همه چیز درباره mpeg-4

 

---

سلام دوستان

آیا MPEG-4 آخرین تکنولوژى چندرسانه‏اى است که همگان انتظار آنرا مى‏کشیدند؟ بیایید با هم نگاهى به آن بیندازیم تا بفهمیم این تکنولوژى چگونه روش اجرا و انتقال فایلهاى چندرسانه‏اى را تحول بخشیده است؟

Multimedia (چندرسانه‏اى)؛ کلمه‏اى که اولین بار پس از ظهور کلیپهاى ویدئویى کوتاه روى کامپیوترها بر سرزبانها رواج یافت. آن روزها این کلمه خیلى عجیب مى‏نمود اما امروزه کلمه و عبارتى بسیار معمول شده است.
تمام امکانات چندرسانه‏اى PC شما تنها صوت و ویدئو نیست؛ اما استفاده از تمام پتانسیل چندرسانه‏اى کامپیوترها فعلاً کمى دور از واقعیت است. DVD کامپیوتر را تبدیل به یک دستگاه خانگى براى اجراى ویدیو کرد، اما هنوز توانایى فرستادن فایلهاى چندرسانه‏اى (که اغلب هم حجیم هستند) از طریق شبکه‏ها روى PCها و دستگاههایى مانند تلفنهاى همراه کمى با مشکل مواجه است.
تکنولوژى جدیدى که قول داده اجرا و انتقال چندرسانه‏اى‏ها را روى شبکه متحول گرداند، با نام MPEG-4 شناخته مى‏شود. شاید این تکنولوژى قالب کلى چندرسانه‏اى را براى دستگاهها و برنامه‏هاى کاربردى خاصى بهبود بخشد.
گروه متخصصین تصاویر متحرک (MPEG یا Moving Picture Experts Group) کمیته‏اى است که استانداردهاى محتویات چندرسانه‏اى‏ها را تعریف و تعیین مى‏کند. این کمیته از صدها محقق و مهندس از سرتاسر دنیا تشکیل شده است. MPEG استانداردهاى صوتى و تصویرى MPEG-1 و MPEG-2 را که نقشى اساسى در پیشرفت چندرسانه‏اى خصوصاً براى PCها بازى مى‏کرد را تعریف کرده و توسعه داد. آخرین دستاورد این گروه با نام MPEG-4 دریچه‏اى رویایى به روى کاربران تکنولوژى‏هاى قبلى این گروه گشود.
MPEG-4 ابتدا به عنوان یک استاندارد بین‏المللى (با نام رسمى ISO/IEC 69441) در اکتبر 1998 تصویب شد. MPEG چند تابع و عملکرد جدید به این تکنولوژى اضافه کرد و دومین نسخه MPEG-4 را که رسماً در دسامبر 1999 معرفى شد، بوجود آورد. نسخه دوم کاملاً با نسخه اول خود سازگار است.
استانداردهاى MPEG نباید به عنوان یک موفقیت در بهبود تکنولوژیها دیده شود؛ هرکدام از این استانداردها هدفى را برآورده مى‏کنند که براى آن طراحى شده‏اند، نه بیشتر و نه کمتر.
MPEG-1 بوجود آمد تا ویدئوهاى با کیفیت VHS را روى پهناى باندى به اندازه 150 کیلوبایت در ثانیه (سرعتى برابر با یک درایو 1X CD) که در آن زمان سرعت معمول بود، پخش کند. MPEG-2 تکنولوژى مشابهى است که براى پهناى باندهاى بالاتر بوجود آمد. هدف اصلى این تکنولوژى برنامه‏هاى دیجیتال تلویزیونى و همچنین DVDها بود. MPEG-2 کیفیت تصویرى بهترى نسبت به MPEG-1 دارد چون از پهناى باند بیشترى استفاده مى‏کند.
فرمت صوتى MP3 که بسیار هم محبوب است، قسمتى از MPEG-1 Audio مى‏باشد که نام آن از ، MPEG-1 Audio Layer3 برداشته شده و از الگوریتمهاى فرانهوفر استفاده مى‏کند. MPEG-3 هم هرگز وجود نداشته، بلکه نام گذارى از MPEG-2 به MPEG-4 جهش داشته است.
