to the number of speech frames (including SID frames and No_Data frames). Each ToC entry represents a consecutive speech or SID or No_Data frame. The timestamp value for ToC element (and corresponding speech frame data) N within the payload is (RTP timestamp field + (N-1)*160) mod 2^32. The format of the ToC element is as follows.

各目次要素は1つのオクテットであり、1つの音声フレームに対応します。目次要素の数は、このように(SIDフレームやNO_DATAフレームなど)、音声フレームの数に等しいです。各目次のエントリは、連続したスピーチやSIDまたはNO_DATAフレームを表します。目次要素(および対応する音声フレームデータ)Nペイロード内のタイムスタンプ値は、(RTPタイムスタンプフィールド+(N-1)* 160)MOD 2 ^ 32です。次のように目次要素の形式です。

       0 1 2 3 4 5 6 7
      |F| FT  |R R R R|

Figure 3: The TOC Element


F: Follow flag; 1 denotes that more ToC elements follow; 0 denotes the last ToC element.

F:フラグに従ってください。 1より目次要素が続くことを示します。 0は、最後のToC素子です。

R: Reserved bits; MUST be set to zero, and MUST be ignored by receiver.


FT: Frame type 000 = Good Speech frame 001 = Reserved 010 = Good SID frame 011 = Reserved 100 = Reserved 101 = Reserved 110 = Reserved 111 = No_Data frame

FT:フレームタイプ000 =良い音声フレーム001 =予約済み010 =良いSIDフレーム011 =予約済み100 =予約済み101 =予約済み110 =予約済み111 = NO_DATAフレーム

The length of the payload data depends on the frame type:


Good Speech frame: The 112 speech data bits are put in 14 octets.


Good SID frame: The 33 SID data bits are put in 14 octets, as in the case of Speech frames, with the unused 79 bits all set to "1".


No_Data frame: Length of payload data is zero octets.


Frames marked in the GSM radio subsystem as "Bad Speech frame", "Bad SID frame", or "No_Data frame" are not sent in RTP packets, in order to save bandwidth. They are marked as "No_Data frame", if they occur within an RTP packet that carries more than one speech frame, SID frame, or No_Data frame.


5.2.1. Encoding of Speech Frames
5.2.1. 音声フレームの符号化

The 112 bits of GSM-HR-coded speech (b1...b112) are defined in TS 46.020, Annex B [TS46.020], in their order of occurrence. The first bit (b1) of the first parameter is placed in the most significant bit (MSB) (bit 0) of the first octet (octet 1) of the payload field; the second bit is placed in bit 1 of the first octet; and so on. The last bit (b112) is placed in the least significant bit (LSB) (bit 7) of octet 14.

GSM-HR符号化された音声(B1 ... B112)の112ビットは、その出現順に、付属書B [TS46.020]、TS 46.020に定義されています。最初のパラメータの最初のビット(b1)はペイロードフィールドの最上位ビット(MSB)最初のオクテットの(ビット0)(オクテット1)に配置されています。第2のビットは、最初のオクテットのビット1に配置されます。等々。最後のビット(B112)はオクテット14の最下位ビット(LSB)(ビット7)に配置されます。

5.2.2. Encoding of Silence Description Frames
5.2.2. 沈黙の説明フレームの符号化

The GSM-HR codec applies a specific coding for silence periods in so-called SID frames. The coding of SID frames is based on the coding of speech frames by using only the first 33 bits for SID parameters and by setting all of the remaining 79 bits to "1".

GSM-HRコーデックは、いわゆるSIDフレームで沈黙期間のための特定の符号化を適用します。 SIDフレームの符号化は、SIDパラメータにのみ最初の33ビットを使用することによって、「1」に、残りの79ビットの全てを設定することにより、音声フレームの符号化に基づいています。

5.3. Implementation Considerations
5.3. 実装に関する考慮事項

An application implementing this payload format MUST understand all the payload parameters that are defined in this specification. Any mapping of the parameters to a signaling protocol MUST support all parameters. So an implementation of this payload format in an application using SDP is required to understand all the payload parameters in their SDP-mapped form. This requirement ensures that an implementation always can decide whether it is capable of communicating when the communicating entities support this version of the specification.


