Guia de codecs VoIP: G.711, G.722, G.729, Opus, AMR

Toda chamada VoIP trafega sobre um codec. Cinco deles transportam a esmagadora maioria do tráfego de voz no planeta, e cada um foi projetado em torno das limitações da internet na época de sua criação. O G.711 surgiu da telefonia digital de linha fixa e precisava caber em modems de 56k. O G.722 trouxe áudio wideband para telefones IP corporativos e é o que a indústria comercializa como HD Voice no lado dos telefones de mesa. O G.729 foi construído para comprimir voz através de internet discada. O Opus chegou depois de 2010 e foi projetado para um mundo com internet de fibra e capacidades avançadas de codificação e decodificação, escalando de chat com baixa largura de banda até streaming com qualidade de estúdio. AMR e EVRC são as famílias de codecs que as redes móveis padronizaram, primeiro para 2G e 3G e agora para VoLTE.

Este é um guia panorâmico, não uma comparação direta. O objetivo é dar a um arquiteto de redes, MSP ou provedor de serviços o mapa mental necessário para escolher um codec em cada segmento de uma rede real: qual se encaixa onde, quais trade-offs cada um traz, como o Opus mudou o padrão, e como um SBC arbitra quando os dois lados de uma chamada não conseguem concordar. Para a comparação detalhada entre G.711 e G.729, veja o artigo dedicado G.711 vs G.729. Para a mecânica de conversão entre codecs em uma chamada ao vivo, o artigo sobre transcodificação SBC AMR para G.711 aprofunda no plano de transcodificação.

O panorama dos codecs

Antes de compará-los, é útil ver para que cada codec foi projetado. Os cinco foram construídos em décadas diferentes para redes diferentes, e os pontos fortes de cada um ainda remetem ao contexto original de seu projeto.

G.711 é o codec no qual a PSTN opera. Padronizado pelo ITU-T em 1972, amostra a fala a 8 kHz e aplica uma compressão logarítmica simples (A-law na maior parte do mundo, µ-law na América do Norte e Japão) para produzir um fluxo constante de 64 kbps. O trabalho de codificação e decodificação é trivial, a qualidade de voz é essencialmente a de uma chamada telefônica fixa, e o codec transporta tons de fax e DTMF em banda sem problemas. Praticamente todos os SIP trunks, IP-PBX e interconexões de operadoras suportam G.711 nativamente, razão pela qual ele continua sendo a lingua franca do VoIP quarenta anos após ser escrito.

G.722 é o codec wideband que o mundo da voz corporativa adotou para áudio HD. Padronizado pelo ITU-T em 1988, amostra a 16 kHz e usa ADPCM de sub-banda para entregar fala wideband (50 Hz a 7 kHz) a 48, 56 ou 64 kbps, com a maioria das implantações rodando no modo de 64 kbps. O custo de CPU é trivial, o codec é livre de royalties, e praticamente todos os telefones IP empresariais da Polycom, Cisco, Yealink, Snom e Mitel vêm com G.722 habilitado por padrão. G.722 é o que a indústria marca como HD Voice no lado dos telefones de mesa e SIP corporativo. Não é seguro para fax e não transporta DTMF em banda, mas em um SIP trunk limpo entre dois telefones de mesa HD, é a forma mais simples de obter áudio wideband sem mudar nada no restante da stack.

G.729 é o codec que o VoIP corporativo usou nos anos 1990 e 2000. Padronizado em 1996, quando links WAN eram estreitos e caros, amostra nos mesmos 8 kHz do G.711, mas comprime cada quadro de 10 ms para 80 bits usando CS-ACELP, um modelo preditivo de trato vocal que entrega 8 kbps. A matemática é otimizada para voz humana limpa e não sobrevive a tons de modem de fax, música em espera ou DTMF em banda. As patentes do G.729 começaram a expirar em 2017 e o codec é agora efetivamente livre de royalties, embora fornecedores de PBX comerciais ainda cobrem licenças por canal no modelo de receita legado.