تمام استانداردهاى MPEG به فشرده‏سازى اطلاعات ویدئویى و صوتى دیجیتال کمک مى‏کنند، پس مى‏شود به طور مؤثرى از این استانداردها بهره برد. MPEG-4 هم همین کار را انجام مى‏دهد، اما قدرت فشرده‏سازى آن بسیار بیشتر از استانداردهاى قبلى است. اما MPEG-4 یک جهش کوانتومى به سمتى است که با اشیاء موجود در تصاویر با یک حس واحد برخورد نشود. به عبارت دیگر MPEG-4 همانند زبان برنامه‏نویسى C++، شى‏ءگرا (Object Oriented) است. تصویرى که بیننده آنرا به شکل یک کلیت واحد مى‏بیند مى‏تواند به صورت چندین جزء مشخص و جداگانه درنظر گرفته شود که به طور یکپارچه در کنار هم جمع شده‏اند. این خصیصه پهناى باند کمترى اشغال مى‏کند و MPEG-4 را هم برخلاف تکنولوژیهاى قبلى، Interactive مى‏سازد.
طراحى کاملاً متفاوت شى‏ءگرا:
استانداردهاى قبلى MPEG طبق ایده‏اى پایه‏گذارى شد که در آن ایده فایلهاى صوتى و تصویرى کلاسیک (یک پنجره مستطیلى از ویدئو که با صوت یا Soundtrack همراه بود) به یک فرم دیجیتال تبدیل شوند که حجم آن بقدر کافى کم بوده و با توجه به تکنولوژیهاى روز، تصویر و صوت از وضوح قابل قبولى برخوردار باشند. برداشت MPEG-4 از مفهوم شى‏ء (Object) به یک فایل چند رسانه‏اى اجازه مى‏دهد که به قطعات کوچکتر و ساده‏ترى به نام «ویدئو» و «صوت» شکانده شوند، بنابراین مى‏توان این قطعات را براى ساختن صحنه‏هاى جدید به کارگرفت. بخشهاى مختلف صوت و ویدئو مى‏توانند با Objectهاى مستقل درگیر شده و تداخل کنند.
دیگر اینکه MPEG-4 تعریف اشیاء را فراتر از صداها و ویدئوهاى ساده و مسطح مى‏برد. اشیاء مى‏توانند به صورت Textureهاى شما در برنامه‏هاى سه بعدى، Render شوند. چهره‏هاى ترکیبى (Synthetic)مى‏توانند به صورت Animation درآمده و توسط یک برنامه Text-to-speach (مثل MS-Talk It) صداگذارى شوند. صداها را مى‏توان به جاى اجراى دوباره، Synthesize (ترکیب) کرد. MPEG-4 هرکدام از اینها را به عنوان یک شى‏ء درنظر مى‏گیرد که مى‏توان آنها را دستکارى (Manipulate) کرد و مستقل از یکدیگر در صحنه‏هاى فیلم‏ها قرارداد.
جریانهاى رودخانه‏اى:
MPEG-4 طراحى شده است تا محتویات صوتى و تصویرى به صورت مستمر (درست مثل جریان آب یک رودخانه) اجرا و پخش شوند. با افزایش پهناى باند موجود براى استفاده، بازار رسانه‏هاى مستمر (Streaming) نیز گسترش یافته است. MPEG-4 براى مستمرسازى روى اینترنت، پخش توسط شبکه‏هاى تلویزیونى دیجیتال، انتقالات بى‏سیم و یا حتى خواندن از روى یک CD بسیار مناسب است. این استاندارد مستقل از روش انتقال (Delivery Method) مى‏باشد.
ساختار داخلى MPEG-4 رامى‏توان به صورت رشته‏هاى مستمر مختلف درنظر گرفت که براى انتقال با هم ترکیب (Multiplex) شده و روى دستگاه سرویس گیرنده یا Client (که مى‏تواند یک PC یا یک تلفن همراه باشد)، Demultiplex مى‏شوند تا رشته‏هاى مشخص بتوانند به صورت یک فایل چندرسانه‏اى به هم بچسبند. بلوک اصلى ساختمان رشته‏هاى ES (Elementary Stream) ، MPEG-4 مى‏باشد. یک ES ممکن است تراک صوتى یک فیلم باشد. ES در یک OD (یا Object De******er) بسته مى‏شود؛ یک ES واحد در یک OD اساسى‏ترین «شى‏ء» در طراحى شى‏ءگراى MPEG-4 مى‏باشد.
