CSipSimple の最適化 「G-Call050」編

「G-Call050」をより快適に使用するために、「CSipSimple」の設定を自分なりに最適化していきました。ここではその経過を報告します。

まずは、「CSipSimple」の設定の変更により、通話品質がどの程度変化するのかを検証します。もちろん、自分の聞こえ方ではなく、相手側にどのように聞こえているかの検証です。

その検証結果を基に、「G-Call050」に最適な「CSipSimple」の設定を見つけたいと思います。


まず、「G-Call050」ってなに？という人は次の記事を参照してください。
＜スマホでIP電話「G-Call050」のすすめ＞

「G-Call050」は専用アプリでしか使えないのでは？と思う人は次の記事をご覧ください。
＜「G-Call 050」のSIP情報を抜く方法＞



【CSipSimpleの設定項目について】

まず、「CSipSimple」には大枠として下記設定項目があります。

簡易設定

ネットワーク

メディア

ユーザインターフェース

通話オプション

フィルター

これら設定の中で通話品質に関わりそうなものをピックアップします。

＜ネットワーク＞

QoSを有効

DSCP値

コンパクトSIPを使用

ICEを有効


＜メディア＞

エコーキャンセル

エコー除去

エコーモード

音声検出

メディア品質

クロックレート

音声フレーム ptime



【CSipSimpleの音質に関わる設定の説明】

以下は私流の解釈です。正直言って良くわかっていないです。間違ったものがありましたら、ぜひ教えてください。

［QoSを有効］

QoS（Quality of Service）

超混雑時などでスマホの通信は遅くなると思います。数kBの読み込みすら時間がかかります。
しかし、それだけ混んでいる回線でも通話は難なくできます。

このように同じ３Ｇ通信の中でも、通話に使う帯域は優先して確保されます。
これが「QoS」です。

しかし、これを使うにはサーバ側の対応が必要なため、「G-Call050」の通常利用では使えません。
（検証から除外）


［DSCP値］

DSCP（Differentiated Services Code Point）

これもQoSと似ているのですが、こちらはパケット自体に優先度を判断する情報を乗せて通信します。
これもサーバ側（SIPサーバ）の対応が必要なため、使えません。
（検証から除外）


［コンパクトSIPを使用］

検索しましたが、その意味はよくわかりませんでした。
SIP通信を圧縮し、それにより容量が減らせるため、ハード側のメモリーを節約できる的なことが書かれていました。

これは、G-Call050サーバ側の対応を確認したいため、検証しました。
しかし、そもそもSIP自体が非常にコンパクトなため、どの程度効果があるかは分かりません。


［ICEを有効］

ICE （Internet Connectivity Exchange）

SIP通信でNAT越えをする際に使用します。
また、相手側まで最短ルートで到達できるように最適なネットワークルートを自動で探し出します。

NAT越えが目的ではなく、これを有効にすることで、ネットワーク上の最短ルートを通過できるのか確認したく、検証しました。

［エコーキャンセル］
［エコー除去］
［エコーモード］

エコーはそのままの意味ですので説明は割愛します。
なお、エコーは遅延時間が大きいほど増加します。

エコー除去時間はデフォルトの200msでは短すぎるため、「G-Call050」の遅延時間に合わせ、300msを設定し検証しました。
なお、300という数字の根拠は、過去に行ってきた検証結果からの経験値です。


［音声検出］

これは音声を検出した場合以外の音声を無音にするものです。
人間がしゃべり始めた瞬間を検知し、その瞬間から音声が聞こえなくなるまでの間だけマイクを有効にする、といったイメージです。

これは、OFFのほうが明らかに良いとは思うのですが、あらためて検証してみることとしました。


［メディア品質］

説明では「メディアストリームの品質」となっているので、これはメディアストリームのことと解釈します。（違うかも知れません。）

メディアストリームとは、１本につき１メディアを送信するコネクションを確立するためのものです。
例えばビデオ通話では映像の送受信で２本分、音声の送受信で２本分、計４本のメディアストリームが必要と言うことになります。

これが、私の考える「メディアストリーム」であれば、４は大きすぎです。２で十分のはず。そのため、４と２の２パターン検証しました。


［クロックレート］

「CSipSimple」には「オーディオチャンネル周波数」との説明がありますが、詳細がわかりません。
送信するときのサンプリングレートなのか、受信時のものなのか分からないため検証してみました。


［音声フレーム ptime］

これは、何ms間隔で音声パケットをひとかたまりとするかを決定するものです。
少ない時間の方が遅延時間は小さくなりますが、それだけ音声パケットが細切れになるということです。
これを小さくすることにより、遅延時間は減少しますが、ゆらぎは増加するはずです。

