Value は値そのものを収めるレコードである。Codec が Payload の解釈を定める。

レイアウト

TAG WORD          000K KKKC CCCC LLLL      セクション 3·4 (0x060L~0x09FL)
[Length 拡張 TAG]
[Codec 拡張 TAG]  Issuer 形式のとき
Payload
  • LLLL は TAG WORD を含む全体の WORD 数 − 1 である。1~14 WORD は直接長、15 WORD 以上は拡張長である。
  • Issuer 形式なら、Codec 拡張 TAG に Issuer(Codec が定める幅 2/4/16 WORD)と Codec 番号 2 WORD を置く。Codec 番号は Issuer が定める。
  • デコーダは形式を知らなくても Kind、Length、Issuer、Codec 番号までは分かる。

系列

Value の番号は系列を意味しない。直接コードはビットで系列を表さず、Issuer 形式にも系列の規則はない。系列は主題によるまとまりである。

系列直接コード
NUMERIC0x060L~0x067L
DECIMAL0x068L~0x069L
TIME0x06AL~0x071L, 0x081L
TEXT0x072L~0x07AL
BINARY0x07BL~0x080L
  • ベクトル、テンソル、複素数、分数、区間のような数値は NUMERIC である。例外として BIT-VECTOR は BINARY である。言語コードは TEXT である。
  • Issuer 形式のレコードには Codec 拡張 TAG(Issuer と Codec 番号)が付く。Payload が長ければ(全体 15 WORD 以上)Length 拡張 TAG を使う。

直接コード

Codec名前系列説明
0x060LBOOLNUMERICfalse または true
0x061LSIGNED-INTEGERNUMERIC最小 WORD の 2 の補数整数
0x062LUNSIGNED-INTEGERNUMERIC最小 WORD の符号なし整数
0x063LBINARY-FLOATNUMERICIEEE 754 binary16/32/64/128
0x064LCOORDINATE-EARTHNUMERIC地球(WGS 84)の緯度·経度と不確かさ(単位 Reference)
0x065LCOORDINATE-GEONUMERIC天体 Reference と緯度·経度、不確かさ(単位 Reference)
0x066LQUANTITYNUMERIC数値の量(整数·BINARY-FLOAT·10 進数·分数)、単位 Reference、下限·上限
0x067LFRACTIONNUMERIC表記を保存する分数(分子·分母レコード、約分しない)
0x068LSIGNED-DECIMALDECIMALC × 10^E、符号付き係数
0x069LUNSIGNED-DECIMALDECIMALC × 10^E、符号なし係数
0x06ALGREGORIAN-DATETIME1970-01-01 からの日数 (グレゴリオ暦)
0x06BLCIVIL-TIME-NANOSECONDSTIME零時からのナノ秒
0x06CLPOSIX-TIMESTAMP-SECONDSTIMEUnix epoch からの秒
0x06DLDURATION-SECONDSTIME経過時間(秒)
0x06EL/0x06FLEDTFTIMEISO 8601-2 拡張日付文字列 (年·月精度、不確実、区間)
0x070L/0x071LGEDCOM-DATETIMEGEDCOM 7 日付文字列 (ユリウス暦など他の暦)
0x072L/0x073LUTF8-TEXTTEXT言語を持たない UTF-8 文字列
0x074L/0x075LURITEXTRFC 3986 URI
0x076L/0x077LLANGUAGE-BCP47-CODETEXTBCP 47 言語タグ
0x078L/0x079LUTF8-LANGUAGE-TEXTTEXT言語付きテキスト
0x07ALLANGUAGE-SHORT-CODETEXT1 WORD の圧縮言語コード
0x07BLUUIDBINARYRFC 9562 UUID
0x07CLSHA-256-DIGESTBINARYSHA-256 の結果
0x07DLSHA1-DIGESTBINARYSHA-1 の結果 (git オブジェクト ID のような識別用途)
0x07EL/0x07FLOPAQUE-BYTESBINARY意味·形式が不明のバイト列。偶数·奇数バイト
0x080LBIT-VECTORBINARYbit-count の後に MSB-first で保存した N bit
0x081LDURATION-NANOSECONDSTIME経過時間(ナノ秒)
  • 偶奇でペアにしたコードは可変長のバイト列である。偶数コードはバイト数が偶数、奇数コードは奇数である(レコードと TAG WORD)。
  • 直接コードは 0x060L~0x081L に Reserved なしで並ぶ。0x082L~0x09CL は Reserved で、0x09DL~0x09FL は VALUE-ISSUER-2WORD·4WORD·16WORD である。

