Audio over Ethernet

Фил Баранов,
a.k.a mix2r@


Передача потокового аудио по компьютерным сетям Ethernet широко применяется в аудио-видео инсталляциях, звукоусилении и вещании. Зачастую термин Audio over Ethernet сокращают до AoE, а затем путают это сокращение с другими компьютерными аббревиатурами. В нашем случае AoE — это все виды сетевой дистрибуции, то есть – раздачи многоканального цифрового аудио в реальном времени.


Ожидалось, что решения на основе АоЕ позволят:
– избежать массивных, дорогих и длинных аналоговых мультикабелей на большое число каналов, их закладки, обслуживания и сопутствующих потерь;
– избежать ухудшения качества сигналов, снизить рост стоимости передачи и дистрибуции в зависимости от дальности и/или числа потребителей/источников аудио;


– задействовать имеющееся в зданиях и на площадках цифровое сетевое хозяйство, т.е. использовать стандартные компьютерные сети в качестве скелета для специфических аудиоприложений – крупномасштабного разветвленного звукоусиления для стадионов, аэропортов, единых комплексов с множеством студий либо сцен.


В отличие от VoIP в AoE изначально к качеству сигнала и отсутствию задержек при передаче и распределении отнеслись серьезно, и сжатие аудио не применялось. Как следствие, для АоЕ нужны высокопроизводительные сети, как локальные LAN, так и виртуальные VLAN, а также дополнительное/избыточное резервирование с особыми требованиями к ширине полосы, количеству и исправлению ошибок, пропускной способности, задержке прохождения сигналов, внутрисетевому джиттеру, качеству обслуживания трафика QoS и т.д.


При современных стандартах цифрового звука 24 бит, частотах дискретизации 48, 96 и 192 кГц и задержке менее 10 мс типовой битрейт в сетях АоЕ превышает 1 Мбит на канал (1.15 Мбит/сек для 48 кГц, для 192 кГц нужно 4.6 Мбит/с на канал). Свыше 60 каналов в обе стороны для AoE не было много даже на раннем этапе.


Изначально цифровые потоковые сетевые решения для обеспечения необходимого приоритета обработки аудио были проприетарными. Сейчас они таковые лишь  на высших уровнях. Реализована совместимость на трех уровнях OSI (Open Systems Interconnection Basic reference Model) из семи.


Приведенный выше порядок роста ожиданий от раздачи цифрового аудио по сетям прослеживается в последовательности реализации совместимости Ethernet-версий протоколов типовой Сетевой модели или OSI  — эталонной модели взаимодействия открытых систем. Протоколы модели OSI  взаимодействуют с протоколами своего уровня либо с соседними протоколами.


Взаимодействия с протоколами своего уровня — горизонтальные, с уровнями на единицу выше или ниже — вертикальные. Существует OSI-специфичный принцип недублирования функционала уровней — любой протокол модели OSI может выполнять только функции своего уровня и не может выполнять функции другого уровня.


OSI-совместимость — большой шаг в концепции современных цифровых аудиосетей. Данная эталонная модель еще до TCP|IP популяризовала идею общей модели протоколов, расположенных на различных уровнях и определяющих взаимодействие между сетевыми устройствами и программным обеспечением.


Не будь ее, вполне возможно, пришлось бы иметь дело с интернетовским TCP|IP в качестве основы, что мало подходит для аудио профессионального качества. В большинстве традиционных компьютерных приложений OSI из-за кажущейся сложности уже не используется, потоковое аудио без сжатия является здесь позитивным исключением.


Привлекательность AoE очевидна. АоЕ предлагает большие максимальные расстояния и передачу цифровых аудиосигналов без искажений и промежуточного усиления на ~100 м по медным проводам и ~2000 м по оптоволокну. Задержка прохождения менее 6 мс становится еще меньше с применением специализированных DSP.


Маршрутизация и разделение сигналов обходится практически бесплатно и не требует перекоммутации вручную, аудио и управляющие данные передаются по одним и тем же проводам. Цифровые сети можно администрировать удаленно, безопасность сети для АоЕ реализуется почти так же, как безопасность любой другой сети.


Ethernet-провода обходятся дешевле, и они легче аналоговых, ведь метр 64-канального симметричного мультикора весит около полутора килограмм.


Во многих АоЕ-форматах пакеты и фреймы последовательно передаются напрямую на канальном уровне Ethernet для уменьшения потерь в скорости прохождения, вычислительной мощности и памяти на дополнительную обработку. Параллельно тактирование и wordclock-синхронизация осуществляются безадресными пакетами, передаваемыми одновременно всем устройствам в сети с так называемой широковещательной адресацией.