ممکن است شیئى که توسط OD تعریف مى‏شود شامل بیش از یک ES باشد. براى مثال شى‏ء "Soundtrack" مى‏تواند شامل چندین رشته صوتى به زبانهاى مختلف باشد. زبان مناسب مى‏تواند توسط شخص Client انتخاب شود

MPEG تصور مى‏کرد MPEG-4 راهى است که باعث توزیع آسان محتویات چندرسانه‏اى روى دستگاههاى Client با قابلیتهاى مختلف شود. یک کامپیوتر متصل به اینترنت با یک Modem کابلى و یک تلفن همراه که از طریق یک Modem بى سیم Dial-up (شماره‏گیرى) مى‏کند، از نظر قدرت پردازش و پهناى باندى که در اختیار آنها است تفاوتهاى کاملاً محسوسى دارند. MPEG-4 به سازندگان چندرسانه‏اى‏ها اجازه مى‏دهد یک موجودیت (Entity) چندرسانه‏اى مفرد بسازند که هر دو دستگاه بتوانند به آن دسترسى داشته باشند.
یک روش که توسط آن به این مهم دست مى‏یابیم، طراحى رشته‏هاى مستمر مى‏باشد. براى مثال یک OD ممکن است شامل چندین نسخه از یک کلیپ ویدئویى باشد که تحت Bit Rateهاى مختلف ضبط شده‏اند. هنگامى یک Client ویدئو را درخواست مى‏کند، OD اطلاعاتى درباره امکاناتش تهیه مى‏کند تا بتواند رشته ویدئویى را به صورت مستمر در دسترس قرار دهد. قابل توجه‏تر اینکه MPEG-4 مى‏تواند به طور پویا رشته‏ها را تغییر اندازه دهد (Scale کند) تا تحت شرایطى بتواند این استمرار را اداره کند.
ویدئوى MPEG-4:
اولین تجربه اکثر کاربران با MPEG-4، استفاده از قابلیتهاى ویدئویى این استاندارد مى‏باشد. اساسى‏ترین Coding فیلم ویدئویى توسط MPEG-4 (که بر پایه DCT بنا گذاشته شده است) انجام مى‏شود ( DCT در استانداردهاى قدیمى MPEG به کار گرفته مى‏شد). Compressor فریمهاى متوالى ویدئو را فشرده کرده و سعى در حذف اطلاعات زاید دارد.
در انواع قدیمى فشرده‏سازى چندرسانه‏اى‏ها، فریم اصلى‏ترین واحد فشرده‏سازى ویدئو بود. MPEG-1 و MPEG-2 با حذف اطلاعات اضافى درون یک فریم و اطلاعات زاید بین فریمها، عمل فشرده‏سازى را انجام مى‏دهند. براى مثال هنگامى که «خلاصه اخبار» تلویزیون ضبط مى‏شود، این ویدئو یک پس‏زمینه تقریباً ثابت و تغییرناپذیر دارد. این پس‏زمینه از فریمى به فریم دیگر تغییر آنچنانى نخواهد داشت، بنابراین Compressor/Decompressor) CODEC، نرم‏افزار یا سخت‏افزارى که داده‏ها را فشرده یا غیرفشرده مى‏کند) تنها تفاوت بین فریمها را ذخیره مى‏کند. پس‏زمینه ثابت هم اطلاعات نسبتاً کمى براى ذخیره دارد. نواحى با رنگ و روشنایى یکسان در یک فریم هم مى‏توانند مانند JPEG(تصاویرى که هنوز روى وب به کار گرفته مى‏شوند) فشرده شوند. هرچند این تکنیکها ویدئو را به طور اساسى فشرده مى‏کنند، اما اغلب بلوکهایى حجیم هم بوجود مى‏آورند (خصوصاً وقتى که نواحى با رنگ یکسان پشت سرهم تکرار شوند). این مشکلات روى پهناى باندهاى پایین تشدید مى‏شوند.
