高端网站建设的市场,时间轴 网站模板,wordpress插件 二级域名,网站内容建设和管理系统3.AAC文件格式
3.1 封装格式解析
高级音频编码 #xff08;Advanced Audio Coding#xff09; 是一种用于有损数字音频压缩的音频编码标准。它被设计为 MP3 格式的继承者#xff0c;在相同比特率下通常可以获得比 MP3 更高的音质。AAC有两种封装格式#xff1a;
ADIFAdvanced Audio Coding 是一种用于有损数字音频压缩的音频编码标准。它被设计为 MP3 格式的继承者在相同比特率下通常可以获得比 MP3 更高的音质。AAC有两种封装格式
ADIFAudio Data Interchange Format音频数据交换格式这种格式的特点是只在文件头部存储用于音频解码播放的头信息例如采样率通道数等它的解码播放必须从文件头部开始一般用于存储在本地磁盘中播放。ADTSAudio Data Transport Stream音频数据传输流这种格式的特点是可以将数据看做一个个的音频帧而每帧都存储了用于音频解码播放的头信息例如采样率通道数等即可以从任何帧位置解码播放更适用于流媒体传输。
目前在网络传输中常用的就是ADTS格式的封装所以我们常见的AAC原始码流是由一个一个的ADTS frame音频数据传输流帧组成每一帧由ADTS的帧头和原始数据块MEPG2 TS也就是说每个ADTS frame都可以单独去解码。 对于AAC的头部由7/9个字节组成包含以下信息
序号长度位字段描述A12syncword同步标志位所有位都必须设置为1固定为0xFF表示ADTS的帧开始B1idMPEG版本0MPEG-41MPEG-2C2layer图层始终设置为0。D1Protection absenceCRC校验标识0使用CRC校验1不使用CRC校验E2Profile音频对象类型按照MPEG-4的音频对象类型序号减1F4sampling frequency index音频采样频率索引如下所示 0: 96000 Hz 1: 88200 Hz 2 : 64000 Hz 3 : 48000 Hz 4: 44100 Hz ...G1private bit私有位编码设置为0解码时忽略H3channel configuration声道配置 0: Defined in AOT Specifc Config 1: 1 channel : front - center 2 : 2 channels : front - left, front - right 3 : 3 channels : front - center, front - left, front - right ...I1originality设置为1表示音频的原创性否则设置为0J1home编码是设置为0解码时忽略K1copyright id bit版权ID位L1copyright id start通过设置1和0来表示此帧的版权ID位的第一位M13frame length一个ADTS帧的⻓度包括ADTS头和AAC原始流O11buffer fullness缓冲区充满度0x7FF说明是码率可变的码流不需要此字段。CBR可能需要此字段不同编码器使用情况不同P2num raw data blocksADTS帧的AAC帧数原始数据块减1.为了获取最大的兼容性始终为每个ADTS帧使用一个AAC帧Q16crc如果CRC校验标识为0进行CRC检查。
3.2 解析文件的报头信息
下面的程序会使用ffmpeg库解析AAC文件的报头信息并打印出来
#include stdio.h
#include libavformat/avformat.hvoid print_adts_header(const uint8_t *header) {int syncword (header[0] 4) | (header[1] 4);int id (header[1] 3) 0x01;int layer (header[1] 1) 0x03;int protection_absent header[1] 0x01;int profile (header[2] 6) 0x03;int sampling_frequency_index (header[2] 2) 0x0F;int private_bit (header[2] 1) 0x01;int channel_configuration ((header[2] 0x01) 2) | (header[3] 6);int original_copy (header[3] 5) 0x01;int home (header[3] 4) 0x01;int copyright_identification_bit (header[3] 3) 0x01;int copyright_identification_start (header[3] 2) 0x01;int frame_length ((header[3] 0x03) 11) | (header[4] 3) | (header[5] 5);int adts_buffer_fullness ((header[5] 0x1F) 6) | (header[6] 2);int number_of_raw_data_blocks_in_frame header[6] 0x03;printf(Syncword: 0x%X\n, syncword);printf(ID: %d\n, id);printf(Layer: %d\n, layer);printf(Protection absent: %d\n, protection_absent);printf(Profile: %d\n, profile);printf(Sampling frequency index: %d\n, sampling_frequency_index);printf(Private bit: %d\n, private_bit);printf(Channel configuration: %d\n, channel_configuration);printf(Original/copy: %d\n, original_copy);printf(Home: %d\n, home);printf(Copyright identification bit: %d\n, copyright_identification_bit);printf(Copyright identification start: %d\n, copyright_identification_start);printf(Frame length: %d\n, frame_length);printf(ADTS buffer fullness: %d\n, adts_buffer_fullness);printf(Number of raw data blocks in frame: %d\n, number_of_raw_data_blocks_in_frame);
