早期的語音信號處理及傳輸均是以模擬的方式進行的。20世紀30年代末脈沖編碼調(diào)制（pcm，pulse code modulation）原理和聲碼器（vocoder）概念被提出后，語音數(shù)字編碼便一直沿著這兩個方向發(fā)展。語音數(shù)據(jù)壓縮目的是能在盡可能低的傳輸速率上獲得高質(zhì)量的語音效果，即希望語音信號可以在帶寬較窄的信道中傳輸而語音質(zhì)量下降的不多或盡可能不下降。語音編碼系統(tǒng)早期用的是波形編碼方法，也叫波形編碼（或非參數(shù)編碼），其目的是力圖使重建的語音波形保持原語音信號的波形形狀。這種編碼器是把語音信號當成一般的波形信號來處理，而并未考慮語音信號的冗佘度。它的優(yōu)點是具有較強的適應能力，有較好的合成語音質(zhì)量，然而編碼速率高（64kbit／s），編碼效率極低。脈沖編碼調(diào)制（pcm）、自適應增量調(diào)制（adm）、自適應差分編碼（adpcm）、自適應編碼（apc）等都是屬于波形編碼（非參數(shù)編碼）。而聲碼器則是不同于波形編碼器的高效編碼方式。聲碼器又稱參數(shù)編碼（或模型編碼），它主要是對提取的語音信號特征參數(shù)進行編碼，目的主要是使重建的語音信號具有盡可能高的可懂度，而不是要求重建波形保持原語音波形的形狀。因此，可能出現(xiàn)的情況是即使重建語音的可懂度高，但其時域波形與原語音的時域波形有較大的差別。這種編碼器的優(yōu)點是可達到極低的編碼速率而語音依然可懂，編碼速率可達到8kbit／s、4．8kbit／s甚至更低。主要缺點是重建語音自然度低，韻律感差，合成語音質(zhì)量差。聲碼器的典型代表是通道聲碼器、共峰聲碼器及線性預測聲碼器等。

　　20世紀80年代至今，不僅聲碼器和波形編碼器得到了很大發(fā)展，并且還有一種全新的革命性編碼方法被普遍推廣，這類編碼器叫混合編碼器。這種編碼器在傳送器中對給定編碼結(jié)構(gòu)的所有可能性進行綜合，找出輸人語音的最好編碼形式，并從這些可能性中發(fā)現(xiàn)輸入語音的最優(yōu)主觀匹配，然后用數(shù)碼表示這種主觀匹配并發(fā)送到接收器。利用線性預測、vq、a－b－s、感覺加權(quán)、后濾波等技術(shù)得到的多脈沖激勵線性預測（mpelp，multi pulse enspirit lineprognosticate），規(guī)則脈沖激勵線性預測（rpelp，rule pulse enspirit line prognosticate），碼本激勵線性預測（celp，code enspirit line prognosticate） 編碼速率達到8～16kbit／s甚至更底，其話音質(zhì)量高、編碼速率低，但算法復雜。

　　近年來，itu－t在多媒體數(shù)字通信方面（包括電視會議等）制定了一系列國際標準（按itu的說法是建議）。

　　表1 itu－t多媒體會議標準（基本模式）

　　在現(xiàn)有的網(wǎng)路設施條仵下，h．320和h．323比較適用的標準。h．320的基本音頻模式是g．711 log-pcm（對數(shù)脈碼調(diào)制）編碼解碼器，它是一種簡單的8khz采樣頻率對數(shù)脈碼調(diào)制模式，長期以來它都是數(shù)字電話網(wǎng)絡主要的編碼方法（長途電話盡管起源于模擬電話，現(xiàn)在長途電話在數(shù)字網(wǎng)絡上傳輸）。

　　g．711定義為8位編碼，速率為64kbit／s，但在h．320中采樣截短為6或7比特位，因為速率相應變?yōu)?8kbit／s或56kbit／s。g．711提供了出色的長話音質(zhì)窄帶（3khz音頻帶寬）語音、不太明顯的編解碼延遲（低于1ms）以及非常低的實現(xiàn)復雜性。為了提供與普通g．711音頻電話的兼容性，所有的h．320呼叫在h．221 fas和bas信道中進行同步初始化和模式協(xié)商時開始發(fā)送和接收g．711音頻。

　　g．711有很多優(yōu)點，但是g．711指定了兩個不同的編碼a律和μ律，在采用g．711標準的區(qū)域，不同地方使用上述兩種不同的方法。ccitt不能達成統(tǒng)一的編碼方法。結(jié)果是h．320系統(tǒng)必須由遠端在每次呼叫開始時自動發(fā)現(xiàn)使用的編碼律，或者避免使用音頻直到h．320控制過程能用來建立另一音頻模式。而且，g．711因為它的低復雜性和與普遍電話的兼容性成為h．320的基本音頻模式，但與其他h．320音頻模式相比在使用帶寬方面它是效率低下的。如果轉(zhuǎn)到其他音頻模式下節(jié)省的數(shù)據(jù)帶寬可用來傳送更多的視頻位，將使h．320視頻質(zhì)量有很大不同，特別是在普通的2－b（128kbit／s）h．320呼叫上。

　　鑒于g．711語音壓縮協(xié)議本身的一些缺點，人們一直在找一種替代它的協(xié)議，現(xiàn)在已經(jīng)開始用的有g(shù)．722協(xié)議和g．728協(xié)議。

　　g．728是目前h．320中用得較多的窄帶音頻模式。它是基于通常的8khz窄帶采樣和5個采樣（0．625ms）的音頻幀的低時延碼本激勵線性編碼（ld－celp），比特率為16kbit／s，提供很好的長話音質(zhì)，總延遲為大約1．875ms。

　　在現(xiàn)有網(wǎng)絡條件下，需要一個窄帶音頻模式，但是又要有相當好的語音質(zhì)量。 最近建立的8kbit／s電話標準真正提高了該速率下的語音品質(zhì)并改善了復雜性，這種編碼器在某種程度上是一個突破，因此它的嚴格規(guī)范使性能達到或超過了32kbit／s的g．726 adpcm，但速率僅為8kbit／s。itu g．729 skbit／s標準在性能上不亞于g．726，其算法延時少于16ms，隨機誤碼和背景噪聲的