Opus é o codec para a era moderna da internet. Padronizado pelo IETF em 2012 como RFC 6716, combina dois algoritmos em um codec: SILK (o codec usado pelo Skype) para fala em taxas de bits baixas a médias e CELT para música e áudio de alta taxa de bits. O Opus escala de 6 kbps narrowband mono a 510 kbps fullband estéreo dentro de uma única sessão negociada, inclui FEC e ocultação de perda de pacotes, e é livre de patentes sob uma licença permissiva. O WebRTC tornou o Opus obrigatório, o Microsoft Teams o usa no lado do cliente, e a maioria das plataformas modernas de UCaaS e CPaaS o negocia por padrão. O Opus requer mais processamento que os codecs mais antigos, razão pela qual a telefonia móvel e indústrias de terminais menores foram mais lentas em adotá-lo.

AMR (Adaptive Multi-Rate) é o codec que as redes móveis padronizaram. Duas variantes principais estão em uso: AMR-NB com amostragem de 8 kHz e 4,75 a 12,2 kbps, originalmente introduzido para GSM, e AMR-WB com 16 kHz e até 23,85 kbps, obrigatório para VoLTE na maioria das operadoras. O AMR codifica a fala em quadros de 20 ms com adaptação de taxa VBR, então um link de rádio em degradação pode cair para a taxa de bits mais baixa sem renegociar a chamada. O AMR raramente aparece em SIP trunks corporativos porque o tráfego móvel-para-IP é quase sempre transcodificado para G.711 no media gateway da operadora móvel ou em um SBC downstream.

Matriz comparativa resumida

Os cinco codecs diferem em aproximadamente dez dimensões que importam em produção. A tabela abaixo os coloca lado a lado para que os trade-offs sejam visíveis em uma única vista. Os números são padrões típicos; cada codec tem modos e anexos que alteram alguns dos valores.

Três coisas se destacam na matriz. Primeiro, apenas o G.711 transporta fax e DTMF em banda de forma confiável; todos os outros codecs nesta lista exigem DTMF fora de banda (RFC 4733) e T.38 para fax. Segundo, o G.722 entrega áudio wideband na mesma largura de banda de 64 kbps que o G.711, razão pela qual telefones de mesa HD o definem como padrão em SIP corporativo sem renegociar orçamentos de largura de banda. Terceiro, o Opus é o único codec que abrange toda a faixa de largura de banda de áudio em uma única sessão negociada (ao custo de maior capacidade de processamento), razão pela qual funciona tanto para uma chamada de voz com restrição quanto para uma aplicação de streaming de música sem trocar de codec.

Wideband vs narrowband como escolha de primeira classe

A dimensão da taxa de amostragem importa mais que a dimensão da taxa de bits na maioria das implantações modernas, e é a que mais frequentemente é negligenciada. G.711 e G.729 amostram a 8 kHz, o que limita o áudio transportado a aproximadamente 3,4 kHz. Essa é a largura de banda de uma chamada telefônica fixa PSTN e a razão pela qual o áudio de telefone tradicional soa ligeiramente abafado comparado a uma conversa presencial. G.722, AMR-WB e Opus operam a 16 kHz ou mais, dobrando a largura de banda de áudio transportada para aproximadamente 7 kHz. A diferença é imediatamente audível: consoantes são mais nítidas, sibilantes sobrevivem intactas e a chamada soa mais próxima de uma conversa face a face. No lado SIP corporativo, o G.722 tem sido o principal codec wideband há mais de uma década; no lado da nuvem, o Opus assumiu o mesmo papel.

Isso importa em três contextos. O primeiro é qualquer chamada que conecta Microsoft Teams ou WebRTC a uma operadora tradicional. Tanto Teams quanto terminais de navegador podem negociar áudio wideband do seu lado; no momento em que a chamada atinge um SIP trunk G.711, o sinal wideband é subamostreado e o ouvinte no lado da nuvem ouve narrowband. O segundo são centrais de atendimento que executam análises de fala. A precisão do ASR (reconhecimento automático de fala) melhora visivelmente quando o codec é wideband, então gravações de chamadas em Opus ou AMR-WB são mais fáceis de transcrever de fala para texto do que as mesmas chamadas gravadas após uma etapa em G.729. O terceiro são conferências executivas e serviços de voz HD, onde a experiência wideband é o próprio produto.