}int main(int argc, char *argv[]) {if (argc 2) {fprintf(stderr, Usage: %s input.aac\n, argv[0]);return -1;}av_register_all();AVFormatContext *fmt_ctx NULL;if (avformat_open_input(fmt_ctx, argv[1], NULL, NULL) 0) {fprintf(stderr, Could not open input file %s\n, argv[1]);return -1;}if (avformat_find_stream_info(fmt_ctx, NULL) 0) {fprintf(stderr, Could not find stream information\n);avformat_close_input(fmt_ctx);return -1;}AVPacket pkt;av_init_packet(pkt);while (av_read_frame(fmt_ctx, pkt) 0) {if (pkt.stream_index 0) { // Assuming the first stream is audioprint_adts_header(pkt.data);break;}av_packet_unref(pkt);}avformat_close_input(fmt_ctx);return 0;
}执行效果为: 3.2 读取文件的ADTS帧数
下面的程序会使用FFmpeg库读取AAC文件中所有ADTS的帧并打印其数量和帧率。
#include libavformat/avformat.h
#include libavcodec/avcodec.hint main(int argc, char *argv[]) {if (argc 2) {printf(Usage: %s input file\n, argv[0]);return -1;}const char *input_filename argv[1];AVFormatContext *format_ctx NULL;AVCodecContext *codec_ctx NULL;AVPacket packet;int ret, stream_index;av_register_all();// Open input file and allocate format contextif (avformat_open_input(format_ctx, input_filename, NULL, NULL) 0) {fprintf(stderr, Could not open input file %s\n, input_filename);return -1;}// Retrieve stream informationif (avformat_find_stream_info(format_ctx, NULL) 0) {fprintf(stderr, Could not find stream information\n);return -1;}// Find the first audio streamstream_index av_find_best_stream(format_ctx, AVMEDIA_TYPE_AUDIO, -1, -1, NULL, 0);if (stream_index 0) {fprintf(stderr, Could not find audio stream in the input file\n);return -1;}codec_ctx format_ctx-streams[stream_index]-codec;// Initialize packetav_init_packet(packet);packet.data NULL;packet.size 0;// Read frames and print informationint frame_count 0;while (av_read_frame(format_ctx, packet) 0) {if (packet.stream_index stream_index) {frame_count;printf(Frame %d: size%d, sample_rate%d\n, frame_count, packet.size, codec_ctx-sample_rate);}av_packet_unref(packet);}// Clean upavcodec_close(codec_ctx);avformat_close_input(format_ctx);return 0;
}4.OGG文件格式
参考链接
OGG官方文档Ogg Documentation
OGG 是由 Xiph.Org Foundation 维护的免费开放容器格式。OGG 格式的作者表示它不受软件专利的限制旨在提供高质量的数字多媒体的高效流式处理和操作。它用途广泛且灵活旨在容纳不同类型的媒体数据如音频、视频、文本和元数据。OGG 用于流式传输和本地播放并以其开源性质而闻名。对于音频而言OGG支持的音频格式有
有损
Speex以低比特率 ~2.1–32 kbit/s/通道 处理语音数据Vorbis以中高级可变比特率每通道 ≈16–500 kbit/s处理一般音频数据Opus以低和高可变比特率每通道 ≈6–510 kbit/s处理语音、音乐和通用音频
无损
FLAC 处理存档和高保真音频数据。OggPCM 允许在 Ogg 容器中存储标准未压缩的 PCM 音频。
