Resumo

  • O RFC 978 propôs um cabeçalho de 18 bytes para intercâmbio de arquivos de fala entre sistemas diferentes, com método de gravação, taxa aproximada, duração e máscara de tons de teclado.
  • Na máscara DTMF, 1 garantia que um tom específico não ocorria; 0 deixava a presença em aberto. O arquivo carregava também uma afirmação sobre o que faltava.

A voz atravessa a rede; o computador de chegada olha para os bytes e não sabe o que ouvir. J.K. Reynolds e quatro coautores enfrentaram essa cena em fevereiro de 1986 com o Voice File Interchange Protocol. A ideia era pendurar na gravação uma etiqueta de 18 bytes. Seu trecho mais curioso não dizia como a voz soava, mas qual som de teclado tinha ficado de fora.

Havia vários equipamentos e métodos de gravação, enquanto o correio multimídia começava a querer levar fala de um sistema a outro. O cabeçalho informava versão e comprimento em um byte cada; na primeira versão, o comprimento era 18. Campos de 32 bits traziam taxa aproximada em bits por segundo e tempo total em décimos de segundo. Seis bytes ASCII nomeavam o método; nomes curtos ganhavam espaços à direita, e a comparação ignorava diferença entre maiúsculas e minúsculas. Quem recebia a gravação podia assim reconhecer a embalagem antes de tentar converter seu conteúdo.

A máscara DTMF tinha 16 bits, um para cada tom possível de teclado: números de zero a nove, asterisco, jogo da velha e A a D. A regra parece escrita para pegar o leitor apressado. Bit 1 quer dizer que o tom correspondente está garantidamente ausente do arquivo. Bit 0 quer dizer que ele pode estar presente ou não. Todos os bits em zero exprimem ignorância completa; todos em um excluem todos os tons. Um sinal marcado não relata um ruído ouvido: assina uma ausência.

O documento deu números para testar a leitura. Uma gravação NVP-2 de um minuto a 2.400 bits por segundo tinha máscara zero; nenhum tom era excluído. Outra, feita pelo método TI por dez segundos a 1.200 bits por segundo, tinha máscara 1.023. Os dez bits inferiores excluíam os dígitos de zero a nove, enquanto os outros seis tons continuavam sem resposta. O número 1.023 parece exuberante, mas sua mensagem é restrita: dez tons não aparecem.

Os autores permitiam guardar o cabeçalho num arquivo associado separado, em vez de colocá-lo na frente da fala. A etiqueta precisava continuar presa à gravação certa. O registro do RFC Editor situa a proposta em fevereiro de 1986. Ela visava facilitar conversão automática, sem entregar uma máquina universal de conversão. O gesto técnico mais refinado era outro: passar adiante o conhecimento preciso sem transformar silêncio de informação em certeza. Para uma voz viajar, suas lacunas também precisavam de tradução.