भारत में वाइडबैंड फ़ोन कॉल्स अभी पहुँच से बाहर क्यों हैं
वाइडबैंड ऑडियो से फ़ोन कॉल्स पर स्पीच रिकग्निशन बेहतर होना चाहिए, इसलिए हमने इसे अपने कॉलर्स के लिए पाने की कोशिश की। भारतीय कॉल के हर पड़ाव को सहमत होना पड़ता है, और ज़्यादातर नहीं होते।
भारत में फ़ोन कॉल आम तौर पर हम तक 8 kHz ऑडियो के रूप में पहुँचती है। इससे लगभग 3.4 kHz तक की आवाज़ बचती है और उसके ऊपर का ज़्यादातर हिस्सा छूट जाता है, और ऊपर ही "स", "श" और "फ़" का बहुत-सा फ़र्क़ रहता है। अगर आप फ़ोन से कॉल करने वाले लोगों के लिए स्पीच रिकग्निशन बना रहे हैं, तो सीधी-सी चाहत वाइडबैंड की होती है: 16 kHz ऑडियो, लगभग 7 kHz तक की आवाज़, वही "HD वॉयस" जो बहुत से फ़ोन पहले से इस्तेमाल करते हैं।
इस महीने की शुरुआत में हमने कुछ दिन इसे Aika के कॉलर्स के लिए पाने की कोशिश में लगाए। हमें काफ़ी भरोसा था कि इससे मदद मिलेगी। यह रहा जो हमें मिला, और हम क्यों रुक गए।
हर पड़ाव को इसे ढोना होगा
पिछली पोस्ट में हमने एक कॉल को हैंडसेट से हमारे स्पीच मॉडल तक देखा था। वाइडबैंड आप तक तभी पहुँचता है जब उस रास्ते की हर कड़ी उसे ढोए। कहीं भी एक नैरोबैंड पड़ाव, और आपको नैरोबैंड ही मिलेगा, बाक़ी रास्ता कितना भी अच्छा हो।
कॉलर का फ़ोन। VoLTE पर HD वॉयस चालू वाला 4G स्मार्टफ़ोन AMR वाइडबैंड भेज सकता है। भारत में 2G कॉल असल में नहीं भेज पाती, और न ही ज़्यादातर फ़ीचर फ़ोन। जिन लोगों तक हम सबसे ज़्यादा पहुँचना चाहते हैं, उनमें से बहुत से ठीक इन्हीं फ़ोन से कॉल करते हैं।
ऑपरेटरों के बीच। जब कॉलर एक नेटवर्क पर है और आपका नंबर दूसरे पर, तो कॉल एक इंटरकनेक्ट पार करती है, और ये क्रॉसिंग अक्सर नैरोबैंड होती हैं। इसलिए जिस कॉलर का फ़ोन वाइडबैंड कर सकता है, वह भी आम तौर पर वहाँ वापस 8 kHz पर दब जाता है।
आप तक का ट्रंक। आपका नंबर एक SIP ट्रंक पर होता है। वाइडबैंड आपके कोड तक पहुँचे, इसके लिए ऑपरेटर को कॉल एक वाइडबैंड कोडेक में, आम तौर पर G.722 में, सौंपनी होगी। भारत में डिफ़ॉल्ट हैंडऑफ़ G.711 है।
ट्रंक असल में क्या देते हैं
भारतीय नंबरों के साथ SIP ट्रंक बेचने वाले जितने प्रोवाइडर हमें मिले, हमने सबके प्रकाशित तकनीकी दस्तावेज़ देखे। ज़्यादातर सिर्फ़ G.711 (PCMA और PCMU) बताते हैं। एक ऑपरेटर का FAQ बैंडविड्थ की ज़रूरत समझाते हुए G.722 का ज़िक्र करता है। एक अंतरराष्ट्रीय प्रोवाइडर भारत से अलग, सामान्य रूप से अपने ट्रंक कोडेक्स में G.722 गिनाता है, लेकिन यह नहीं बताता कि भारतीय फ़ोन नेटवर्क से आने-जाने वाली कॉल्स पर यह टिकता है या नहीं। कुछ पेज किसी सामान्य जानकारी वाले लेख में "अगर कैरियर सपोर्ट करे" वाली शर्त के साथ G.722 का ज़िक्र करते हैं, और फिर इसे चालू करने की कोई सेटिंग कहीं नहीं देते।
तो सबसे अच्छी व्यावहारिक स्थिति कुछ ऐसी दिखती है। किसी एक ऑपरेटर के ट्रंक पर नंबर लें, उस ऑपरेटर से लिखित में पक्का करवाएँ कि कॉल्स G.722 में आती हैं, और तब उसी ऑपरेटर पर, VoLTE पर, HD वॉयस चालू वाला कॉलर शायद आप तक वाइडबैंड में पहुँचे। दूसरे नेटवर्क पर हर कोई, और 2G पर हर कोई, फिर भी नैरोबैंड में ही आता है। उन्हें कवर करने का मतलब होगा हर ऑपरेटर पर अलग नंबर और ट्रंक, और हर कॉलर को सही नंबर की ओर भेजने का कोई तरीक़ा। यह आपके हाथ में नहीं है। कॉलर एक नंबर डायल करता है और उसका नेटवर्क रूट तय करता है।
तो हमने मापा
दस्तावेज़ों से बात एक हद तक ही आगे बढ़ती है, इसलिए हमने एक टेस्ट ट्रंक सेट किया, अपने फ़ोन से उस पर कॉल की और कच्चे पैकेट रिकॉर्ड किए।