5.3.1. Transmission of SID Frames
5.3.1. SIDフレームの送信

When using this RTP payload format, the sender SHOULD generate and send SID frames every 160 ms, i.e., every 8th frame, during silent periods. Other SID transmission intervals may occur due to gateways to other systems that use other transmission intervals.


5.3.2. Receiving Redundant Frames
5.3.2. 冗長フレームを受信します

The reception of redundant audio frames, i.e., more than one audio frame from the same source for the same time slot, MUST be supported by the implementation.


5.3.3. Decoding Validation
5.3.3. デコード検証

If the receiver finds a mismatch between the size of a received payload and the size indicated by the ToC of the payload, the receiver SHOULD discard the packet. This is recommended, because decoding a frame parsed from a payload based on erroneous ToC data could severely degrade the audio quality.


6. Examples

A few examples below highlight the payload format.


6.1. 3 Frames
6.1. 3つのフレーム

Below is a basic example of the aggregation of 3 consecutive speech frames into a single packet.


The first 24 bits are ToC elements.


Bit 0 is '1', as another ToC element follows. Bits 1..3 are 000 = Good speech frame Bits 4..7 are 0000 = Reserved Bit 8 is '1', as another ToC element follows. Bits 9..11 are 000 = Good speech frame Bits 12..15 are 0000 = Reserved Bit 16 is '0'; no more ToC elements follow. Bits 17..19 are 000 = Good speech frame Bits 20..23 are 0000 = Reserved

別の目次要素は次のようにビット0が「1」です。別の目次要素は次のように0000 =予約済みビット8は、「1」である4..7 000 =良い音声フレームのビットであるビット1..3。ビット9..11は12..15 000 =良い音声フレームのビットでは0000である=予約ビット16が「0」です。これ以上のToC要素が続きません。 0000 =予約されてい20..23 000 =良い音声フレームのビットは17..19ビット

       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
      |1|0 0 0|0 0 0 0|1|0 0 0|0 0 0 0|0|0 0 0|0 0 0 0|b1           b8|
      +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+               +
      |b9   Frame 1                                                b40|
      +                                                               +
      |b41                                                         b72|
      +                                                               +
      |b73                                                        b104|
      +               +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
      |b105       b112|b1                                          b24|
      +-+-+-+-+-+-+-+-+                                               +
      |b25  Frame 2                                                b56|
      +                                                               +
      |b57                                                         b88|
      +                                               +-+-+-+-+-+-+-+-+
      |b89                                        b112|b1           b8|
      +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+               +
      |b9   Frame 3                                                b40|
      +                                                               +
      |b41                                                         b72|
      +                                                               +
      |b73                                                        b104|
      +               +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
      |b105       b112|
6.2. 3 Frames with Lost Frame in the Middle
6.2. 途中で失われたフレームと3つのフレーム

Below is an example of a payload carrying 3 frames, where the middle one is No_Data (for example, due to loss prior to transmission by the RTP source).


The first 24 bits are ToC elements.


Bit 0 is '1', as another ToC element follows. Bits 1..3 are 000 = Good speech frame Bits 4..7 are 0000 = Reserved Bit 8 is '1', as another ToC element follows. Bits 9..11 are 111 = No_Data frame Bits 12..15 are 0000 = Reserved Bit 16 is '0'; no more ToC elements follow. Bits 17..19 are 000 = Good speech frame Bits 20..23 are 0000 = Reserved

別の目次要素は次のようにビット0が「1」です。別の目次要素は次のように0000 =予約済みビット8は、「1」である4..7 000 =良い音声フレームのビットであるビット1..3。ビット9..11 111 = NO_DATAフレームビット12..15である0000である=予約ビット16が「0」です。これ以上のToC要素が続きません。 0000 =予約されてい20..23 000 =良い音声フレームのビットは17..19ビット

       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
      |1|0 0 0|0 0 0 0|1|1 1 1|0 0 0 0|0|0 0 0|0 0 0 0|b1           b8|
      +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+               +
      |b9   Frame 1                                                b40|
      +                                                               +
      |b41                                                         b72|
      +                                                               +
      |b73                                                        b104|
      +               +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
      |b105       b112|b1                                          b24|
      +-+-+-+-+-+-+-+-+                                               +
      |b25  Frame 3                                                b56|
      +                                                               +
      |b57                                                         b88|
      +                                               +-+-+-+-+-+-+-+-+
      |b89                                        b112|
7. Payload Format Parameters

This RTP payload format is identified using the media type "audio/ GSM-HR-08", which is registered in accordance with [RFC4855] and uses [RFC4288] as a template. Note: Media subtype names are case-insensitive.

