什么是语音编解码器？
语音编解码器（Voice Codec）是将模拟语音信号转换为数字数据，并在接收端还原为语音的算法。它是 VoIP 和 SIP 通信中最核心的技术组件之一，直接决定了通话质量、带宽消耗和端到端延迟。
选择合适的编解码器需要在语音质量、带宽占用和处理延迟之间取得平衡。不同的应用场景对这三个维度的优先级要求不同：国际长途线路可能更关注带宽节省，而客服中心则更看重语音清晰度。
本文将系统对比 SIP 中继部署中最常用的四种编解码器——G.711、G.729、G.722 和 Opus，帮助你做出最佳选型决策。
G.711 (PCM)
技术概要
G.711 是最经典的语音编解码标准，由 ITU-T 于 1972 年发布，采用脉冲编码调制（PCM，Pulse Code Modulation）技术。它以 8kHz 采样率对语音进行数字化，每样本 8 位量化，产生 64kbps 的恒定比特率。G.711 几乎不引入编解码延迟（低于 1ms），是语音质量最高但带宽需求也最大的传统编解码器。
G.711 有两种变体：
- G.711 A-law：主要用于欧洲、国际长途线路及中国
- G.711 μ-law（PCMU）：主要用于北美和日本
核心参数
| 参数 | 数值 |
|---|---|
| 比特率 | 64 kbps |
| 带宽需求（含 IP/RTP/UDP 开销） | 约 87.2 kbps |
| 采样率 | 8 kHz |
| 帧大小 | 20ms（典型） |
| 算法延迟 | < 1ms |
| 理论 MOS | 4.1 |
| 复杂度 | 极低 |
| 标准 | ITU-T G.711 |
优势与局限
- 最大兼容性：所有 SIP 设备、PBX 和软交换都支持 G.711，是事实上的最低公共标准
- 零压缩损失：不经过任何压缩，保留完整的语音波形
- 最低延迟：几乎不增加额外的编解码延迟
- 带宽消耗大：每路通话需要约 87kbps 带宽，在大并发场景下成本较高
最佳实践：在带宽充足、需要最大兼容性的场景下，G.711 是最可靠的选择。菜鸟语音的 SIP 中继默认支持 G.711 A-law 和 μ-law。
G.729 (CS-ACELP)
技术概要
G.729 是由 ITU-T 发布的高效语音压缩编解码标准，采用共轭结构代数码激励线性预测（CS-ACELP）技术。它将 64kbps 的语音压缩至 8kbps，带宽节省高达 87.5%，是低带宽线路的首选编解码器。
G.729 有多个附件版本：G.729a（低复杂度附件）是最常用的实现，G.729b 增加了静音抑制（VAD/DTX）功能，进一步降低平均带宽占用。
核心参数
| 参数 | 数值 |
|---|---|
| 比特率 | 8 kbps |
| 带宽需求（含 IP/RTP/UDP 开销） | 约 31.2 kbps |
| 采样率 | 8 kHz |
| 帧大小 | 10ms |
| 算法延迟 | 10-15ms |
| 理论 MOS | 3.9 |
| 复杂度 | 中等 |
| 标准 | ITU-T G.729 |
优势与局限
- 极致带宽节省：每路通话仅约 31kbps，同等带宽可承载近 3 倍于 G.711 的并发
- 语音质量可接受：MOS 3.9 在大多数场景下足够清晰
- 延迟略高：10-15ms 算法延迟，但通常不影响通话体验
- 不擅长音乐和音调：参数编码特性导致非语音内容（如音乐、DTMF）质量较差
许可证说明：G.729 专利已于 2017 年到期，现在可以免费使用。但部分商业 PBX（如 Cisco、Avaya）可能仍需购买软件授权。
G.722 (ADPCM)
技术概要
G.722 是 ITU-T 发布的宽带语音编解码标准，采用自适应差分脉冲编码调制（ADPCM）技术。与 G.711 的 8kHz 采样率不同，G.722 使用 16kHz 采样率，将音频频带从传统的 300-3400Hz 扩展到 50-7000Hz，实现高清语音（HD Voice）。
G.722 支持三种比特率模式：48kbps、56kbps 和 64kbps，可在通话过程中动态切换。
核心参数
| 参数 | 数值 |
|---|---|
| 比特率 | 48 / 56 / 64 kbps |
| 带宽需求（含 IP/RTP/UDP 开销） | 约 71.2 / 79.2 / 87.2 kbps |
| 采样率 | 16 kHz |
| 帧大小 | 20ms（典型） |
| 算法延迟 | < 2ms |
| 理论 MOS | 4.2 |
| 复杂度 | 低 |
| 标准 | ITU-T G.722 |
优势与局限
- 高清语音：16kHz 采样率提供更丰富、更自然的语音质量，显著提升会议和客服体验
- 低延迟：算法延迟低于 2ms，与 G.711 相当
- 向后兼容性好：大多数现代 SIP 电话和 PBX 支持 G.722
- 带宽需求较高：与 G.711 相当，不适合低带宽场景
- 不适合 PSTN 转接：高清语音在经过传统电话网时会降级为窄带
适用场景：G.722 非常适合企业内部 SIP 通话、客服中心和电话会议等对语音清晰度要求高的场景。
Opus
技术概要
Opus 是由 IETF 发布的开源免费音频编解码器（RFC 6716），结合了 Skype 贡献的 SILK 语音编码器和 Xiph.org 贡献的 CELT 音频编码器。Opus 能够根据音频内容自动在语音模式和音乐模式之间切换，在极低的 6kbps 到高保真的 510kbps 范围内提供卓越的音质。