فشرده‏سازى مبتنى بر فریمها به طور ضمنى سعى مى‏کند بین پس‏زمینه ثابت و پیش‏زمینه متحرک تفاوت قائل شود. MPEG-4 هم مى‏تواند این کار را انجام دهد، به شما این امکان را هم مى‏دهد که اجزاء ویدئو را به طور صریح (و نه ضمنى) از یکدیگر جدا کنید. MPEG-4 مى‏تواند پس‏زمینه ثابت و پیش زمینه را به عنوان اشیاء جداگانه‏اى درنظر بگیرد که توسط دستگاه Client به طور یکپارچه با یکدیگر Merge (ترکیب) مى‏شوند. در مثال «خلاصه اخبار تلویزیونى» شما قسمت کوچکى از کل تصویر کاملاً متحرک است، در نتیجه پهناى باند لازم کاهش مى‏یابد. پس‏زمینه ثابت مى‏تواند تنها در هنگام نیاز Update شود (مثلاً پس از نمایش نقشه هواشناسى، تصاویر اخبار پخش شود) و مى‏توان آنرا واضحتر نشان داد چون پس زمینه به جاى اینکه در جریان فیلم حرکت کند مى‏تواند به طور جداگانه کنترل و Handle شود و به همین طریق نیز در الگوریتم فشرده‏سازى به کار گرفته شود.
ویدئوى MPEG-4 برخلاف پیشینیانش چیزى فراتر از Coding فیلم ویدئویى شما است. البته محتویات مرکب ویدئو (مثل یک اتومبیل طراحى شده با کامپیوتر) را مى‏توان توسط MPEG-1 و MPEG-2 هم فشرده کرد و یا به صورت فایل درآورد اما در این حالت ویدئوى شما ابتدا Render مى‏شود و سپس شبیه انواع دیگر ویدئو به صورت ترتیبى از فریمها تبدیل مى‏شود. MPEG-4 عمل Render کردن را توسط Decoder انجام مى‏دهد.
به طور مثال، در فیلم «اخبار» (یک شى‏ء ویدئویى طبیعى)، گوینده مى‏تواند پشت یک میز طراحى شده توسط کامپیوتر بنشیند. پارامترهاى این میز به صورت رشته‏هاى MPEG-4 هستند و دیکودر این رشته‏ها را کنار یکدیگر مى‏چیند و شکل «میز» را تولید مى‏کند. پارامترهاى میز مى‏تواند شامل Texture آن باشد (فرض کنید میز یک نماى چوب گردویى دارد) تا تصویر واقعیتر به نظر بیاید. این اعمال درست شبیه روندى است که محیطهاى 3D براى خلق بازیهاى ویدئویى از آن استفاده مى‏کنند: یک Texture (مثل چادر سفید یک شبح) روى مدلى از شبح نگاشت (Map) مى‏شود. MPEG-4 از اشیاء مرکب 2D و 3D پشتیبانى کرده و مى‏تواند روى هر دو Texture بپوشاند. همچنین مى‏تواند اشیاء را متحرک (Antimate) کند. براى متحرک سازى یک مدل لازم است داده‏هاى خیلى کمى تبادل شوند، پس این نوع متحرک سازى بسیار مناسب براى اتصالات شبکه‏اى با سرعت پایین است.
MPEG-4 کمکهاى شایانى براى دو مورد بسیار ویژه از مدلهاى مرکب درنظر گرفته است: صورت و بدن انسان. MPEG-4 یک مدل کلى از صورت را در خود دارد که سازندگان ویدئو کافى است براى صحبت کردن و حرکت این صورت آنرا کمى دستکارى کرده و حتى یک Texture به آن اختصاص دهند. صورت همانند یک شى‏ء سه بعدى کلى به داده‏هاى خیلى کمى براى متحرک شدن نیاز دارد. این داده‏ها مى‏توانند لبها را طورى حرکت دهند که اگر با یک مکالمه Sync شود، درست همانند صورت کسى است که صحبت مى‏کند. متحرک سازى بدن هم همین گونه است. مى‏توانید فرم کلى بدن را به دلخواه تغییر دهید و حرکتهاى بدن را توسط یک رشته بیتى کنترل کنید.