A implicação prática para a política de codecs: uma implantação que já investe em terminais com capacidade wideband perde a experiência wideband no momento em que um codec narrowband entra em qualquer segmento do caminho. A solução nem sempre é atualizar todos os troncos para um codec wideband, mas saber exatamente qual segmento está colapsando a largura de banda e decidir se a perda é aceitável para aquele trecho.

Seleção de codec por caso de uso

Escolher um codec no nível da plataforma raramente produz a resposta certa. A decisão pertence ao nível do grupo de troncos, às vezes ao nível por chamada, e o codec correto depende inteiramente do que a chamada está fazendo e qual rede ela atravessa. Os padrões abaixo cobrem os casos que surgem com mais frequência em redes de voz em produção.

Um SIP trunk greenfield entre dois terminais modernos, com largura de banda que não é o fator limitante, deve usar G.711 como padrão. O codec é universalmente suportado, livre de licenciamento, seguro para fax com condições de passthrough atendidas, e trivialmente barato em CPU. Se ambos os terminais suportam Opus e a plataforma é totalmente greenfield sem requisito de passthrough de fax ou DTMF, o Opus é um padrão mais forte para o mesmo caso de uso porque escala para wideband quando a rede pode transportá-lo.

Um segmento WAN com restrição, tipicamente uma filial em um link compartilhado de 1 a 4 Mbps onde cada 50 kbps de margem importa, ainda é um lugar legítimo para o G.729. A economia de largura de banda é real, a queda perceptível de qualidade é administrável, e os trade-offs (fax via T.38, RFC 4733 para DTMF) são bem compreendidos. Em uma implantação greenfield com equipamento moderno e capacidades modernas de fibra, o Opus a 16 a 24 kbps geralmente supera o G.729 em qualidade com largura de banda similar no cabo, com o benefício adicional de FEC e recuperação suave de perda de pacotes.

Um caminho móvel-para-IP quase sempre envolve AMR no lado móvel e G.711 no lado IP. A fronteira de transcodificação reside no media gateway da operadora móvel ou no SBC corporativo, dependendo do contrato de interconexão. VoLTE-para-PSTN, central de atendimento móvel e voz em roaming todos seguem esse padrão. A capacidade de DSP em hardware para fazer transcodificação AMR de forma limpa em escala é o gargalo prático, que é o que o TSBC-HW-TRANS existe para fornecer.

Um caminho de chamada com fax é a única situação onde a escolha de codec não é negociável. CS-ACELP, SILK e AMR destroem os tons de modem T.30. A chamada precisa permanecer em G.711 ponta a ponta com condições de passthrough atendidas (cancelamento de eco desabilitado, VAD desabilitado, perda de pacotes próxima de zero) ou alternar para relay T.38 no SBC. O artigo sobre fax sobre IP e T.38 cobre a mecânica de relay em detalhes.

Uma central de atendimento com gravação, análise de vendas ou scoring baseado em ASR funciona melhor com Opus em qualquer segmento que a plataforma suporte, e G.711 nos demais. Transcodificação em tandem impacta a precisão do ASR da mesma forma que impacta a percepção humana, então o objetivo é minimizar o número de conversões de codec no caminho gravado. A mesma lógica se aplica a implantações de voz com IA: cada etapa de transcodificação adiciona latência e degrada o sinal de STT, então a política de codecs é ajustada às tolerâncias da stack de IA.

Por que o Opus está remodelando a stack padrão

O Opus é o primeiro codec a desafiar seriamente o G.722 como o codec wideband padrão para novas implantações VoIP, e as razões são estruturais, não incrementais. O G.711 não é realmente o concorrente aqui. Ele mantém o terreno narrowband, de fax e voltado para operadoras e não vai a lugar nenhum. A disputa está na camada wideband, onde o G.722 tem sido o incumbente em SIP corporativo por mais de uma década. O Opus foi projetado pelo IETF para resolver os problemas que o WebRTC enfrentou quando tentou padronizar voz em tempo real no navegador, e as mesmas decisões de design lhe conferem três vantagens sobre o G.722 em implantações greenfield.