Opus 已成为 WebRTC 的强制标准编解码器，被 WhatsApp、Discord、YouTube、Zoom 等主流应用广泛采用。
核心参数
| 参数 | 数值 |
|---|---|
| 比特率 | 6 - 510 kbps（可变） |
| 采样率 | 8 / 12 / 16 / 24 / 48 kHz |
| 帧大小 | 2.5 / 5 / 10 / 20 / 40 / 60 ms |
| 算法延迟 | 2.5 - 60ms（取决于帧大小） |
| 理论 MOS | 4.5+ |
| 复杂度 | 中高（可调节） |
| 许可证 | 开源免费（BSD 许可） |
| 标准 | RFC 6716 |
优势与局限
- 极致灵活性：从窄带到全频段音频，从低比特率到高保真，单一编解码器覆盖所有场景
- 卓越音质：在同等比特率下，Opus 的语音质量显著优于所有传统编解码器
- 开源免费：无需任何专利许可费用，可自由集成到任何产品中
- WebRTC 标准：所有现代浏览器原生支持，是 Web 应用的最佳选择
- 兼容性：部分老旧 SIP 设备和传统 PBX 可能不支持 Opus
行业趋势：Opus 已被 WhatsApp、Discord、YouTube、Zoom 等主流平台采用。对于新建的 VoIP 系统和 WebRTC 应用，Opus 是最佳选择。菜鸟语音的 SIP 中继全面支持 Opus 编解码。
编解码器对比表
| 编解码器 | 比特率 | 带宽需求（含 IP 开销） | MOS | 延迟 | 复杂度 | 许可证 | 适用场景 |
|---|---|---|---|---|---|---|---|
| G.711 (PCM) | 64 kbps | 87.2 kbps | 4.1 | < 1ms | 极低 | 免费 | 最大兼容性、PSTN 对接 |
| G.729 (CS-ACELP) | 8 kbps | 31.2 kbps | 3.9 | 10-15ms | 中等 | 免费（专利已过期） | 低带宽国际线路 |
| G.722 (ADPCM) | 48/56/64 kbps | 71.2-87.2 kbps | 4.2 | < 2ms | 低 | 免费 | 高清语音、会议、客服 |
| Opus | 6-510 kbps | 可变 | 4.5+ | 2.5-60ms | 中高 | 开源免费 | 现代 VoIP、WebRTC |
选型建议
根据不同的业务场景，编解码器的选择策略有所不同：
| 业务场景 | 推荐编解码器 | 理由 |
|---|---|---|
| 高质量客服 / 电话会议 | G.722 或 Opus | 宽带音频提供更清晰的语音，提升沟通效率。Opus 在同等质量下带宽更低。 |
| 低带宽国际线路 | G.729 | 每路通话仅约 31kbps，在带宽受限的国际线路上可承载更多并发。 |
| 最大兼容性 / PSTN 对接 | G.711 | 所有 SIP 设备都支持 G.711，是唯一能保证全网互通的编解码器。 |
| 现代 WebRTC 应用 | Opus | 浏览器原生支持，音质最佳，开源免费，是 WebRTC 的强制标准编解码器。 |
在实际部署中，通常采用优先协商 + 回落机制：例如优先协商 Opus，如果不支持则回落到 G.711。这样既能享受 Opus 的优越性能，又能保证与所有设备的互通性。
SIP 编解码协商
SDP 中的编解码列表
SIP 使用会话描述协议（SDP，Session Description Protocol）在通话建立前协商双方共同支持的编解码器。在 SDP 的 m=audio 行中，发送方列出自己支持的所有编解码器及其 payload type 编号：
m=audio 5004 RTP/AVP 96 0 8 18
其中 payload type 含义：
- 96 — 动态分配，通常用于 Opus（在
a=rtpmap属性中定义） - 0 — G.711 μ-law（PCMU）
- 8 — G.711 A-law（PCMA）
- 18 — G.729
优先级与回落机制
SDP 中编解码器的排列顺序代表优先级。发送方通常将自己偏好的编解码器排在前面。接收方在 200 OK 响应中从列表中选择自己支持的第一个编解码器作为本次通话的编码方式。
推荐的编解码器优先级配置：
- Opus（最优质量和灵活性）
- G.722（高清语音）
- G.711 A-law（兼容性保底）
- G.729（低带宽回落）
注意事项：通话中切换编解码器需要通过 SIP re-INVITE 重新协商 SDP，这个过程可能导致 50-200ms 的短暂静音。建议在通话建立时就确定最优编解码器，避免中途切换。
常见问题
Q: SIP 中继应该选择哪个编解码器？
A: 推荐优先协商 Opus，回落 G.711。Opus 提供最佳质量，G.711 保证兼容性。国际线路带宽受限时考虑 G.729。
Q: G.729 需要付费吗？
A: G.729 专利已于 2017 年到期，现在可以免费使用。但部分商业 PBX 可能仍需购买授权。
Q: 编解码器切换会导致通话中断吗？
A: SIP 通过 SDP 协商在通话建立前确定编解码器。通话中切换需要 re-INVITE，可能导致短暂静音。
Q: Opus 为什么被认为是最佳编解码器？
A: Opus 结合了 SILK（语音）和 CELT（音频）两种编码器，根据内容自动切换。低至 6kbps 仍保持可懂度，高比特率时接近 CD 音质。开源免费，已被 WhatsApp、Discord、YouTube 采用。