Fork me on GitHub
0%

Audio-再遇

本篇内容对一节提到的编码进行扩展,将重点对PCM格式、WAVE格式、MP3格式进行详细解析。

PCM

PCM : Pulse-Code Modulation 脉冲调制编码

PCM 本是一种调制方法的名称,进而通过该方法得到的音频数据也称作PCM数据,即裸数据。该数据是我们通过codec得到的最原始的数据!

pic

WAVE

WAVE : Waveform Audio File Format 波形音频文件格式, 即我们平时所说的wave文件

很简单,WAV文件格式结构体通常是用来保存PCM格式的原始数据,基于此添加一个文件头构成了WAV文件,即wave = wave头 + PCM数据。因此它通常也被称为无损音频,但是严格意义上来讲,WAV也可以存储其它压缩格式的音频数据。

wav头

偏移地址 数据类型 大小 名称 内容
00H~03H char 4 资源交换文件标志 ( RIFF ) 52 49 46 46 固定写法
04H~07H long int (4) 1 文件大小size 从下个地址 (08) 开始到 WAV 文件结尾的总字节数整个 WAV 文件的大小就是该数值 + 8
08H~0BH char 4 WAV文件标志 WAVE 57 41 56 45 , 是 WAVE 四个字母的 ASCII 码,固定写法
0CH~0FH char 4 波形格式标志(fmt ) 最后一位0x20 对应的字符是空格
10H~13H int 1 过滤字节 一般为00000010H
14H~15H short int (2) 1 格式种类audioformat 值为1时,表示数据为线性PCM编码
16H~17H short int 1 通道数 channnels 1 表示单声道 , 2 表示立体声
18H~1BH long int 1 采样频率 sampleRate 80 BB 00 00 – > 48000 Hz ;
1CH~1FH long int 1 波形数据传输速率(每秒平均字节数) 采样率×通道数×采样位数 / 8
20H~21H short int 1 DATA数据块调整长度,字节。 通道数×样本数据位数 / 8
22H~23H short int 1 PCM位宽 10 00 —-> 16 位, 2 字节
24H~27H char 4 数据标记 64 61 74 61 data的ASCII的值
28H~2BH long int 1 PCM 数据总长度

注意事项

Q:wave文件的文件头一定是44Bytes吗?

A:不一定!以上格式只是wave文件的标准,属于通用标准。但是将其他格式文件通过ffmpeg转码之后的wav文件头会大于44个字节(115Bytes),在文件头和数据块之间添加了一些ffmpeg的信息,部分表征的意义不同!网上很多格式转换工具都是调用的ffmpeg转码的,导致文件头大小不完全相同。

​ -map_metadata -1 -fflags +bitexact 可以去除标注信息,使文件头符合标准

​ ffmpeg -y -i music.mp3 -map_metadata -1 -fflags +bitexact -f wav -ac 1 -ar 16000 -ab 16k music.wav

补充

Ffmpeg不去标准信息转码wave之后的文件格式:

偏移地址 字节数 数据类型 内容
00H ~ 23H 36 同上表的00H~23H一致
24H ~ 27H 4 char “LIST”, LIST块标志,固定不变
28H ~ 2BH 4 long LIST块占用的字节数,在这里为26字节
2CH ~ 45H 26 char LIST块内容
46H ~ 49H 4 char “data”, data数据块标志,固定不变
4AH ~ 4DH 4 long wav文件音频数据所占大小

MP3

简介

MP3:Moving Picture Experts Group Audio Layer III, 动态影像专家压缩标准音频层面3

首先科普下部分概念:MPEG(Moving Pictures Experts Group ,动态图像专家组),简单理解就是一些研究音视频的专家发布的相关标准,其命名为MPEG-*(其中*代表数字或字母),例如MPEG-1、MPEG-2.5、MPEG-E等等。

可能有人会想MPEG-3是不是就是MP3呢?MPEG是针对音视频及系统测试的一整套的标准规范,其中对于MPEG1来讲,其part3音频部分规定了3个独立分层的音频编码格式,分别为layer Ⅰ、layer Ⅱ、layer Ⅲ,而layer Ⅲ也就是我们所说的MP3(MEPEG1 Layer Ⅲ),这三层的区别主要在于编码的算法及输出速率的区别。同样纵向来看,MPEG2、MPEG2.5同样有三个独立的layer,区别在于它们所使用的采样率更低了。

