Résumé

  • Le RFC 978 proposait un en-tête de 18 octets pour faire circuler des fichiers de parole entre systèmes différents : méthode de codage, débit approximatif, durée et masque de tonalités téléphoniques.
  • Dans le masque DTMF à seize bits, un 1 garantissait l’absence de la tonalité correspondante. Un 0 indiquait seulement qu’on ignorait si elle était présente.

Le colis arrive intact. Le destinataire l’ouvre et découvre une voix qu’il ne sait pas lire. En février 1986, les machines parlant chacune leur dialecte d’enregistrement, une livraison parfaite des octets ne suffisait pas. J.K. Reynolds et quatre collègues ont donc proposé le Voice File Interchange Protocol : une étiquette de dix-huit octets pour renseigner la machine d’arrivée. Une de ses mentions ressemblait à un certificat d’absence.

Le projet répondait à la diversité des matériels vocaux et à l’intérêt croissant pour le courrier multimédia. L’en-tête donne une version sur un octet et une longueur sur un autre : pour cette première version, la longueur vaut 18. Quatre octets indiquent un débit d’enregistrement approximatif en bits par seconde, quatre autres une durée en dixièmes de seconde. Six octets ASCII nomment la méthode de codage ou d’enregistrement ; les noms trop courts sont complétés par des espaces, puis comparés sans tenir compte de la casse. Ce n’est pas la voix elle-même.

C’est une fiche pour éviter que le lecteur ne devine au hasard quel appareil l’a produite.

Au centre se trouve le masque DTMF. Il concerne seize tonalités de clavier téléphonique : les chiffres de zéro à neuf, étoile, dièse et les lettres A à D. Son sens prend à rebours la lecture pressée. Un bit à 1 affirme que la tonalité correspondante ne figure certainement pas dans le fichier. Un bit à 0 ne dit pas qu’elle s’y trouve : sa présence reste inconnue. Seize zéros forment un constat d’ignorance ; seize uns excluent les seize tonalités. La différence entre « absent » et « peut-être » tient dans une case.

Les exemples de l’article empêchent toute pirouette. Pour une minute de voix NVP-2 à 2 400 bits par seconde, le masque vaut zéro : aucune tonalité n’est exclue. Pour dix secondes de voix TI à 1 200 bits par seconde, il vaut 1 023. Les dix bits de poids faible sont à un ; les tonalités de zéro à neuf sont donc garanties absentes. Sur étoile, dièse et A à D, la fiche ne se prononce pas. Le nombre 1 023 n’est pas un compteur de sons détectés, mais une série d’exclusions.

Les auteurs permettaient même de conserver l’en-tête dans un fichier associé séparé, plutôt que devant les données vocales. Il fallait alors garder l’étiquette avec le bon colis. La notice officielle date le texte de février 1986. Il présente une proposition capable de faciliter une conversion automatique ; son en-tête n’exécute pas la conversion à lui seul. Sa réussite conceptuelle est plus fine : transporter les informations connues sans maquiller les inconnues. Une voix peut traverser le réseau. Pour l’entendre correctement, la machine doit aussi recevoir la bonne description — et respecter les silences que cette description sait prouver.