これは回線状況とSIPサーバにより、最適値はかなり左右されるはずなので、5、10、15、20の４パターン検証します。



【検証前の準備】

検証条件は次のとおりです。（前回とほぼ同様）

光回線へWi-Fi接続、使用する音声コーデックはSILK（8kHz）とする

PCスピーカの音声を拾う

音質の検証は「FUSION IP-Phone SMART」の留守電を使用

遅延時間の測定は「IP電話→携帯電話」通話時の音声波形より抽出

遅延時間の測定は１点ではなく、１分程度の連続した通話の中で、複数の測定点を設け、その平均値とする

検証する項目以外の設定は、一部を除きすべてデフォルトとする（エコーキャンセルだけOFF）



【音質検証結果】

（夜中に録音している関係上、音量は小さめです。）

＜音声の元データ＞



［検証結果一覧］

メニュー	項目	状態	デフォルト 設定	遅延時間	録音データ
ネットワーク	コンパクトSIPを使用	OFF	○	379ms	―
		ON		373ms	―
	ICEを有効	OFF	○	379ms	―
		ON		366ms	―
メディア	エコーキャンセル	OFF		379ms
		ON	○	388ms
	エコー除去	300ms	200ms	―	―
	エコーモード	シンプル	自動	―	―
	音声検出	OFF	○	379ms
		ON		365ms
	メディア品質	4	○	379ms
		2		365ms
	クロックレート	8kHz		383ms
		16kHz	○	379ms
		44.1kHz		411ms
	音声フレーム ptime	5		344ms
		10		370ms
		15		424ms
		20	○	379ms

【検討・考察】

＜ネットワーク＞

［コンパクトSIPを使用］
ONにすると遅延時間が若干改善されました。誤差だとは思いますが、ONにしたときの副作用もないため、ONで使います。


［ICEを有効］
ONにすると遅延時間が若干改善されました。ネットワーク上の最短ルートを通ったのか判断はできませんが、これも上記と同様ONにします。


＜メディア＞

［エコーキャンセル］
これをONにしても音質にはほとんど影響がないようです。しかし、ONで遅延時間が増加しています。
これは、エコーをキャンセルするために、時間的バッファが必要になるためです。
OFFに設定します。


［音声検出］
良い意味で予想を裏切ってくれました。
これをONにすることで遅延が改善されています。
無駄な処理を無くすことで負荷が減るのでしょうか？理由はわかりませんが、ONで使用します。

以前、これをテストしたときは、ONで明らかに音質が落ちたのですが、そのときはエコーキャンセルと一緒に設定していました。
もしかすると、単体での使用に威力を発揮する？いずれにしてもONでしばらくは様子見です。


［メディア品質］
予想を外しました。
これは、どうやらメディアストリームのことではないようです。２に設定すると、遅延は若干改善されるのですが、それ以上に音質が劣化します。
デフォルトの４で使用します。


［クロックレート］
クロックレートの変更で音質はほとんど変化しないようです。44.1kHzの時だけ音質が若干まろやかになったような気がします。（プラシーボかも･･･）
いずれにせよ、レートの増加で遅延時間も増加します。
これは、16kHzで使用します。


［音声フレーム ptime］
５にときに激的に遅延が改善されます。しかし、激的に音質が劣化します。
10～20ではもうほとんど変化がありません。遅延は15のときには増加しています（誤差？）。
それでしたら20で十分です。



【最適なCSipSimpleの設定】

以上のことをまとめます。
「G-Call050」に最適な「CSipSimple」の設定は次のとおりです。

＜ネットワーク＞

コンパクトSIPを使用
     →　ON

ICEを有効
     →　ON


＜メディア＞

エコーキャンセル
     →　OFF

音声検出
     →　ON

メディア品質
     →　4

クロックレート
     →　16kHz

音声フレーム ptime
     →　20ms

（コーデックは　SILK 8kHz　のみ使用）


なお、コネクションキープアライブの設定は自分の環境に合わせて、適宜設定します。

私の設定は以下のとおりです。
これは、何も検証していない適当な数値です。

WiFi UDPキープアライブ：600
モバイル UDPキープアライブ：600
WiFi TCPキープアライブ：600
モバイル TCPキープアライブ：600
WiFi TLSキープアライブ：3600
モバイル TLSキープアライブ：3600

その他は全てデフォルトです。


以上の最適化をすべて行ったものと、デフォルトを比較しました。

回線種別	状態	遅延時間	録音データ
Wi-Fi（光）	デフォルト	382ms
	最適化	387ms
３Ｇ回線	デフォルト	577ms
	最適化	496ms

Wi-Fi接続時はほとんど変化がありません。。
３Ｇ回線の方は、激的に遅延が改善されています。真偽の程はわかりませんが、データ上の結果は非常に良好です。

これは、短期間で結論が出せる話ではないため、今回の検証により最適化した（つもりの）「CSipSimple」と「G-Call050」で、しばらく使用してみて実証実験をしたいと思います。

結果は後ほど追記します。