«Скоростные» аппетиты АоЕ росли быстро и стабильно. 100 Мбит/с в 1995 году, 1000 Мбит/с в 1999-м, 10 Гбит/с в 2002-м. До запуска AVB AoE требовалось уже 40/100 Гбит/с. Сейчас выпущен Yamaha Nuage Dante Accelerator Card – аппаратный ускоритель на PCI Express плате для Windows и Mac OSX с аппаратной поддержкой AVB,


гигабитным Ethernet-интерфейсом, обеспечивающий передачу до 256 каналов несжатого цифрового аудио, поддержку 24-битного аудио на частотах 44.1/48/88.2/96/192 кГц и сверхмалую задержку прохождения сигналов – около 150 мкс при передаче 256 каналов в обе стороны 24/96-аудио.


Layer 1, или первый уровень протокола, физический, прикладной. На нем определены стандарты, предъявляемые независимыми производителями к типам коммутации при коммуникации: тип передающей среды (медный кабель, оптоволокно, беспроводная передача и тд.), способ модуляции сигнала, сигнальные уровни логических дискретных состояний (нуля и единицы).


Известны открытые стандарты с реализацией совместимости по протоколу Layer 1: AES50 и его вариант SuperMAC и MaGIC от Gibson, а также полностью проприетарные A-net от Aviom, знаменитая RockNet от Riedel Communication, ZIPI от Zeta Instruments, принадлежащий Center for New Music and Audio Technologies (CNMAT) в Беркли и Hydra2 от Calrec.


В целом решения для передачи многоканального цифрового звука по Ethernet существуют уже свыше 20 лет. Первоначально при реализации совместимости с уровнем 1 сетевой модели создавались решения только для соединений типа точка-точка. Системы передачи многоканального цифрового аудио типа точка-точка TDIF, MADI, AES3, ADAT слабо интегрированы с Ethernet и требуют выделенного соединения.


Поэтому через некоторое время предпочтения были отданы развитию решений с дальнейшей интеграцией с Ethernet с целью передачи аудио в реальном времени посредством существующих IP-инфраструктур за счет реализации OSI-совместимости уровня 2 и уровня 3.


Некие промежуточные требования в профессиональном аудио стали таковы:
– передача аудио без потери качества вне зависимости от сжатия, пакетирования и т.д;
– максимальная задержка прохождения сигнала не больше 10 мс;


– затраты на провода и монтаж ниже традиционных аналоговых решений;
– возможность управления и гибкой маршрутизации сигналов;


– многоканальная передача с низкой интерференцией и взаимопроникновением каналов;
– возможность реализации синхронизации аудио.


После реализации совместимости Layer 2, второго уровня протокола или канального уровня, цифровое потоковое аудио уверенно шагнуло за пределы студий и упрочило свои позиции не только в pro audio и вещании, но и в SR-приложениях. На данном уровне определяется кадрирование и канализация данных. На этом уровне обеспечивается согласование сетей на физическом уровне и контроль ошибок, если они возникают.


Данные с физического уровня, представленные в битах, сейчас упаковываются в кадры, проверяются на целостность и при необходимости исправляются за счет формирования повторного запроса поврежденного кадра из буфера. Готовые кадры отправляются на сетевой уровень.


Канальный уровень может контролировать и управлять одним или несколькими физическими уровнями, осуществляя их взаимодействие. На этом уровне работают коммутаторы и хабы, использующие адресацию второго по номеру модели OSI уровня.


Все это применили к пакетированию аудио, что позволило использовать стандартные свитчи и другие устройства уровня 2 в совместимых выделенных локальных (LAN) аудиосетях либо (по меньшей мере) в виртуальных (VLAN) аудиосетях. Открытые форматы такого типа — AES51 (AES3 c несущей, как у AES47 или IEC 62365 для асинхронных или АТМ-сетей) и AVB с тактированием по IEEE802.1 AS и доставкой IEEE1394|IEC 61883 Ethernet-фреймами. 


CobraNet — первая коммерческая система передачи аудио по витой паре реализована компанией Peak Audio по протоколу второго уровня в 1990 г. Интерфейс CobraNet использовали и встраивали многие производителями pro audio оборудования для средних и крупных инсталляций: конференц-залы, ситуационные центры, спортивные объекты, концертные площадки,  крупные павильоны для прямого эфира и т.д.


