如何将字节数组转换为音频文件？

Posted 2023-04-19

技术标签:

【中文标题】如何将字节数组转换为音频文件？【英文标题】：How to convert byte array to audio file? 【发布时间】：2019-12-27 00:33:48 【问题描述】：

我编写了一个从网络实时获取 SIP 数据包的程序，我想使用数据包中嵌入的 SDP 信息来捕获来自两个 VOIP 软电话的音频对话。

一旦我从 RTP 协议中检索到二进制数据，我应该如何将其转换为声音文件？

首选c++。

【问题讨论】：

您好，新的贡献者！很高兴认识你！ SDP 是 Session Description ，这意味着它描述了您正在查看的数据类型，对于音频数据，最好查看 RTP 或 SRTP（实时传输协议/安全实时传输协议）。所以从 SDP 你可以得到如何从 RTP 读取数据，比如网络加密。为了帮助你更多，我需要一个***.com/help/minimal-reproducible-example 没错，举个例子会有很大帮助。关于您的问题，这取决于您接收的音频数据的类型，SDP 应描述类型和其他信息，如采样率、样本大小等。确定音频类型后，您需要遵循 RTP 规范来形成帧出 RTP 数据包。您好，感谢您的友好回复。我会尽快提供一些实际代码作为示例。解析来自网络的 sip 数据包的类非常大，所以我将尝试总结一下：它使用正则表达式从数据包中提取所有信息，因此获取所需的 rtp 信息将没有问题。我计划将 rtp 端口输入嗅探器（我正在使用 libtins 库）。然后，这个嗅探器将为我提供一个应该包含音频交换的字节缓冲区，至少我是这么认为的，所以我需要把它变成一个音频文件。如果我已经可以解析 sdp 数据包中的信息并获得采样率、大小和其他参数（不确定是哪个，我的信号处理技能有点笨），我该怎么做将该信息与字节缓冲区一起转换为我可以收听的内容。 【参考方案1】：

嗨，阿德里安，欢迎，

你是对的，我们不能直接将 RTP 载荷放在一个接一个的文件中，然后将该文件作为音频文件读取，比如".wav"。

您正在寻找的缺失部分是一段代码，它可以将数据包的 rtp 流重新组装、解码和播放为语音样本；为简单起见，请考虑众所周知的G.711 或PCM 编解码器，因为所有 SIP 电话都支持此编解码器。你需要实现一个Playout buffer（逻辑上是一个无限缓冲区，但是一个带环绕的环形缓冲区是可以的）。

数据包本身包含持续时间为 20 毫秒的小负载中的音频数据。每个音频数据块前面都有一个 RTP 头，表示编码的类型（这与 SDP 信息有关，您对那部分有很好的理解）。

对于每个数据包：

以正确的速率将 8 位值解码为 16 位样本，对于G.711，通常每秒 8,000 次；

从 RTP 标头计算播放点，它是播放缓冲区数组中的索引。 考虑抖动和基于 RTP 时间戳的重新排序

将样本写入.wav 或将其播放到音频设备。

从实用的角度来看，您可以通过以下几种方式做到这一点：

您将所有 UDP/RTP 数据包收集到一个捕获文件中，并使用wireshark 来完成这项艰巨的工作；使用现有工具，例如playSIP A command-line SIP session recorder；为此目的获取一个库或编写现有代码，但这不是一件容易的事。例如，您可以考虑处理丢包。

【讨论】：

感谢您为我指明了正确的方向。先生，祝你好日子不客气，请不要忘记接受答案。【参考方案2】：

如果您的要求只是从录音的角度来看

(.wav 文件 - 通话中使用的音频编解码器是 a-law /u-law)

您无需编码即可采用这种方法。