服务提供商网络，企业网络和最终用户的设备中使用了大量的VoIP 编码/解码算法。传统上，开发这些算法以减少带宽消耗 (例如，iBLC、G.729和AMR) 或提供卓越的语音质量 (例如，宽带编解码器，如AMR-WB、G.722和OPUS)。

　　例如，由WebRTC发起的VoIP会话使用OPUS，企业VoIP电话可能使用G.729，而移动网络用户可能使用AMR-WB。这些不同端点间的呼叫需要在多个编解码器之间进行媒体转码，甚至在呼叫中选择编解码。因此，成功可靠地提供具有高度服务质量的实时通信的能力在很大程度上取决于媒体转码功能。

　　媒体转码可以在网络中的多个地方提供: 媒体网关; 会话边界控制器 (SBCs) 中央化媒体资源功能处理器 (MRFP); 甚至在边缘设备内。虽然本简介侧重于SBCs，但无论用例如何，许多相同的特性都适用。

　　多年来，基于SBC的媒体转码在DSP中完成，通过硬件实现规模化，处理速度和成本进行优化。虽然这是一个有效的解决方案，但网络已经发展，实时通信迁移到纯软件的虚拟云环境，迫使SBC适应。当今的SBC可部署在虚拟云环境中，并为媒体转码提供两种选择:

　　英特尔x86是一款通用CPU，可以支持媒体转码所需的矢量计算，但它也被设计为支持与媒体处理无关的大量附加指令。因此，英特尔x86是一种功能性但效率低下的媒体转码解决方案。虽然现代CPU速度很快，但它们配备了少量内核，从而限制了执行的并发线程数量。对于诸如媒体转码之类的计算密集型应用程序，对整体规模构成了限制，从而使解决方案在功效和成本方面效率低下。

　　GPU配备了大量计算单元，这些计算单元可累计提供高计算和数据吞吐量。虽然是为图形计算设计的，但今天的GPU是通用并行处理器，已经成为解决大型计算密集型任务 (如图像处理、机器学习等) 的事实上的选择。

　　对于实时通信，当有非常多的媒体会话需要同时进行转码时，可以将解决方案要求映射到高性能计算 (HPC) 集群。由于媒体转码被认为是一项计算密集型任务，因此它非常适合利用GPU的固有特性，并与优化的CPU实现相比，实现突破性的性能提升。

　　Ribbon SBC软件，即使运行在物理设备中，也被构造为单独的信令，媒体数据包处理和媒体转码。此体系结构设计非常适合促进向虚拟云部署模型的过渡。基于此设计，可以针对每个功能进行优化。

　　用于设置会话、信令协议互通、会话管理和信令安全的信令软件，和负运责媒体安全、数据包处理和转发以及媒体协议互通的媒体处理软件，都非常适合在虚拟云部署中的CPU上运行。

　　由于CPU用于信令和媒体数据包处理，因此可以将它们用于媒体转码，但这不是唯一的， 使用GPU也是一个可行的选择，有些人会说更好。下面的图显示了SBC的这两个选项之间的区别，突出显示了在虚拟CPU上运行的功能与在GPU上运行的功能。请注意，所谓的 “GPU SBC” 实际上是由CPU和GPU组成的，因为CPU仍在处理信令和媒体数据包，以及一些不太复杂的代码转换功能。

　　图一：基于CPU与基于GPU的SBC转码对比

　　在决定这两个选项时，必须考虑可伸缩性，语音质量和每个转码会话成本的差异。为了评估这些参数，Ribbon进行了实验室测试以设置基准测量。某个一级运营商采用了类似的测试配置，在相同参数上运行测试。结果如下:

　　对多个同时会话涉及许多重复完成的小重复任务情景进行转码。当这涉及多种编解码器类型或复杂的高清编解码器时，转码就成为一项计算密集型任务，这就是GPU的固有设计提供可伸缩性并证明极其有价值的地方。

　　为了确定GPU的潜在可伸缩性，Ribbon构建了实验室配置，如图1所示。目标是使用固定数量的CPU与相同数量的CPU并添加GPU来确定最大并发转码会话。测试是针对G.711和G.722，G.729，AMR-NB，AMR-WB和EVRC之间进行转码。结果显示出显著的改进，这取决于所使用的编解码，使用GPU可以达到到400% 到1300% 间的增益。

　　Ribbon在实验室做了另一项独立测试，使用更广泛的转码集，结果显示GPU可以达到425% 和1100%的增益 (取决于所使用的编解码)

　　在CPU和GPU之间进行媒体转码时，一个重要的考虑因素是它们提供的语音质量水平。由于CPU使用定点计算，而GPU使用浮点计算，因此我们需要评估这是否对语音质量有影响。

　　我们运行了语音质量评估 (VQA) 测试，得到的结果表明，使用带有浮点处理的GPU要么在CPU定点处理的1% 内，要么更好，这取决于所使用的编解码器。另一项独立的VQA测试检查了更广泛的编解码，显示了使用GPU的类似VQA结果。

　　语音质量的底线是使用GPU和CPU进行转码之间没有明显的语音质量差异。

　　为了评估每个转码会话的成本，Ribbon计算了两个成本: 每个配置的最大功率消耗; 以及使用/不使用GPU的每个物理配置的成本。

　　在我们的测试中，我们看到了大量的功耗节省，相对于CPU，GPU提供了每瓦特功耗下转码会话数的54% 到456% 的增长，这取决于所使用的编解码。类似地，对更广泛的编解码的独立测试表明，根据所使用的编解码，GPU在400% 和800% 之间提供了每瓦转码会话的增益。

　　除了电力成本之外，我们还考虑了测试配置的相应资本成本，以考虑增量GPU。通过将总成本除以转码会话的最大数量，我们计算了每个转码会话的成本。结果表明，在所有编解码对组合中，每个转码会话使用GPU的成本要低得多。我们预计每一代连续的GPU的性能增长速度将快于相关成本，因此GPU的使用将在每个转码会话中实现更好的成本。

　　当服务提供商和大型企业计划将其SBC迁移到虚拟云环境时，他们必须确定如何提供最具成本效益、同时可扩展的媒体转码。

　　在此解决方案简介中，我们强调了云中媒体转码的两个选项: CPU和GPU， Ribbon和Tier 1网络运营商进行的测试结果表明，在可扩展性，语音质量和每个转码会话的成本方面，GPU在媒体转码方面的性能明显优于CPU，尤其是随着扩展要求的提高。

　　总之，使用CPU进行媒体转码可以很好地用于低规模的转码解决方案或转码使用情况，其中最大并发转码会话流量是相对静态的，并且预计不会随着时间的推移而增长。否则，鉴于本解决方案简介中描述的结果，将网络基础结构转向使用GPU进行媒体转码意味着您将朝着正确的未来方向前进。

　　Ribbon是一家在实时通信领域拥有20年领导地位的公司。Ribbon拥有世界一流的技术和知识产权，为当今世界提供智能，安全，嵌入式的实时通信。该公司将固定，移动和企业网络从传统环境转变为安全的IP和基于云的体系结构，从而为消费者和企业提供高效的通信。Ribbon的创新，市场领先的产品组合遍布全球28个国家/地区，为服务提供商和企业提供了在完全虚拟化环境中快速创建服务的能力。