A primeira é alcance. O Opus negocia uma única sessão que pode transportar desde um canal de voz narrowband de 6 kbps até um fluxo de música fullband estéreo de 510 kbps, e pode alternar entre modos no meio da chamada sem renegociar SDP. O G.722, em contraste, opera em três taxas de bits fixas (48, 56, 64 kbps) a uma única taxa de amostragem de 16 kHz. Uma chamada em Opus que precisa cair para uma taxa de bits baixa quando a rede degrada pode fazê-lo sem um re-INVITE; uma chamada G.722 a 64 kbps permanece a 64 kbps até o fim.

A segunda é resiliência integrada. O Opus transporta Forward Error Correction em pacotes adjacentes, então um pacote perdido pode ser reconstruído a partir do próximo em vez de retransmitido ou ocultado com silêncio. O G.722 tem apenas ocultação básica de perda de pacotes, sem FEC, sem DTX. Em uma rede que perde 2 a 3 por cento dos pacotes, o Opus ainda soa inteligível onde o G.722 começa a desenvolver artefatos audíveis e onde o G.729 falha completamente.

A terceira é ubiquidade em terminais modernos. O WebRTC tornou o Opus obrigatório, todo navegador vem com ele, o Microsoft Teams o usa no lado do cliente, o Zoom usa uma variante do Opus, e Discord, Slack huddles, Google Meet e quase toda aplicação de voz e vídeo para consumidor têm o Opus em sua lista de codecs. O G.722 essencialmente nunca saiu do mundo dos telefones IP corporativos. O resultado é que o Opus é o codec wideband natural para qualquer implantação cujos terminais incluem navegadores, soft clients ou usuários de UCaaS ao lado de telefones de mesa tradicionais, o que hoje é a maioria delas.

A razão pela qual o Opus ainda não dominou a camada wideband por completo é interoperabilidade, não tecnologia. Operadoras, fornecedores de PBX e produtos SBC foram todos construídos em torno de G.711, G.722 e G.729 por décadas; adicionar o Opus à lista de codecs oferecida por uma operadora é uma mudança contratual e operacional tanto quanto técnica. O G.722 ainda vence por padrão em um SIP trunk limpo entre dois telefones de mesa HD porque ambos os lados já falam o mesmo idioma e nenhuma transcodificação é necessária. O Opus está começando a substituir o G.722 em implantações greenfield onde ambos os terminais o negociam, e em implantações híbridas que conectam SIP corporativo ao Teams, WebRTC ou uma plataforma UCaaS. A ponte entre o mundo nativo Opus (navegadores, Teams, UCaaS) e o mundo nativo G.711 / G.722 (operadoras, PBX, telefones de mesa HD, fax) é exatamente onde o SBC se posiciona, e a transcodificação Opus-para-G.711 é agora uma das conversões de codec mais comuns em produção. O ProSBC suporta transcodificação Opus através do TSBC-HW-TRANS atualmente.

Negociando codecs entre fronteiras de fabricantes

Escolher um codec para cada segmento é uma decisão. Fazer os dois lados de uma chamada realmente usar o codec que você escolheu é outra. A negociação de codec acontece no corpo SDP do SIP INVITE e 200 OK, onde cada lado anuncia seus codecs suportados em ordem de prioridade e a chamada converge para a sobreposição de maior prioridade. Quando as listas são assimétricas, o SBC tem três opções: reescrever a lista de codecs oferecida em um segmento para que exista correspondência, transcodificar no meio, ou falhar a chamada com 488 Not Acceptable Here.

A primeira opção, reescrita da lista de codecs SDP, é a mais barata. Se uma operadora norte-americana oferece G.711 µ-law primeiro e o PBX de um cliente europeu prefere G.711 A-law, o SBC pode reordenar ou aparar a lista oferecida por segmento para que ambos os lados vejam um codec que aceitam. Nenhum hardware de transcodificação está envolvido. É assim que a maioria da interoperabilidade G.711 A-law para µ-law funciona em produção, e o SBC se comporta da mesma forma para qualquer assimetria de caminho de áudio onde os segmentos de entrada e saída discordam sobre o codec preferido.