文件结构

目前大多数标准MP3文件都支持ID3V2标准。具体组成格式为:ID3V2.3标签帧(1个)+ 数据帧(若干)+ ID3V1帧(1个),其中ID3V2.3 = 标签头(1个,必须) + 标签帧(若干,不必须) + 扩展标签头(不必须)

组成部分我画了一张示意图可以参考,每一部分下面将做详细解析

pic

ID3标准

MP3帧头中除了存储一些象private、copyright、original的简单音乐说明信息以外,没有考虑存放歌名、作者、专辑名、年份 等复杂信息,而这些信息在MP3应用中非常必要。1996年,FricKemp在“Studio 3”项目中提出了在MP3文件尾增加一块用于存放歌曲的说明信息,形成了ID3标准

标签头

标签头是由10Byte组成的,具体含义如下

定义 作用
char Header[3]; 必须为”ID3”否则认为标签不存在,如上图地址00—02部分为”49 44 33”,文本为“ID3”
char Ver; 版本号 ID3V2.3 就记录 3,如上图地址03处记录为”03”
char Revision; 副版本号此版本记录为 0
char Flag; 放标志的字节,一般为00abc00000a – 表示是否使用 Unsynchronisationb – 表示是否有扩展头部,一般没有(至少 Winamp 没有记录),所以一般也不设置c – 表示是否为测试标签(99.99%的标签都不是测试用的,所以一般也不设置)
char Size[4]; 标签大小,包括标签头的 10 个字节和所有的标签帧的大小

整个标签大小 :

ID3V2_frame_size = (int)(Size[0] & 0x7F) << 21 | (int)(Size[1] & 0x7F) << 14 | (int)(Size[2] & 0x7F) << 7 | (int)(Size[3] & 0x7F) + 10;

标签帧

每个标签帧都有一个 10 个字节的帧头(虽然都是10字节,但是与标签头不是一个东西。标签头有且只有一个,而标签头每一个标签帧都有一个帧头)和至少一个字节的不固定长度的内容组成。

定义 作用
char FrameID[4] 用四个字符标识一个帧,说明其内容
char Size[4] 帧内容的大小,不包括帧头,不得小于1
char Flags[2] 存放标志,只定义了6 位,此处不再说明

常用帧标识:

TIT2:标题
TPE1:作者
TALB:专辑
TRCK: 音轨,格式:N/M,N表示专辑中第几首,M为专辑中歌曲总数
TYER:年份
TCON:类型
COMM:备注,格式:“eng\0备注内容”,其中eng表示所使用的语言
帧大小为四个字节所表示的整数大小。

数据帧

数据帧由帧头和数据帧组成,对于每一帧数据都有一个帧头。

帧头长4字节,对于固定位率的MP3文件,所有帧的帧头格式一样其数据结构如下

typedef struct frameHeader
{
unsigned int sync1:8; //同步信息 1
unsigned int error_protection:1; //CRC 校验
unsigned int layer:2; //层
unsigned int version:2; //版本
unsigned int sync2:3; //同步信息 2
unsigned int extension:1; //版权
unsigned int padding:1; //填充空白字
unsigned int sample_rate_index:2; //采样率索引
unsigned int bit_rate_index:4; //位率索引
unsigned int emphasis:2; //强调方式
unsigned int original:1; //原始媒体
unsigned int copyright:1; //版权标志
unsigned int mode_extension:2; //扩展模式,仅用于联合立体声
unsigned int channel_mode:2; //声道模式
}FHEADER;

比特率为32的整数倍一般就是恒定编码,否则就是可变编码;可变编码帧头一般会有不同

ID3V1标签帧

标签头是由128Byte组成的,具体含义如下

定义 作用
char Header[3] 标签头必须是”TAG”否则认为没有标签
char Title[30] 标题
char Artist[30] 作者
char Album[30] 专集
char Year[4] 出品年代
char Comment[28] 备注
char reserve 保留
char track 音轨
char Genre; 类型