Issuer 形式

直接コードにない形式は、その形式を制定した団体の Issuer の下に Codec 番号として置く。制定団体のない慣例の形式は ADHOC(0x00000002)の下に置く。GEUL 固有の形式(OPAQUE-BYTES、BIT-VECTOR、DURATION-NANOSECONDS)は直接コードである。

Issuer形式の例
ADHOC 0x00000002BFLOAT16、整数·実数ベクトル、テンソル、複素数、分数、区間、四元数、BLAKE3
IETF 0x00000007相対 URI、CRC32C、IPv4·IPv6 アドレス
IEEE 0x0000000DIEEE 754 decimal32/64/128、POSIX ナノ秒タイムスタンプ、MAC アドレス
KHRONOS 0x0000000ERGBA8·BGRA8 ピクセル
ONNX 0x00000010, OCP 0x00000011FP8, FP4
BIPM 0x00000013TAI タイムスタンプ
NIST 0x00000015SHA-512, SHA3-256
GPS 0x00000016GPS タイムスタンプ
  • 形式を知らないデコーダは、Issuer と Codec 番号までを知り、Length で読み飛ばす。
  • Codec ドキュメントはその Issuer の codecs/ の下に、レコードの Codec 番号で置く。例: IETF CRC32C は 0x00000007/codecs/0x0000C000/ である(公表アドレスとバージョン一覧)。
  • 画像·動画のような大きな値は、直接入れるより URI と SHA-256 で参照することを勧める。
  • バイト列の中の著作物は元のライセンスに従う。出典とライセンスは Meta で記録する。

形式のまとまり

まとまりごとの説明は下にある。各形式のレイアウト、解釈、有効性、例は形式別のドキュメントにある。

まとまり系列形式
numericNUMERICBOOL、整数、浮動小数、座標、QUANTITY、FRACTION
decimalDECIMALSIGNED-DECIMAL、UNSIGNED-DECIMAL、IEEE 754 decimal32/64/128
timeTIME日付、時刻、タイムスタンプ、経過時間、EDTF、GEDCOM 日付
textTEXTUTF-8 テキスト、言語付きテキスト、URI、言語コード
binaryBINARYUUID、ダイジェスト、CRC、ネットワークアドレス、不明バイト列、ビットベクトル
vectorNUMERIC整数·実数の密ベクトル、点·境界ボックス、RGBA·BGRA ピクセル
tensorNUMERIC形式·rank·shape を付けた dense·packed テンソル
etcNUMERIC複素数、分数、閉区間、四元数
  • vector、tensor、etc のまとまりはすべて NUMERIC 系列の Issuer 形式(ADHOC、KHRONOS)である。

numeric

NUMERIC 系列の基本的な数の形式である。直接コード 0x060L~0x067L に置く。

  • BOOL、符号付き·符号なし整数、IEEE 754 binary 浮動小数、地球(WGS 84)·天体の座標、量·単位·境界をまとめた QUANTITY、原文の表記どおりの分数 FRACTION がある。
  • 整数は値が入る最小の WORD で書く。
  • 小さなスカラの Issuer 形式(BFLOAT16、FP8、FP4)は Codec 番号だけが割り当てられていて、詳細な規格がない(Valueの未解決の問題)。
  • ベクトル、テンソル、複素数、既約分数(RATIONAL-I64)、区間も NUMERIC 系列だが Issuer 形式なので、vector、tensor、etc のまとまりに置く。