टेस्ट ट्रंक सिर्फ़ G.711 देता था। कॉल A-law पर तय हुई, शून्य पैकेट लॉस और साफ़ सिग्नल के साथ। वाइडबैंड नहीं।
फिर हमने उसी व्यक्ति, फ़ोन और वाक्य की तुलना अपने मौजूदा रूट से की, और दो बातें सामने आईं। मौजूदा रूट पर एक हल्की, नियमित चटचटाहट थी जो नेटवर्क से नहीं बल्कि एक कन्वर्ज़न स्टेप से आ रही थी (इस पर पिछली पोस्ट में और है)। उसमें 4 kHz से ऊपर काफ़ी ज़्यादा ऊर्जा भी थी, जो पहली नज़र में फ़ायदा लगती है, जब तक याद न आए कि नैरोबैंड ऑडियो में ऊपर लगभग कुछ नहीं होना चाहिए। वह ऊर्जा कचरा थी।
हमें असल में यह जानना था कि कौन-सा रूट पहचान में कम ग़लतियाँ करता है, इसलिए हमने हर रूट पर, कच्चे और फ़िल्टर किए दोनों रूप में, वही रिकॉर्डिंग्स अपने स्पीच रिकग्नाइज़र से दो-तीन बार चलाईं।
कोई रूट नहीं जीता। हर वर्ज़न ने कुछ न कुछ ग़लत सुना, और वही ग़लतियाँ उसी रिकॉर्डिंग के हर रन पर दोहराई गईं, यानी यह रिकग्नाइज़र का कोई बेतरतीब शोर नहीं था। ग़लतियाँ रूट बदलने से ज़्यादा उसी व्यक्ति की अलग-अलग कॉल्स के बीच बदलती थीं। एक कॉल में एक रूट पर एक नाम ग़लत सुना गया, और उसी व्यक्ति की उसी फ़ोन से दूसरी कॉल में दूसरे रूट पर एक आम वाक्यांश ग़लत सुना गया। 4 kHz से ऊपर का कचरा फ़िल्टर करने से दोनों में से कुछ ठीक नहीं हुआ।
इसी नतीजे ने हमें रोका। साफ़ रूट से हमें साफ़ रिकॉर्डिंग्स मिलीं, जो कॉल्स की समीक्षा और ट्रेनिंग डेटा के लिए काम की हैं। लेकिन कम ग़लतियाँ नहीं मिलीं, कम से कम उन कॉल्स पर नहीं जिन्हें हम टेस्ट कर सके, और बदलने में असली मेहनत लगती, ऐसे फ़ायदे के लिए जिसे हम दिखा नहीं सकते थे।
इसकी जगह हम क्या करते हैं
हमारे कॉलर्स के लिए नैरोबैंड जल्द कहीं नहीं जा रहा, इसलिए हम इसे वह स्थिति मानते हैं जिसके लिए डिज़ाइन करना है।
हम फ़ोन ऑडियो पर मूल्यांकन करते हैं। साफ़ 16 kHz रिकॉर्डिंग पर अच्छा स्कोर करने वाला रिकग्नाइज़र किसी भीड़ भरी सड़क से आई 8 kHz कॉल के बारे में बहुत कम बताता है, इसलिए स्पीच रिकग्निशन में हमारा हर बदलाव असली नैरोबैंड कॉल्स पर टेस्ट होता है और वह भाषा बोलने वाले लोग उसे जाँचते हैं।
जहाँ हो सके, हम नुकसान जोड़ना बंद करते हैं। हम नेटवर्क को वाइडबैंड नहीं बना सकते, लेकिन जहाँ 8 से 16 kHz वाला स्टेप हमारे हाथ में है, वहाँ हम उसे ऐसे रीसैंपलर से करते हैं जो पिछला पैकेट याद रखता है।
हम रिकग्नाइज़र को संदर्भ देते हैं। फ़ोन लाइन पर बहुत सी ग़लतियाँ एक शब्द के दूसरे जैसा सुनाई देने से होती हैं, और ज़्यादातर कॉल्स पर यह जानना कि अभी क्या पूछा गया था, कुछ अतिरिक्त किलोहर्ट्ज़ से ज़्यादा मदद करता है।
और हम ग़लतियों को वेंडर के हिसाब से नहीं, कॉल के हिसाब से देखते हैं। हमारी ग़लतियाँ प्रोवाइडर्स के बीच से ज़्यादा कॉल्स के बीच बदलती थीं, जो कॉलर के नेटवर्क, कमरे और फ़ोन की ओर इशारा करता है। ये हर बार बदलते हैं, और कोई ट्रंक कॉन्ट्रैक्ट इन्हें नहीं बदलता।
VoLTE फैलने और इंटरकनेक्ट बेहतर होने के साथ वाइडबैंड आएगा। जब कोई ऑपरेटर हमें लिखित में बता सकेगा कि उसका ट्रंक असली कॉल्स पर G.722 देता है, तो हम उसे इसी तरह टेस्ट करेंगे: वही फ़ोन, वही वाक्य, पहचान की ग़लतियाँ गिनी हुईं। तब तक काम 8 kHz पर अच्छा होने का है।
संदर्भ और आगे पढ़ने के लिए
ऐसे उद्धृत करें
Aika Labs. 'भारत में वाइडबैंड फ़ोन कॉल्स अभी पहुँच से बाहर क्यों हैं.' aikalabs.ai/hi/blog/why-wideband-calls-are-out-of-reach-in-india, 2026-11-14.