このRTPペイロードフォーマットは、テンプレートとして[RFC4855]および使用[RFC4288]に従って登録されたメディアタイプ「オーディオ/ GSM-HR-08」を使用して識別されます。注意:メディアサブタイプ名は大文字と小文字を区別しません。

7.1. Media Type Definition
7.1. メディアタイプの定義

The media type for the GSM-HR codec is allocated from the IETF tree, since GSM-HR is a well-known speech codec. This media type registration covers real-time transfer via RTP.


Note: Reception of any unspecified parameter MUST be ignored by the receiver to ensure that additional parameters can be added in the future.


Type name: audio


Subtype name: GSM-HR-08


Required parameters: none


Optional parameters:


max-red: The maximum duration in milliseconds that elapses between the primary (first) transmission of a frame and any redundant transmission that the sender will use. This parameter allows a receiver to have a bounded delay when redundancy is used. Allowed values are integers between 0 (no redundancy will be used) and 65535. If the parameter is omitted, no limitation on the use of redundancy is present.


ptime: See [RFC4566].


maxptime: See [RFC4566].


Encoding considerations:


This media type is framed and binary; see Section 4.8 of RFC 4288 [RFC4288].

このメディアタイプは、フレームとバイナリされます。 RFC 4288 [RFC4288]のセクション4.8を参照してください。

Security considerations:


See Section 10 of RFC 5993.

RFC 5993のセクション10を参照してください。

Interoperability considerations:


The media subtype name contains "-08" to avoid potential conflict with any earlier drafts of GSM-HR RTP payload types that aren't bit-compatible.

メディアサブタイプ名が含まれている「-08」ビット互換性がありませんGSM-HR RTPペイロードタイプのいずれかの以前のドラフトとの競合を避けるために。

Published specifications:


RFC 5993, 3GPP TS 46.002

RFC 5993、3GPP TS 46.002

Applications that use this media type:


Real-time audio applications like voice over IP and teleconference.


Additional information: none


Person & email address to contact for further information:


Ingemar Johansson <>


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。



Xiaodong Duan <>

ξプレスAodong D U <セグメント暁東@China>

Shuaiyu Wang <>


Magnus Westerlund <>


Ingemar Johansson <>


Karl Hellwig <>


Change controller:


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


7.2. Mapping to SDP
7.2. SDPへのマッピング

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 GSM-HR 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、GSM-HRコーデックを採用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 (payload format name) goes in SDP "a=rtpmap" as the encoding name. The RTP clock rate in "a=rtpmap" MUST be 8000, and the encoding parameters (number of channels) MUST either be explicitly set to 1 or omitted, implying a default value of 1.

O(ペイロードフォーマット名)メディアサブタイプは、符号化名としてSDPの「a = rtpmap」に進みます。 「a = rtpmap」のRTPクロックレートは8000でなければなりません、と符号化パラメータ(チャンネル数)が明示的に1のデフォルト値を意味する、1に設定するか省略しなければなりません。

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 parameter 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、メディアタイプパラメータ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。

7.2.1. Offer/Answer Considerations
7.2.1. オファー/回答の考慮事項

The following considerations apply when using SDP offer/answer procedures to negotiate the use of GSM-HR payload in RTP:


o The SDP offerer and answerer MUST generate GSM-HR packets as described by the offered parameters.

提供されるパラメータによって記載されるようにO SDP提供者と回答は、GSM-HRパケットを生成しなければなりません。

o In most cases, the parameters "maxptime" and "ptime" will not affect interoperability; however, the setting of the parameters can affect the performance of the application. The SDP offer/ answer handling of the "ptime" parameter is described in [RFC3264]. The "maxptime" parameter MUST be handled in the same way.