В 2001 году технологию CobraNet приобретает Cirrus Logic и развивает рынок в сторону недорогих устройств, легко интегрирующихся с имеющимся производимым оборудованием. CobraNet использует стандартную инфраструктуру Ethernet по требованиям  IEEE 802.3  для передачи аудиоданных по OSI Layer 2. Имеющиеся ASIC ограничены поддержкой 100 Мбит Ethernet (100BaseT). Отдельные сегменты сети могут работать на скорости свыше 1 Гбит.


Компания QSC использует собственную версию CobraNet, известную как RAVE.
EtherSound — OSI Layer 2 — протокол французской компании Digigram, представленный в 2001 году с реализацией «в железе» продуктов и инсталляций в 2003 году. В 2006 году расширена спецификация и функционал EtherSound. Версия ES-100 и более поздняя ES-Giga оказались несовместимы между собой.


В ТЗ на EtherSound сделан акцент на простоту коммуникации в приложениях для живых выступлений. По сравнению с CobraNet, протоколу EtherSound поставлены задачи предельно минимизировать задержки прохождения. EtherSound использует последовательную структуру c безадресной синхронизацией в отличие от адресной маршрутизации с большей задержкой.


Собственные форматы с совместимостью на втором уровне OSI, или форматы Layer 2 были разработаны во времена войны форматов многими скольнибудь крупными производителями. У Fostex есть NetCIRA, в Roland был разработан REAC, Waves Audio создала для своих продуктов SoundGrid.


С реализацией Layer 3, третьего, или сетевого уровня сетевой модели OSI, в цифровом аудио стали появляться новые форматы, перспективные не только с технической стороны, но и со стороны лицензирования и бюджетирования R & D производителей оборудования.

Говоря проще, за разработку новых форматов заплатили крупные производители, стимулируя мелкие фирмы-производители на поддержку платформы в целом Сетевой Layer 3 предназначен для определения путей передачи цифровых аудиоданных и отвечает за трансляцию логических адресов и имен к физическим адресатам, оптимизацию маршрутов прохождения (маршрутизацию) и коммутацию, контроль сбоев и синхронизацию работы сети.


Другими словами, протокол сетевого уровня направляет и проводит данные от источника к получателю без ошибок. Работающие на этом уровне устройства условно называют устройствами третьего уровня, или маршрутизаторами.


Открытые форматы 3 уровня – AES-67, ACoIP от EBU, RAVENNA от ALC Networx  и NetJack для Jack Audio Connection kit.


Изложение всей увлекательной истории развития цифровых сетевых аудиоформатов заняло бы слишком много места. Отдельная задача – перечисление всех мелких проприетарных аудиорешений для Ethernet. Надо сказать, что еще год назад ведущими соперниками были AES67, Dante и AVB со значительным лидерством Dante.


По итогам Infocomm 2014 перспективы AVB весьма неплохи, Dante остается лидером. О последних событиях лучше поговорить подробно Dante — сетевой протокол передачи аудиосигналов совместно с управляющими. Работа инициирована и запатентована австралийской компанией Audinate в 2006 году.


Протокол основан на OSI Layer 3 и передаче данных в UDP-пакетах по 100 Мбит/1 Гбит Ethernet-сетям. Audinate активно распространяет лицензии Dante среди производителей pro audio-оборудования, известна поддержка Yamaha, Focusrite. Цель — минимизация начальной цены как препятствия для начала продаж стандартных компонентов.


Поэтому компьютерные аудиоинтерфейсы Dante реализуются на «железе» обычных сетевых карт и программных виртуальных аудиокарт Dante. Особенность Dante – возможность интеграции в сети из обычных коммутаторов (свичей, маршрутизаторов) определяется особенностями транспорта по IP. Также в Dante реализована технология нулевой конфигурации Zeroconf и полная поддержка plug&play.


AVB (Audio Video Bridging) – объеденный единым названием пакет технических и сетевых стандартов, разрабатываемый под руководством AVB Task Group (с 2012 г. Time-Sensitive Networking Task Group) в IEEE (the Institute of Electrical and Electronics Engineers Комитета IEEE 802.1 при поддержке компаний-участников AVnu


(альянс производителей профессионального оборудования). Этот протокол основан на OSI Ethernet Layer 2 и является единственной некоммерческой технологией, поддерживаемой производителями коммерческой продукции.


AVB впервые стандартизован группой IEEE 802.1 и описан как совокупность стандартов IEEE 802.1-AVB, состоящей из IEEE802.1BA (Audio Video Bridging Systems), IEEE 802.1AS (Точность синхронизации), IEEE 802.1Qat (Stream Reservation Protocol, 2010 г.) и IEEE 802.1Qav (Queuing and Forwarding Protocol, 2010 г.).