کاربرد اشیاء سه‏بعدى و پیش‏بینى شرایط Interaction (عمل متقابل ویدئو) با کاربر (که هر دو نمونه‏هایى از VRML هستند) به MPEG-4 اجازه مى‏دهند که محیطهاى سه‏بعدى قابل هدایت ایجاد کنند. در یک صحنه 3D، زاویه دید کاربر هم یک شى‏ء است. بسته به اینکه صحنه چگونه ساخته شده، ممکن است کاربر قادر باشد زاویه دید را تغییر دهد (مثل دور صحنه «پرواز کند») یا زاویه دید را از بین چند زاویه انتخاب کند. یک خریدار Online مى‏تواند در یک فروشگاه مجازى که پر از مدلهاى سه‏بعدى از اجناس است به دنبال ملزومات خود بگردد و توسط یک راهنماى انیمیشن اجناس خریدارى شده را در سبد خرید خود بگذارد (این سبد خرید هم مجازى است).
هدف MPEG-4 از ایجاد یک رشته واحد داده‏اى قابل دسترس توسط دستگاههاى مختلف، وقتى رویایى مى‏شود که با ویدئو همراه شود؛ مسلماً ویدئو رسانه‏اى است که هم به پهناى باند و هم به پردازش بیشترى نیاز دارد. تکنیکهاى استانداردى که ویدئو را در پهناى باند از محدوده زیر 64 کیلوبیت بر ثانیه تا 10مگابیت بر ثانیه پخش مى‏کنند، پدیده‏هایى رو به پیشرفت هستند. چندین استراتژى در خدمت این کار هستند که رشته‏هاى ویدئویى را Scale (کوچک و بزرگ) کنند تا مناسب با پهناى باند و قدرت پردازش باشد.
MPEG-4 مانند اکثر تکنولوژیهاى فشرده‏سازى ویدئو مى‏تواند به طور پویا وضوح تصویر را Scale کرده و در هر ثانیه تعداد کمترى فریم براى پهناى باندهاى کوچکتر بفرستد، در نتیجه ویدئو با Soundtrack خود هماهنگ (Synchronized) مى‏ماند. همچنین مى‏تواند به طور دینامیک وضوح فاصله‏اى (Spatial) را هم Scale کند تا MPEG-4 بتواند در هنگام کار با اشیاء مرکب Textureها را براى Decoderهاى ضعیف و یا پهناى باند محدود، فعال یا غیرفعال کند. سازندگان Game با این استراتژى آشنا هستند، چون در اکثر Gameهاى 3D کاربر مى‏تواند درجه وضوح Texture را تغییر دهد تا بین کیفیت تصویر و سرعت فریمها تناسب ایجاد شود.
گوش کنید: صداى MPEG-4 مى‏آید
صوت و ویدئو همیشه همراه یکدیگر هستند، و طبعاً MPEG-4 هم ابزارهایى براى کار با صوت درنظر گرفته است. صداى طبیعى با کیفیت بالا توسط ابزار General Audio Coding کنترل مى‏شود که این ابزار هم از یکى از تکنولوژیهاى MPEG-2 به نام Advenced Audio Coding(یا AAC) مشتق شده است. صداهاى پنج کاناله که ممکن است با یک ویدئوى حجیم همراه باشد باید توسط AAC کد شود. MPEG-4 این توانایى را دارد که به طور پویا کیفیت صدا را کاهش یا افزایش دهد تا کاربر بتواند بر مشکلاتى نظیر پهناى باند پایین و محدودیت Decoder غلبه کند. صوت با استفاده از تکنیکى به نام Bit-Sliced Arithmatic Coding (BSAC) مى‏تواند Encode شود تا Bit Rate را به اندازه یک کیلوبیت بر ثانیه برساند. این تکنیک جهت تنظیمات دقیق رشته‏هاى صوتى براى به کارگیرى دینامیک همه منابع سیستمى در دسترس بسیار مناسب است. MPEG-4 تکنولوژیهاى بهینه مخصوصى جهت Coding صداهاى انسانى با Bit Rate کم دارد.