decimal

DECIMAL 系列は正確な 10 進数の形式である。直接コード 0x068L~0x069L に置く。

  • 直接コード SIGNED-DECIMAL·UNSIGNED-DECIMAL は C × 10^E で書き、元の表記の桁数をそのまま収める。1.20(C=120, E=−2)と 1.2(C=12, E=−1)は別のレコードである。値の等価性と quantum の保存は SIGNED-DECIMAL の未解決の問題である。
  • IEEE 754 decimal32/64/128 の DPD·BID エンコーディングは IEEE Issuer(0x0000000D)の形式である。

time

TIME 系列は日付と時刻の形式である。直接コード 0x06AL~0x071L と 0x081L(DURATION-NANOSECONDS)に置く。

精度形式
日付(グレゴリオ暦)GREGORIAN-DATE
年·月、不確実、区間EDTF
他の暦の原表記(ユリウス暦など)GEDCOM-DATE
時刻POSIX·TAI·GPS タイムスタンプ
経過時間DURATION-SECONDS、DURATION-NANOSECONDS
  • GREGORIAN-DATE で書ける日付は EDTF で書かない。
  • ナノ秒タイムスタンプと TAI·GPS 形式は、各標準団体の Issuer(IEEE、BIPM、GPS)の下の形式である。

text

TEXT 系列はテキストと文字列識別子の形式である。直接コード 0x072L~0x07AL に置く。

  • 言語を持たない文字列は UTF8-TEXT、名前·題名·文のように言語を持つテキストは UTF8-LANGUAGE-TEXT である。
  • 言語コード(LANGUAGE-SHORT-CODE、LANGUAGE-BCP47-CODE)も TEXT 系列である。
  • 可変長のバイト列は偶奇の Codec ペアで置く。最下位ビットが 1 ならバイト数が奇数で、最後の WORD の下位バイトは 0x00 のパディングである(レコードと TAG WORD)。

binary

BINARY 系列はバイト列の形式である。直接コード 0x07BL~0x080L に置く。

  • UUID、SHA-256、SHA-1、不明バイト列(OPAQUE-BYTES)、ビットベクトル(BIT-VECTOR)は直接コードである。残りのダイジェスト、CRC32C、IPv4·IPv6·MAC アドレスは Issuer 形式である。
  • 固定サイズの値(UUID、ダイジェスト、アドレス)はサイズが決まっているので、偶奇のペアを置かない。
  • 画像·動画のような公開メディアは IANA Issuer(0x00000008)の形式として置く。Codec 番号は偶奇のペアで割り当て、Payload はバイト列である。Length の上限は 2^32−1 WORD である。大きな値は直接入れるより URI と SHA-256 で参照することを勧める。
  • バイト列の中の著作物は元のライセンスに従う。出典とライセンスは Meta で記録する。

vector

ベクトル形式は NUMERIC 系列の Issuer 形式である。整数·実数の密ベクトルと点·境界ボックスは ADHOC(0x00000002)の Codec 番号 0x00000500~0x0000050C、ピクセル形式は KHRONOS(0x0000000E)の下に置く。

  • 密ベクトルの要素は big-endian で連続して保存する。
  • Issuer 形式なので、Codec 拡張 TAG に Issuer 2 WORD と Codec 番号 2 WORD が付く。

tensor

テンソル形式は NUMERIC 系列の Issuer 形式である。ADHOC(0x00000002)の Codec 番号 0x00000600~0x00000601 に置く。

  • DESCRIBED-DENSE-TENSOR は要素形式·rank·shape と C-contiguous の dense payload を収める。
  • DESCRIBED-PACKED-TENSOR は packed 形式·rank·shape と、octet 内 low-bit-first の packed payload を収める。

etc

その他の数の形式は NUMERIC 系列の Issuer 形式である。ADHOC(0x00000002)の Codec 番号 0x00000700~0x00000704 に置く。