AVB сосредоточен на конвергенции в реальном времени мультимедийных данных посредством сетевых технологий высокого качества.



IEEE 802.1BA – функциональные требования к устройствам различных типов, их опрос для определения наличия у них технических характеристик, таких, как определение максимальной задержки прохождения сигнала от источника до получателя, составляет 2 мс для соединений А-класса.


IEEE 802.1Qat Stream Reservation Protocol – протокол раздачи приоритетов и резервирования ресурсов сети. Ethernet не предусматривает детерминированность и приоритет потоков, критичных к временной шкале. Гарантии своевременности реализуются предоставлением для аудио и видео сквозной полосы пропускания из SRP-протокола.


Для других данных канал блокируется до высвобождения от потоковых данных. В SRP для запросов описания потока, резервирования канала и ответных сообщений используется IEEE 802.1ak Multiple Registration Protocol. SRP резервирует до 75% ресурсов канала сети в так называемом защищенном облаке (Defended Cloud) и обеспечивает пропускную способность сети от передатчика до приемника.



IEEE 802.1AS Precision Time Protocol — протокол точного тайминга по стандарту синхронизации IEEE 1588:2002.2. При синхронизации от мастер-часов PTP-устройства обмениваются стандартными Ethernetсообщениями. В протоколе определены алгоритмы выбора главных (master) часов, порядок обмена сообщениями, механизмы измерения и компенсации задержки на линии.


Изначально PTP — это упрощенный IEEE 1588. Разница между ними в том, что PTP не IP-протокол, а протокол Layer 2 OSI. Как и IEEE 1588, PTP определяет автоматический выбор «лучших» мастер-часов сети BMCA (best master clock algorithm).



IEEE 802.1Qav Forwarding and Queuing Enhancements определяет поведение различных элементов сети Ethernet. Этот стандарт позволяет мостам гарантировать передачу чувствительного ко времени и потерям аудио- или видеопотока в режиме реального времени. Он устанавливает приоритетность входных потоков и очередность обработки критических ко времени данных, а также отвечает за восстановление приоритетов. Этот стандарт использует ту же шкалу времени, что и IEEE 802.1AS.



Указанные протоколы были реализованы в специализированных чипсетах сетевых продуктов различных производителей еще до окончательного принятия стандартов. Многие производители конечных продуктов уже реализовали аппаратную поддержку AVB, то есть установили нужные чипы, но задержки с выпуском работающих AVB- решений на рынок мешают их применению.


Компании BSS, BIAMP, DBX, JBL, Meyer Sound и некоторые другие уже выпустили в коммерческую продажу AVB совместимые устройства. Кто бы мог подумать, что будут источники сигналов и их приемники, компьютеры на входе и компьютеры на выходе, но не будет нужных свитчей, чтобы все это соединить.


Рынка медиасетей очевидно «хватит» только на одну общую, конвергентную технологию и, вероятно, это будет Ethernet. Множество групп разработчиков занимаются активным усовершенствованием  инфраструктурных решений для Ethernet, в том числе проводных и беспроводных устройств физического слоя,


МАС-контроллеров, коммутаторов, схем резервирования, систем диагностики и т.д. Рабочие группы IEEE уже занимаются расширением стандартов AVB на беспроводные сети. Что касается специфичных аудиорынков пока заметнее альтернативные системы.



Будучи впервые представлен в деморежиме на Infocomm 2009 в Вегасе, AVB дорабатывался довольно долго. На вопросы о запуске готового решения интересующиеся 4 года получали ответы об ожидании того или иного ключевого компонента – требовались даже особые коммутаторы с поддержкой AVB, при том что Cisco, соучредитель альянса AVnu, не собралась реализовать поддержку формата даже в своем монументальном Cisco 800.


И вот в июне 2013 года мир увидел окончательный вариант AVB в ряде материальных продуктов. Еще недавно только один AVB-сертифицированный коммутатор присутствовал на рынке. За четыре года доведения AVB проприетарный Dante практически захватил рынок решений для «живых» аудиоприложений.


На Infocomm 2012 компания Yamaha заявила о Dante, как об основном формате для своих новых консолей. Несмотря на повсеместные заявления о поддержке AVB, все меньше реальных игроков ожидает серьезных изменений ситуации и после выпуска необходимых коммутаторов с поддержкой AVB.