تکنیک Harmonic Vector eXcitation Coding (HVXC) طراحى شده تا کار در محدوده 2 تا 4 کیلوبیت برثانیه را راحتتر کند و حتى مى‏تواند با سرعت متوسط 2/1 کیلوبیت بر ثانیه کار کند (البته به شرطى که بتوان Bit Rate را تغییرداد). این Bit Rateهاى پایین بسیار مناسب شرایطى مثل پهناى باندهاى بسیار محدود مثل اتصالات ماهواره‏اى مى‏باشد. یک تکنیک دیگر Coding به نام Code Excited Linear Prediction (CELP) جهت Bit Rate هاى 4 تا 24 کیلوبیت بر ثانیه بوجود آمده و براى اتصالات شبکه‏اى سیار فعلى بسیار مناسب است. انتقال BitRateهاى خیلى پایین صوتى (200 بیت تا 2/1 کیلوبیت در ثانیه) کار با ماجولهاى TTS (Text-to-Speech) را ممکن مى‏سازد. MPEG-4 ماجول TTS خاصى را مشخص نمى‏کند، اما رابط TTS (یا TTSI) را در اختیار مى‏گذارد. ماجول TTS براى سازگارى با TTSI باید به نوعى تطبیق داده شود. اطلاعات درباره جنس، سن و الگوهاى گفتارى شخص سخنگو به TSSI فرستاده مى‏شود تا یک فایل صوتى خاص از یک شخص بوجود بیاید. تکنولوژى TTS که با مدل ظاهرى MPEG-4 تلاقى یافته، مى‏تواند صداى صحبتها را در یک جریان داده‏اى بسیار کوچک نگهدارى کند.
همانطور که MPEG-4 اجازه خلق اشیاء مرکب ویدئویى را به شما مى‏دهد، شما هم مى‏توانید همین کار را باصداهاى مرکب انجام دهید. ابزار Structured Audio به شما اجازه مى‏دهد "Instrument"ها را با یک Score کنترل کنید ( Instrument به ویژگیهاى صداهاى Download شده مى‏گویند نه صداهایى که از قبل روى دستگاه بوده‏اند. در واقع این صداها به صورت رشته‏هاى صوتى دریافت شده و سپس Mergeمى‏شوند). با این ابزار مى‏توان صداهاى موسیقایى پرحجم را با پهناى باند کم انتقال داد.
مى‏دانیم MPEG-4 روى فضاى سه‏بعدى تأکید دارد، پس جزئیات استانداردى هم وجود دارند که مشخص مى‏کنند صدا را چگونه مى‏توان در یک فضا قرارداد. اندازه، شکل و ویژگیهاى آکوستیکى فضا و محل قرارگیرى منبع صوتى در این فضا مى‏تواند یک صداى آکوستیک سه بعدى بوجود آورد.
همه را با هم امتحان کنید:
MPEG-4 انواع مختلف تکنولوژیها را براى اشیاء تعریف کرده است. مثلاً Binary Format for Scenes(BIFS) زبانى است که براى تشریح چگونگى نسبت بین صحنه و اشیاء به کار مى‏رود. BIFS نسخه باینرى فرمت متنى است که توسط Virtual Reality Modeling ******** (VRML) به کار مى‏رود. VRML براى خلق محیطهاى 3D استفاده مى‏شود که در این محیطها مى‏توان توسط یک مرورگر وب جابه جا شد. اما MPEG-4 برخلاف VRML مى‏تواند همینطور که اطلاعات مى‏رسند،صحنه را Render کند (به جاى اینکه قبل از شروع Render ابتدا همه اطلاعات را به طور کامل Download کند که این کار سرعت کار را بسیار پایین مى‏آورد).
اشیاء گروههاى BIFS در یک وراثت، متکى بر نسبت بین صحنه و اشیاء هستند. براى نمونه، صداى گوینده اخبار و تصویر ویدئویى باید با هم در یک گروه باشند و به طور مناسب جلوى صحنه هواشناسى قرار بگیرند. صحنه Static نیست؛ ممکن است در همین حین که دستورات BIFS از طرف Server مى‏رسند، صدا و تصویر گوینده اخبار در صفحه جابه جا شوند.