  • 複素数(COMPLEX64、COMPLEX128)、正規化した分数(RATIONAL-I64)、binary64 の閉区間、binary32 の四元数がある。

テキスト

言語を持つテキストと持たないテキストは別の値である。“Paris”(文字列)と “Paris”(フランス語)は等しくない。

形式使う場所
UTF8-TEXT識別子、コード、ファイル名、外部 ID のように言語を持たない文字列
UTF8-LANGUAGE-TEXT名前、題名、文のように言語を持つテキスト
UTF8-LANGUAGE-TEXT
TAG WORD          0000 0111 100P LLLL   (P = テキストが奇数バイト)
[Length 拡張 TAG]
言語              LANGUAGE-SHORT-CODE または LANGUAGE-BCP47-CODE レコード
テキスト          UTF-8 バイト (奇数なら最後に 0x00)
  • テキストは well-formed な UTF-8 で、原文のまま保存する。正規化は比較·索引する側が受け持つ。
  • 複数の言語に共通する名前は言語 mul、言語未定は und と書く。言語的内容のない文字列は UTF8-TEXT である。

例: "Douglas Adams"@en (13 バイト、奇数)

0799  0761 656E  446F 7567 6C61 7320 4164 616D 7300
TAG   言語 en    D o  u g  l a  s ␠  A d  a m  s (パディング)

10 進数と数量

正確な 10 進数は C × 10^E で書く。指数 E は 32 ビット、係数 C は最小 WORD の 2 の補数である。元の表記の桁数をそのまま収める: 1.20 は C=120, E=−2、1.2 は C=12, E=−1 である。二つの表記は同じ数を表すが、バイトが異なる別のレコードである。エンコーダは表記を勝手に正規化しない。二つのレコードの値の等価性と quantum(有効数字)の意味は未解決の問題である(SIGNED-DECIMAL)。

QUANTITY は量と単位、境界を一つの値に収める。

TAG WORD          0000 0110 0110 LLLL
[Length 拡張 TAG]
量                数値 Value レコード (整数·BINARY-FLOAT·10 進数·分数)
単位              Reference レコード (単位の項目)、単位なしなら 0x0000
下限              数値 Value レコード、省略すれば 0x0000 ABSENT
上限              数値 Value レコード、省略すれば 0x0000 ABSENT
  • 単位は値の一部である。単位を切り離して別の場所に書かない(切り離すと 652 が km か m か分からない)。
  • SI 単位に換算した値は収めない。単位と換算表から計算できる。
  • 0x0000 は選択フィールドを省略したことを示す標識 ABSENT である(Codec 規格ドキュメント)。

例: 652 km、範囲 [651, 653] (km = Wikidata Q828224)

066E 0011                    TAG (拡張長 17 WORD)
0683 0000 0000 028C          量 652
0142 000C A340               単位 Q828224
0683 0000 0000 028B          下限 651
0683 0000 0000 028D          上限 653

日付

精度形式
日付(グレゴリオ暦)GREGORIAN-DATE
年·月、不確実(1971~)、区間EDTF
他の暦の原表記(ユリウス暦など)GEDCOM-DATE
時刻POSIX·TAI·GPS タイムスタンプ
  • GREGORIAN-DATE で書ける日付は EDTF で書かない。

未解決の問題

  • 公開メディア形式(JPEG、PNG、MP4、MOV など)は IANA Issuer(0x00000008)の Codec 番号として置く。メディアタイプと Codec 番号の対応表の管理方法。
  • Value 直接コードの最終的な一覧。法令·業務会話のサンプルで Value の頻度を測って決める(金額、百分率、日付区間の候補)。
  • 小さなスカラ 7 個(ADHOC BFLOAT16、ONNX FP8 4 種、OCP FP8-E8M0FNU·FP4-E2M1FN)の詳細な規格と配置。直接コードに移すかは決めていない。今は Codec 番号だけが割り当てられている。