Oほとんどの場合、パラメータ「maxptime」と「PTIMEは、」相互運用性には影響しません。しかし、パラメータの設定は、アプリケーションのパフォーマンスに影響を与えることができます。 「PTIME」パラメータのSDPオファー/アンサー取り扱いは[RFC3264]に記述されています。 「maxptime」パラメータは同じように扱われなければなりません。

o The parameter "max-red" is a stream property parameter. For sendonly or sendrecv unicast media streams, the parameter declares the limitation on redundancy that the stream sender will use. For recvonly streams, it indicates the desired value for the stream sent to the receiver. The answerer MAY change the value, but is RECOMMENDED to use the same limitation as the offer declares. In the case of multicast, the offerer MAY declare a limitation; this SHALL be answered using the same value. A media sender using this payload format is RECOMMENDED to always include the "max-red" parameter. This information is likely to simplify the media stream handling in the receiver. This is especially true if no redundancy will be used, in which case "max-red" is set to 0.

Oパラメータ「MAX-赤は」ストリームプロパティ・パラメータです。 sendonlyの又はのsendrecvユニキャストメディアストリームのために、パラメータは、ストリームの送信者が使用する冗長性に制限を宣言する。 recvonlyでストリームの場合、それが受信機に送信されたストリームのための所望の値を示しています。回答は、値を変更する場合がありますが、オファーは宣言すると同じ制限を使用することをお勧めします。マルチキャストの場合には、提供者は、制限を宣言することができます。これは、同じ値を使用して回答するものとします。このペイロード形式を使用してメディアの送信者は、常に「MAX-赤」パラメータを含めることをお勧めします。この情報は、受信機にメディアストリームの処理を簡素化する可能性があります。これは、冗長性は使用されません場合は特にそうです、「MAX-赤」が0に設定されている場合には。

o Any unknown media type parameter in an offer SHALL be removed in the answer.


7.2.2. Declarative SDP Considerations
7.2.2. 宣言型SDPの考慮事項

In declarative usage, like SDP in the Real Time Streaming Protocol (RTSP) [RFC2326] or the Session Announcement Protocol (SAP) [RFC2974], the parameters SHALL be interpreted as follows:

次のように宣言用法では、リアルタイムストリーミングプロトコル(RTSP)でSDP [RFC2326]またはセッションアナウンスメントプロトコル(SAP)[RFC2974]のように、パラメータは解釈されなければなりません。

o The stream property parameter ("max-red") is declarative, and a participant MUST follow what is declared for the session. In this case, it means that the receiver MUST be prepared to allocate buffer memory for the given redundancy. Any transmissions MUST NOT use more redundancy than what has been declared. More than one configuration may be provided if necessary by declaring multiple RTP payload types; however, the number of types should be kept small.


o Any "maxptime" and "ptime" values should be selected with care to ensure that the session's participants can achieve reasonable performance.


8. IANA Considerations
8. IANAの考慮事項

One media type (audio/GSM-HR-08) has been defined, and it has been registered in the media types registry; see Section 7.1.

一つのメディアタイプ(オーディオ/ GSM-HR-08)定義されており、それはメディアタイプレジストリに登録されています。 7.1節を参照してください。

9. Congestion Control

The general congestion control considerations for transporting RTP data apply; see RTP [RFC3550] and any applicable RTP profiles, e.g., "RTP/AVP" [RFC3551].

RTPデータを転送するための一般的な輻輳制御の考慮事項が適用されます。 RTP [RFC3550]と該当RTPプロファイル、例えば、 "RTP / AVP" [RFC3551]を参照。

The number of frames encapsulated in each RTP payload highly influences the overall bandwidth of the RTP stream due to header overhead constraints. Packetizing more frames in each RTP payload can reduce the number of packets sent and hence the header overhead, at the expense of increased delay and reduced error robustness. If forward error correction (FEC) is used, the amount of FEC-induced redundancy needs to be regulated such that the use of FEC itself does not cause a congestion problem.


10. 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 in any applicable RTP profile. The main security considerations for the RTP packet carrying the RTP payload format defined within this memo are confidentiality, integrity, and source authenticity. Confidentiality is achieved by encryption of the RTP payload, and integrity of the RTP packets through a suitable cryptographic integrity protection mechanism. A cryptographic system may also allow the authentication of the source of the payload. A suitable security mechanism for this RTP payload format should provide confidentiality, integrity protection, and at least source authentication capable of determining whether or not an RTP packet is from a member of the RTP session.