امکانات جذاب:
ویدئو، صوت و Interaction در قلب استاندارد MPEG-4 هستند. اداره چنین پیچیدگى روى Decoder مى‏تواند کار سختى باشد. MPEG-4 یک سیستم برنامه‏نویسى مبتنى بر Java به نام MPEG-j تعبیه کرده تا Media Playerهاى MPEG-4 را منعطف‏تر کند. یک برنامه MPEG-jمانند رشته (Stream) هاى مستمر به Decoder فرستاده مى‏شود. پس از این انتقال، مى‏توان برنامه را براى دستکارى عناصر صحنه و یا بهینه‏کردن Interactivity به کاربرد. برنامه مى‏تواند گزارشهایى از قابلیتهاى Decoder و منابع تغییر سیستمى تهیه کند و طبق آن در فرستادن رشته‏هاى مناسب به Encode کمک کند.
امروزه مدیریت حقوق - ویژگیها (Property-rights) یکى از موارد مهم در دنیاى دیجیتال است. MPEG-4 رشته‏ها را توسط اعداد منحصربه فردى برچسب مى‏زند که این اعداد هم متعلق به Property Holderها هستند؛ پس مدیریت حقوق - دیجیتال امن هم ممکن است. اطلاعات حقوق همزمان با Metadataهاى دیگر رشته ذخیره مى‏شود ( Meta data اطلاعات مشخصه و دیگر داده‏هاى تشریحى است)، نتیجه این مى‏شود که دیگر لازم نیست براى تشخیص Owner یک رشته، کل رشته از Server گرفته شود. MPEG-4 یک مدل مشخص براى مدیریت حقوقها تعریف نمى‏کند، اما در عوض رابطى تعبیه مى‏کند که به Owner محتویات اجازه ایجاد یک راه‏حل مدیریتى براى نیازهاى خاص مى‏دهد.
Profileها:
MPEG-4 استانداردى بسیار جامع و فراگیر است. تاکنون هیچ نوع Media Player بوجود نیامده که تمام امکانات آنرا پیاده‏سازى کرده باشد. مثلاً یک تلفن همراه به صداى پنج کاناله نیاز ندارد یا گرافیکهایى را که به Render کردن نیاز داشته باشد پشتیبانى نمى‏کند. بنابراین این استاندارد تعدادى پروفایل تعریف مى‏کند که این پروفایلها حاوى ویژگیهایى هستند که محدوده قابلیتهاى یک Decoder را تعیین مى‏کنند. یک پروفایل مى‏تواند به چند Level تقسیم شود. وظیفه هر Level محدودکردن پیچیدگى محاسباتى است که Decoder باید درون پروفایل آنرا کنترل و اداره کند.
پروفایلها زیرمجموعه‏هایى از مجموعه ابزارهاى MPEG-4 را مشخص مى‏کند. پروفایلهاى موجود عبارتند از پروفایل بصرى، صوتى، گرافیکى، گراف صحنه‏اى و توصیف‏کننده شى‏ء. به عنوان نمونه، اساسى‏ترین پروفایل بصرى براى تصاویر ویدئویى طبیعى، پروفایل Simple است. این پروفایل، ویدئوى مستطیلى شکل خطاناپذیر براى دستگاههاى کند و باپردازنده ضعیف (مثل تلفن همراه) در اختیار مى‏گذارد. سه سطح این پروفایل، حداکثر Bit Rate و دیگر جنبه‏هاى رشته‏هاى ویدئویى را مشخص مى‏کند تا بتواند منابع Decoder را درخواست کند. پروفایلها در قسمتى از روشهاى وراثتى سازماندهى شده‏اند تا پروفایل بعدى در زنجیره کلاً با محتویات طراحى شده براى دستگاهى با قابلیتهاى کمتر، سازگار باشد.
پروفایلها و Levelها به طراحان اجازه مى‏دهند پیاده‏سازى MPEG-4 خود را سازگار سازند. یعنى یک Audio Player محصول یک شرکت خاص که از پروفایل صوتى Scalable در سطح 3 پشتیبانى مى‏کند با یک Player از شرکت دیگر که ویژگیهاى پروفایل و Level آن مشابه اولى است، سازگار خواهد بود. سازگار بودن اعمال و توابع پیاده سازیهاى MPEG-4 به توافق کمپانیهاى مختلف بستگى دارد.
MPEG-4 تنها یک Vaporware نیست:
MPEG-4 چیزى فراتر از این گفته‏ها و ناگفته‏ها است. تعدادى از محصولاتى که از این تکنولوژى استفاده مى‏کنند در بازار یافت مى‏شوند و محصولات قویترى هم در راهند.