A segunda opção, transcodificação, é no que toda ponte Opus-para-G.711 se transforma no final. O SBC decodifica a mídia de entrada para PCM bruto, recodifica no codec de destino e encaminha o resultado com novos timestamps RTP e um novo tipo de payload. Transcodificação em software dentro do SBC cobre os casos simples (G.711 A-law para µ-law, conversão de ptime do G.711); transcodificação por DSP em hardware trata os codecs complexos em escala de operadora. A mecânica do plano de transcodificação, incluindo como um SBC B2BUA gerencia o handshake SDP e fluxos de re-INVITE, é coberta em detalhe no artigo sobre transcodificação SBC AMR para G.711.

A terceira opção, falhar a chamada, é uma decisão de configuração. Algumas operadoras preferem rejeitar chamadas que exigiriam uma conversão de codec indesejada (por razões de custo, qualidade ou compliance) em vez de transcodificar silenciosamente. O SBC aplica isso através de política de codec por NAP: cada grupo de troncos carrega sua própria lista de codecs preferidos, lista de fallback e flag “transcodificar se não houver correspondência”, todos aplicados na fronteira sem que nenhum terminal precise saber o que o outro está fazendo. Essa política de codec por segmento, por tronco, é a unidade operacional de gerenciamento de codecs em uma rede real.

O custo da transcodificação

A transcodificação é a alavanca que faz redes com codecs mistos funcionarem, e ela carrega três custos que precisam ser dimensionados no momento do projeto. Nenhum deles é impeditivo, mas ignorá-los produz redes que soam pior do que deveriam.

O primeiro custo é qualidade de voz. Cada etapa de transcodificação aplica uma ida e volta com perdas através de PCM, e o MOS cai a cada conversão. Um único caminho G.711-para-Opus-para-G.711 acumula alguns décimos de ponto de degradação de MOS, e uma chamada que cruza duas fronteiras de transcodificação pode ficar abaixo do MOS nominal de qualquer um dos codecs. O objetivo arquitetural é minimizar o número de conversões de codec no caminho roteado, não otimizar cada segmento isoladamente.

A tabela abaixo posiciona cada codec no espectro com perdas versus sem perdas e narrowband versus fullband para que o panorama de qualidade seja visível em uma única vista.

O segundo custo é latência. Cada etapa de transcodificação adiciona aproximadamente 20 ms de processamento com buffer de quadro por direção. Em uma ponte de salto único isso é invisível; em um caminho que já opera próximo do orçamento de latência conversacional (móvel para agente de IA, SIP trunk intercontinental, backhaul via satélite), uma etapa extra de transcodificação pode empurrar a conversa para território de atraso perceptível.

O terceiro custo é capacidade de hardware. Transcodificação em software para variantes narrowband do G.711 opera em CPU commodity com alta densidade. Em escala de operadora hoje, transcodificação de codecs complexos reside em placas DSP de hardware porque latência previsível por canal importa mais que throughput de pico. O ProSBC se integra com o TSBC-HW-TRANS para esse papel, com até 2.744 sessões por gabinete 1U e empilhamento para 30.000 sessões.

Perguntas frequentes

Conclusão

Os cinco codecs que cobrem quase todo o tráfego VoIP ocupam cada um uma faixa clara. O G.711 continua como padrão para segmentos de linha fixa, com fax e voltados para operadoras. O G.722 é o incumbente wideband no lado SIP corporativo, especialmente entre telefones de mesa HD onde ambos os lados já falam o mesmo codec. O G.729 ainda justifica seu lugar em segmentos com restrição de largura de banda e interconexões legadas, com patentes expiradas e licenciamento simplificado. O Opus se tornou o padrão no lado cloud-native, de WebRTC a Teams a UCaaS móvel, e sua flexibilidade, FEC e status livre de royalties o tornam o candidato mais forte para novas implantações greenfield com alta capacidade de CPU. O AMR transporta o mundo móvel de aparelhos 2G até VoLTE, mas raramente aparece em SIP trunks corporativos porque as operadoras móveis transcodificam no media gateway. A questão operacional raramente é qual codec único padronizar; é como definir a política de codec por segmento, onde o SBC a aplica, e como manter o número de etapas de transcodificação tão baixo quanto a topologia permite.