Note that the appropriate mechanism to provide security to RTP and payloads following this may vary. It is dependent on the application, the transport, and the signaling protocol employed. Therefore, a single mechanism is not sufficient, although if suitable, the usage of the Secure Real-time Transport Protocol (SRTP) [RFC3711] is recommended. Other mechanisms that may be used are IPsec [RFC4301] and Transport Layer Security (TLS) [RFC5246] (e.g., for RTP over TCP), but other alternatives may also exist.

この次のRTP及びペイロードにセキュリティを提供するための適切な機構が変化してもよいことに留意されたいです。これは、アプリケーション、輸送、および使用されるシグナリングプロトコルに依存しています。したがって、単一のメカニズムは、適切な場合にも、セキュアリアルタイムトランスポートプロトコル(SRTP)[RFC3711]の使用が推奨され、十分ではありません。使用することができる他の機構は、IPSec [RFC4301]とトランスポート層セキュリティ(TLS)は、[RFC5246](例えば、TCP上のRTPのための)が、他の選択肢も存在し得ます。

This RTP payload format and its media decoder do not exhibit any significant non-uniformity in the receiver-side computational complexity for packet processing, and thus are unlikely to pose a denial-of-service threat due to the receipt of pathological data; nor does the RTP payload format contain any active content.

このRTPペイロードフォーマットとメディアデコーダは、パケット処理のために受信側計算の複雑さの有意な不均一性を示し、したがってによる病理学的データを受信すると、サービス拒否の脅威をもたらす可能性は低いありません。 RTPペイロード形式は、任意のアクティブコンテンツが含まれていません。

11. Acknowledgements

The authors would like to thank Xiaodong Duan, Shuaiyu Wang, Rocky Wang, and Ying Zhang for their initial work in this area. Many thanks also go to Tomas Frankkila for useful input and comments.


12. References
12.1. Normative References
12.1. 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。

[RFC3264] Rosenberg, J. and H. Schulzrinne, "An Offer/Answer Model with Session Description Protocol (SDP)", RFC 3264, June 2002.

[RFC3264]ローゼンバーグ、J.とH. Schulzrinneと、RFC 3264、2002年6月 "セッション記述プロトコル(SDP)とのオファー/アンサーモデル"。

[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月。

[RFC3551] Schulzrinne, H. and S. Casner, "RTP Profile for Audio and Video Conferences with Minimal Control", STD 65, RFC 3551, July 2003.

[RFC3551] Schulzrinneと、H.とS. Casner、 "最小量のコントロールがあるオーディオとビデオ会議システムのためのRTPプロフィール"、STD 65、RFC 3551、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。

[RFC5405] Eggert, L. and G. Fairhurst, "Unicast UDP Usage Guidelines for Application Designers", BCP 145, RFC 5405, November 2008.

[RFC5405]エッゲルト、L.とG. Fairhurst、 "アプリケーションデザイナーのためのユニキャストUDPの使用上の注意事項"、BCP 145、RFC 5405、2008年11月。

[TS46.002] 3GPP, "Half rate speech; Half rate speech processing functions", 3GPP TS 46.002, June 2007, <http://>.

[TS46.002] 3GPP、 "ハーフレート音声、ハーフレート音声処理機能"、3GPP TS 46.002、2007年6月、<のhttp:// 46002から700 .zipファイル>。

[TS46.020] 3GPP, "Half rate speech; Half rate speech transcoding", 3GPP TS 46.020, June 2007, < Specs/archive/46_series/46.020/>.

[TS46.020] 3GPP、 "ハーフレート音声、ハーフレート音声トランスコーディング"、3GPP TS 46.020、2007年6月、<仕様/アーカイブ/ 46_series / 46.020 / 46020から700。ファスナー>。

12.2. Informative References
12.2. 参考文献

[RFC2198] Perkins, C., Kouvelas, I., Hodson, O., Hardman, V., Handley, M., Bolot, J., Vega-Garcia, A., and S. Fosse-Parisis, "RTP Payload for Redundant Audio Data", RFC 2198, September 1997.