بعضى از کمپانیها هم بیکار ننشسته و از این تکنولوژى سوء استفاده مى‏کنند. مثلاً Napster ویدئوهایى را که به طریق غیرقانونى روى سایت خود پخش مى‏کند، توسط تکنولوژى MPEG-4 فشرده کرده است.
DivXNetworks یک Codec با تکنولوژى MPEG-4 به نام DivX طراحى کرده که قفل نرم‏افزارى DVD را (که با MPEG-2 فشرده شده) مى‏شکند و DVD را فشرده‏تر مى‏کند. DivXNetworks با بهبودبخشیدن به مدیریت حقوق - دیجیتال و همکارى نزدیک با کمپانیهاى پیشرو در زمینه MPEG-4 پیشرفت قابل توجهى در Mainstreamها داشته است.
Codec رایگان DivX5.0 و مجموعه 30 دلارى DivX Pro براى مشتاقان ویدئوى دیجیتال به عنوان ابزارهاى کلیدى هستند.
DivXNetworks با همکارى Sigma Designs یک کارت PCI با خروجى کد شده توسط DivX به نام REALmagic xCArd طراحى کرده و ساخته‏اند.
xCard و نرم‏افزار همراه آن قابلیت کار با ساختارهاى ویدئویى DVD، VCD، MPEG-1 و MPEG-2 و MPEG-4 را دارد. این کارت مجهز به خروجیهاى Composite و S-Video براى اتصال به تلویزیون است و یک کنترل از راه دور هم به همراه دارد.این کارت خروجیهایى هم براى صدا دارد و از صداهاى Dolby Digital Surroundپشتیبانى مى‏کند. اگر کامپیوتر و تلویزیون شما نزدیک یکدیگر قرار دارد با اتصال این دو به یکدیگر توسط xCardمى‏توانید یک سیستم سرگرم کننده قوى در منزل خود داشته باشید.
قول MPEG-4 در مورد این موضوع که چند رسانه‏اى‏ها را روى سیستمهاى دستى و تلفنهاى همراه منتقل خواهد کرد، توسط کمک پردازنده تصویرى IMAGEON001 محصول ATI به واقعیت پیوست. این تراشه در یک Package کوچک و کم مصرف براى استفاده روى سیستمهاى سیار، امکانات گرافیکى پیشرفته‏اى ارائه کرده که شامل وضوح تصویرى و عمق رنگ بالاتر، بافرکردن فریمها و شتابدهنده سخت‏افزارى جهت انجام Decompression مى‏باشد.
Panasonic هم در لباس الکترونیکى (E-wear) مدل SV-AV01 که یک MP3 Player با قابلیت ضبط و پخش است، ویدئوهاى MPEG-4 با ظرفیت پایین را نیز اجرا مى‏کند.
جاده‏اى در پیش راه؛ عریض و با کمى دست‏انداز:
MPEG-4 آمده تا نقش گسترده‏اى در دنیاى چندرسانه‏اى‏ها و پخش آنها روى Platformهاى گوناگون بازى کند. این تکنولوژى همانند دیگر تکنولوژیهاى MPEG یک Open Standard است؛ یعنى هر کسى مى‏تواند از آن استفاده کند. به هر حال MPEG LA یکى از شرکتهاى قانونى اما مستقل از MPEG طرحى ارائه داده که طبق آن هزینه‏اى به عنوان MPEG-4 Licensing Fee دریافت شود: یک شارژ دقیقه به دقیقه براى دریافت رشته‏هاى MPEG-4. حامیان MPEG-4 مثل Apple (که قابلیتهاى MPEG-4 را در نرم‏افزار QuickTime تعبیه کرده) در کار دشوارى با یکدیگر همگام مى‏شوند.
این تکنولوژى مبتنى بر Open Standard براى کاربران خانگى خیلى جذاب است، چون اگر یک کمپانى محصول راضى کننده‏اى ارائه ندهد رقباى دیگرش محصولى بهتر به بازار مى‏فرستند.
این آزادى انتخاب کاربران رقابتى سالم بین توسعه‏دهندگان بوجود آورده و باعث شده هر روز محصولی بهتر از قبلی وارد بازار شود ( البته نه همیشه )