Resumen

  • El RFC 978 propuso una cabecera de 18 bytes para intercambiar archivos de voz entre sistemas distintos, con método de codificación, tasa aproximada, duración y una máscara de tonos telefónicos.
  • En la máscara DTMF, un bit 1 garantizaba que el tono correspondiente estaba ausente; un 0 dejaba abierta su presencia. La grabación podía llevar consigo una prueba de ausencia.

La grabación cruza la red sin perder un byte. En la computadora de destino nadie sabe qué hacer con ella. Ese era el problema práctico que J.K. Reynolds y cuatro coautores abordaron en febrero de 1986 con el Voice File Interchange Protocol. La voz necesitaba una etiqueta de equipaje: 18 bytes que dijeran cómo estaba hecha. En mitad de esa etiqueta aparecía una declaración insólita: «este tono, seguro que no».

Los sistemas de voz usaban métodos diversos, y el correo multimedia prometía moverlos entre máquinas. VFIP describía el contenido en lugar de imponer un único aparato. El primer byte daba la versión; el segundo, la longitud de la cabecera, 18 en la versión inicial. Después venían una tasa aproximada de grabación en bits por segundo y una duración expresada en décimas de segundo, ambas en campos de 32 bits. Un nombre ASCII de seis bytes identificaba el método; los nombres cortos se completaban con espacios y se comparaban sin distinguir mayúsculas. Así, quien recibía el archivo tenía al menos un punto de partida para convertirlo.

El campo más revelador ocupaba dos bytes. Era una máscara para los dieciséis tonos DTMF del teclado: los diez dígitos, asterisco, almohadilla y A, B, C, D. Aquí un uno no significaba «lo oí». Significaba que ese tono no está en el archivo, con garantía. Un cero decía «puede que sí, puede que no». Una máscara llena de ceros no sabe nada; una llena de unos descarta los dieciséis tonos. Confundir la ausencia certificada con la presencia posible habría dado al receptor exactamente la conclusión contraria.

Los autores ofrecieron dos ejemplos. Una grabación NVP-2 de un minuto a 2.400 bits por segundo llevaba máscara cero: no se descartaba ningún tono. Otra grabación TI, de diez segundos a 1.200 bits por segundo, usaba la máscara 1.023. Sus diez bits inferiores estaban activos y descartaban los tonos del cero al nueve. Sobre los otros seis tonos, el archivo no prometía nada. Parece un número que anuncia mucho; en realidad enumera diez silencios concretos.

La cabecera ni siquiera tenía que ir pegada al principio del audio. Podía conservarse como un archivo asociado, siempre que continuara correspondiendo a la grabación correcta. La ficha del RFC Editor sitúa la propuesta en febrero de 1986. El documento preveía facilitar conversiones automáticas; describir un método no construía por sí solo el conversor. Su logro estaba en otro sitio: permitir que una máquina recibiera tanto lo que se sabía como lo que aún se ignoraba. En un archivo de voz, también hacía falta escuchar las afirmaciones sobre el silencio.