当然OGG是支持视频格式的封装这里暂时不探讨。
4.1 文件格式
OGG文件是由一个个大小可变的页Page组成页的大小通常为4-8KB,最大为65307字节。每个页中包含被拆分的数据包由于数据包可能会很大所以可能一个数据包被拆分到不同的页中存储。所以每个页是由页的头部page header和被拆分的包数据组成。 下面我们参考官方文档了解其封装过程 编码后的逻辑码流会分包给OGG具体分包的大小由编码格式而定每个包会被分割为若干段每段通常为255字节最后一段可能小于255字节。将一组连续的段打包成一个页Page。每个页都有一个页头Page Header包含页序号、版本号、标志位等。将多个页按照顺序组合成一个物理比特流。
4.2 页面结构 类型长度bits描述Capture pattern 捕获模式32捕获模式或同步代码表示页面开始用于确保在解析 Ogg 文件时同步。每个页面都以四个 ASCII 字符序列 “OggS” 开头。这有助于在数据丢失或损坏的情况下重新同步解析器并且是在开始解析页面结构之前进行健全性检查。Version版本8此字段表示 Ogg 文件格式的版本以允许将来扩展。目前强制要求为 0。Header Type 头部类型8标志位用于表示页面的类型。 位 值 标志位 页面类型 0 0x0 延续 此页面的第一个packet是前一个packet的延续 1 0x2 BOS 比特流的开始表示此页面位比特流的第一页 2 0x4 EOS 比特流的结束表示此页面位比特流的最后一页Granule position位置信息64位置信息字段对于音频流保存此页面的编码后PCM样本数对于视频流保存此页面的编码后视频帧的总数。Bitstream serial number比特流序列号32比特流序列号包含唯一序列号的4字节字段用于将 page 标识为属于特定逻辑比特流Page sequence number页面序列号32页面序列号包含唯一序列号的4字节字段每个序列号随着逻辑比特流单调递增假设第一页位0第二页为1依次类推。Checksum校验和32校验和此字段提供整个页面包括页眉在校验和字段设置为 0 的情况下计算中数据的 CRC32校验和。这允许验证数据自创作以来是否未损坏。未通过校验和的页面应被丢弃。校验和是使用多项式值 0x04C11DB7 生成的。Page Segments页段8页段表示此页面存在的区段数量。它还指示此字段后面的区段表中有多少字节。任何一个页面中最多可以有 255 个区段。Segment table段表n段表是一个 8 位值的数组每个值指示页面正文中相应段的长度。区段数由 preceding page segments 字段确定。
4.3 解析OGG格式的报头信息
使用ffmpeg将pcm文件进行opus编码并使用ogg文件进行封装
ffmpeg -f s16le -ar 44100 -ac 2 -i input.pcm -c:a libopus output.ogg-f s16le指定输入格式为16位小端PCM。-ar 44100指定采样率为44100Hz。-ac 2指定音频通道数为2立体声。-i input.pcm指定输入文件为input.pcm。-c:a libopus指定音频编解码器为Opus。output.ogg指定输出文件为output.ogg。
下面的程序将会读取OGG文件的前5页并打印前5页的报头信息。
#include stdio.h
#include stdlib.h
#include string.h#define ReadframNum 5// 将8字节数组转换为unsigned long long
unsigned long long convertToULL(unsigned char num[8], int len) {unsigned long long result 0;if (len 8) {for (int i 0; i len; i) {result | ((unsigned long long)num[i] (i * 8));}}return result;
}// 将4字节数组转换为unsigned int
unsigned int convertToUInt(unsigned char num[4], int len) {unsigned int result 0;if (len 4) {for (int i 0; i len; i) {result | ((unsigned int)num[i] (i * 8));}}return result;
}// 读取OGG文件的页面头部信息
int readOggPageHeaders(const char *oggFile) {// 定义页面头部结构typedef struct {char capturePattern[4]; // 捕获模式unsigned char version; // 版本unsigned char headerType; // 头部类型unsigned char granulePosition[8];// 粒度位置unsigned char serialNumber[4]; // 比特流序列号unsigned char pageSequence[4]; // 页面序列号unsigned char checksum[4]; // 校验和unsigned char segmentCount; // 页面段数unsigned char segmentTable[]; // 段表} OggPageHeader;// 打开OGG文件FILE *file fopen(oggFile, rb);if (!file) {perror(Failed to open file);return 1;}int frameCount 0;// 循环读取前5帧的页面头部信息while (!feof(file) frameCount ReadframNum) {// 读取页面头部OggPageHeader pageHeader;if (1 ! fread(pageHeader, sizeof(pageHeader), 1, file))break;// 打印页面头部信息printf(Capture pattern: %c%c%c%c\n, pageHeader.capturePattern[0], pageHeader.capturePattern[1], pageHeader.capturePattern[2], pageHeader.capturePattern[3]);printf(Version: %d\n, pageHeader.version);printf(Header Type: %d\n, pageHeader.headerType);printf(Granule position: %llu\n, convertToULL(pageHeader.granulePosition, 8));printf(Bitstream serial number: %u\n, convertToUInt(pageHeader.serialNumber, 4));printf(Page sequence number: %u\n, convertToUInt(pageHeader.pageSequence, 4));printf(Checksum: %u\n, convertToUInt(pageHeader.checksum, 4));printf(Page Segments: %d\n, pageHeader.segmentCount);// 读取段表unsigned char *segmentTable (unsigned char *)malloc(pageHeader.segmentCount);fread(segmentTable, sizeof(unsigned char), pageHeader.segmentCount, file);// 打印段表printf(Segment table: );for (int i 0; i pageHeader.segmentCount; i) {printf(%d , segmentTable[i]);}printf(\n);// 计算段数据总大小unsigned int totalSegmentSize 0;for (int i 0; i pageHeader.segmentCount; i) {totalSegmentSize segmentTable[i];}printf(Total Segment Size: %d\n, totalSegmentSize);// 读取段数据unsigned char *segmentData (unsigned char *)malloc(totalSegmentSize);fread(segmentData, sizeof(unsigned char), totalSegmentSize, file);// 如果头部类型标志为4打印最后4个字节if (pageHeader.headerType 4)printf(Last 4 Bytes: %x %x %x %x\n, segmentData[totalSegmentSize - 4], segmentData[totalSegmentSize - 3], segmentData[totalSegmentSize - 2], segmentData[totalSegmentSize - 1]);// 释放内存free(segmentData);free(segmentTable);frameCount;}// 关闭文件fclose(file);return 0;
}int main(int argc, char *argv[]) {// 检查命令行参数if (argc 2) {fprintf(stderr, Usage: %s input.ogg\n, argv[0]);return 1;}// 读取OGG文件的页面头部信息return readOggPageHeaders(argv[1]);
}5.FLAC文件格式
参考资料
FLAC 格式:https://xiph.org/flac/format.htmlFLAC音频编码规范https://datatracker.ietf.org/doc/draft-ietf-cellar-flac/
FLAC全称为 Free Lossless Audio Codec是一种无损音频压缩格式。它的主要特点是能够在保持原始音频质量的同时大幅减少文件大小通常可以达到原始文件大小的 50% 至 70% 左右。
其编码算法流程
输入音频被分割成块。如果音频包含多个声道则每个声道将单独编码为一个子块。编码器尝试通过拟合简单的多项式或通过一般线性预测编码来找到块的良好数学近似值。然后编写近似值的描述其长度仅为几个字节。近似值和输入值之间的差异称为残差使用 Rice 编码进行编码。在许多情况下与使用脉冲编码调制相比近似值和编码残差的描述占用的空间更少。
编码后的音频被划分为多个帧每个帧由一个标头、一个元数据块和一个音频编码数据和组成。每个帧都是彼此独立的编码。帧标头以同步字开头用于标识有效帧的开头。标头的其余部分包含样本数、帧位置、通道分配以及可选的采样率和位深度。数据块包含音频信息。 文件头File Header 标志Magic NumberFLAC文件的开头是一个4字节的标志“fLaC”用于标识文件类型。
元数据块区域Metadata Block Area 元数据块区域包含描述FLAC音频流的信息以及一些附加信息。每个元数据块都有一个类型标识符和长度字段以下是常见的元数据块类型
流信息块STREAMINFO包含整个音频流的基本信息如采样率、声道数、总采样数等。这是FLAC文件中必须存在的第一个元数据块。填充块PADDING用于在文件中预留空间以便以后添加元数据。应用程序数据块APPLICATION包含特定应用程序的信息。定位表块SEEKTABLE保存快速定位点用于快速跳转到文件中的特定位置。标签信息块VORBIS_COMMENT存储一系列可读的“名/值”键值对通常用于存储标签信息。索引表块CUESHEET存储用于CD刻录的索引信息。图片块PICTURE保存相关图片信息如专辑封面。
音频帧区域Audio Frame Area 音频帧区域包含实际的音频数据每个音频帧由帧头、子帧和帧尾组成
帧头Frame Header记录帧的相关信息如同步码、采样率、声道数、采样深度等。子帧Subframe每个子帧对应一个声道的数据包含子帧头和编码后的音频数据。帧尾Frame Footer包含CRC-16校验码用于校验帧数据的完整性。
参考链接FLAC - Format
