Передача голоса через спутник с помощью ИИ-кодека NESC

А давайте о чем-то более интересном. Что там нового в телекоме, космосе и причем тут ИИ Iridium, Deutsche Telekom IoT и Toyota передали голосовое сообщение через спутник. Из машины. Прямо через низкоорбитальную группировку, без всякого спецжелеза: отладочная плата Nordic nRF9151, обычная симка DT IoT, стандартный NB-IoT. Технология в общем виде называется Non-Terrestrial Networks — переводится как "Неназемные сети" (иногда используются варианты "нетеррестриальные сети" или "неземные сети"). Запомните эти три буквы — в ближайшие годы они станут популярны. Первое сообщение — "testing, testing, one, two, freeway". История не запомнит, но пусть будет. Главное в пресс-релизе, впрочем, не фокус с машиной, а роуминговое соглашение: клиенты Deutsche Telekom IoT смогут прозрачно переходить с наземных сетей на спутники Iridium и обратно. Коммерческий запуск обещают в четвёртом квартале 2026-го, отдельные европейские клиенты уже тестируют. А теперь самое интересное — как они запихнули голос в NB-IoT, где максимальные скорости передачи исчисляются десятками килобит/сек, а задержки до 10 секунд норма. Канал там, скажем мягко, узкий. Обычный голосовой кодек в 4G/5G просит 13 килобит в секунду и больше — у спутникового NB-IoT таких денег нет. И вот Fraunhofer (те самые, которые когда-то изобрели MP3) сделали кодек NESC, укладывающийся в 1 килобит в секунду. А то и меньше. Килобит в секунду — это 125 байт. Абзац, который вы сейчас читаете, весит больше. Как так? Обычный кодек пытается передать сам звук. Сжимает как умеет, но по сути тащит через канал форму сигнала — ту кривую, которую нарисовал ваш голос в микрофоне. Чем точнее кривая, тем больше битов. Арифметика простая и беспощадная. NESC звук не передаёт вообще. Он передаёт описание. Представьте, что нужно переслать концерт по телеграфу. Запись не влезет никак — а вот ноты влезут. На той стороне сидит музыкант, который умеет играть, и по нотам всё воспроизводит. NESC — это ноты. Музыкант — нейросеть в приёмнике. Обе стороны заранее обучены на годах воспроизведения человеческой речи: как устроены звуки, как ложится интонация, как вообще звучит живой человек. Поэтому по каналу гонят скупые подсказки, а речь синтезируется уже на месте, заново. Отсюда следствие: На том конце слышат не ваш голос. Слышат правдоподобную реконструкцию того, что было сказано. Смысл доехал, интонация похожа, битов оригинала нет ни одного. Для eCall и аварийных сообщений — ровно то, что доктор прописал. А вот когда такую запись понесут в суд как доказательство или скормят системе распознавания говорящего, то ничего не получится. Ну, в данном случае оно и не надо — сервисные сообщения, считай, что смс-ку передали.