[RFC2198]パーキンス、C.、Kouvelas、I.、ホドソン、O.、ハードマン、V.、ハンドレー、M.、Bolot、J.、ベガ・ガルシア、A.、およびS.フォッシー-Parisis、「RTPペイロード冗長オーディオ・データ」、RFC 2198、1997年9月のため。

[RFC2326] Schulzrinne, H., Rao, A., and R. Lanphier, "Real Time Streaming Protocol (RTSP)", RFC 2326, April 1998.

[RFC2326] SchulzrinneとH.とラオとA.、およびR. Lanphier、 "リアルタイムのストリーミングプロトコル(RTSP)"、RFC 2326、1998年4月。

[RFC2974] Handley, M., Perkins, C., and E. Whelan, "Session Announcement Protocol", RFC 2974, October 2000.

[RFC2974]ハンドリー、M.、パーキンス、C.、およびE.ウィーラン、 "セッションアナウンスメントプロトコル"、RFC 2974、2000年10月。

[RFC3711] Baugher, M., McGrew, D., Naslund, M., Carrara, E., and K. Norrman, "The Secure Real-time Transport Protocol (SRTP)", RFC 3711, March 2004.

[RFC3711] Baugher、M.、マグリュー、D.、Naslund、M.、カララ、E.、およびK. Norrman、 "セキュアリアルタイム転送プロトコル(SRTP)"、RFC 3711、2004年3月。

[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。

[RFC4301] Kent, S. and K. Seo, "Security Architecture for the Internet Protocol", RFC 4301, December 2005.

[RFC4301]ケント、S.とK. Seo、 "インターネットプロトコルのためのセキュリティアーキテクチャ"、RFC 4301、2005年12月。

[RFC4855] Casner, S., "Media Type Registration of RTP Payload Formats", RFC 4855, February 2007.

[RFC4855] Casner、S.、RFC 4855、2007年2月 "RTPペイロード形式のメディアタイプ登録"。

[RFC5109] Li, A., "RTP Payload Format for Generic Forward Error Correction", RFC 5109, December 2007.

[RFC5109]李、A.、 "一般的なフォワードエラー訂正のためのRTPペイロードフォーマット"、RFC 5109、2007年12月。

[RFC5246] Dierks, T. and E. Rescorla, "The Transport Layer Security (TLS) Protocol Version 1.2", RFC 5246, August 2008.

[RFC5246]ダークス、T.およびE.レスコラ、 "トランスポート層セキュリティ(TLS)プロトコルバージョン1.2"、RFC 5246、2008年8月。

Authors' Addresses


Xiaodong Duan China Mobile Communications Corporation 53A, Xibianmennei Ave., Xuanwu District Beijing, 100053 P.R. China EMail:

地区北京、100053 P.R.中国メール無しAodong D U [XI] UM中国移動通信社の53A、ξサイドドアAVE、X UA N :. @China Mobile.comセグメント暁東

Shuaiyu Wang China Mobile Communications Corporation 53A, Xibianmennei Ave., Xuanwu District Beijing, 100053 P.R. China EMail:

シュウ王中国移動通信社の53A、ξサイドドアAVEの、X UA N地区北京せず、100053中華人民共和国メール:.元帥と@China Mobile.com理由

Magnus Westerlund Ericsson AB Farogatan 6 Stockholm, SE-164 80 Sweden Phone: +46 8 719 0000 EMail:

マグヌスウェスターエリクソンABFärögatan6ストックホルム、SE-164 80スウェーデン電話:+46 8 719 0000 Eメール

Karl Hellwig Ericsson AB Ericsson Allee 1 52134 Herzogenrath Germany Phone: +49 2407 575-2054 EMail:

カールHellwigさんエリクソンABエリクソンアリー1 52134 Herzogenrathのドイツ電話:+49 2407 575から2054 Eメール

Ingemar Johansson Ericsson AB Laboratoriegrand 11 SE-971 28 Lulea Sweden Phone: +46 73 0783289 EMail:

インゲマル・ヨハンソン、エリクソンAB研究所グランド11 SE-971 28ルレオスウェーデン電話:+46 73 0783289 Eメール