使用 ffmpeg 创建一个 44 字节的标头

Posted 2023-02-25

【中文标题】使用 ffmpeg 创建一个 44 字节的标头

【英文标题】：Create a 44-byte header with ffmpeg

【发布时间】：2015-07-12 18:34:47

【问题描述】：

我使用 ffmpeg 库制作了一个程序，将音频文件转换为 wav 文件。除了唯一的问题是它没有创建一个 44 字节的标头。将文件输入到 Kaldi 语音识别中时，会产生错误：

ERROR (online2-wav-nnet2-latgen-faster:Read4ByteTag():wave-reader.cc:74) WaveData: expected 4-byte chunk-name, got read errror

我通过 shntool 运行了该文件，它报告了一个 78 字节的标头。无论如何我可以使用 ffmpeg 库获得标准的 44 字节标头吗？

【问题讨论】：

能否使用 hexdup 或相关工具显示当前标题内容？我猜它有元数据或扩展波形描述（使用十六进制而不是 2 字节音频标识符），但很难确定（ext hex 默认情况下应该关闭，元数据非常典型，所以我不知道为什么你的软件会抱怨）。

我知道我会看看。我在想我只是制作自己的标题，让 ffmpeg 仍然进行转码。我应该使用 fwrite 还是其他函数来创建标题？

是的，看起来 ffmpeg 插入了一些元数据，导致标头大于 44 字节。如果只有一种方法可以防止这种情况发生。

你能用 hexdump 把标题放到你的帖子里吗？如果我能看到它插入了什么类型的元数据，就更容易就如何摆脱它提出建议（有不止一种可能性......）。

其实我刚刚摆脱了它。 FFmpeg 插入了一些关于编码器的元数据，所以我使用 av_dict_set 然后将其传递到 avformat_write_header，现在它是 44 字节。但这是之前的十六进制转储：52 49 46 46 06 90 00 00 57 41 56 45 66 6d 74 20 |RIFF....WAVEfmt | 10 00 00 00 01 00 01 00 40 1f 00 00 80 3e 00 00 |........@....>..| 02 00 10 00 4c 49 53 54 1a 00 00 00 49 4e 46 4f |....列表....信息| 49 53 46 54 0e 00 00 00 4c 61 76 66 35 36 2e 33 |ISFT....Lavf56.3| 36 2e 31 30 30 00 64 61 74 61 c0 8f 00 00 00 00 |6.100.data......|

【参考方案1】：

FFmpeg 将一些关于编码器的元数据插入到头文件中。这是修复前标头的 hexdump：

00000000 52 49 46 46 06 90 00 00 57 41 56 45 66 6d 74 20 |RIFF....WAVEfmt | 00000010 10 00 00 00 01 00 01 00 40 1f 00 00 80 3e 00 00 |........@....>..| 00000020 02 00 10 00 4c 49 53 54 1a 00 00 00 49 4e 46 4f |....LIST....INFO| 00000030 49 53 46 54 0e 00 00 00 4c 61 76 66 35 36 2e 33 |ISFT....Lavf56.3| 00000040 36 2e 31 30 30 00 64 61 74 61 c0 8f 00 00 00 00 |6.100.data......|

如您所见，Lavf56.36.100 是标头中的编码器。这是我用来摆脱它的代码部分。

std::cout<<"------------------BEFORE-----------------------"<<std::endl;
std::cout<< av_dict_count ( (*ofmt_ctx)->metadata) <<std::endl;
std::cout<<"-------------------------------------------"<<std::endl; 
if(av_dict_set(&(*ofmt_ctx)->metadata,"ISFT",NULL, AV_DICT_IGNORE_SUFFIX))
 std::cerr<<"Nope it, didn't work :("<<std::endl;


ret = avformat_write_header(*ofmt_ctx,&(*ofmt_ctx)->metadata );
if (ret < 0) 
  std::cout<<"-------------------------------------------"<<std::endl;
  av_log(NULL, AV_LOG_ERROR, "Error occurred when writing header to file\n");
  return ret;

std::cout<<"------------------AFTER-----------------------"<<std::endl;
std::cout<< av_dict_count ( (*ofmt_ctx)->metadata) <<std::endl;
std::cout<<"-------------------------------------------"<<std::endl;

这是之后的十六进制转储： 00000000 52 49 46 46 e4 8f 00 00 57 41 56 45 66 6d 74 20 |RIFF....WAVEfmt | 00000010 10 00 00 00 01 00 01 00 40 1f 00 00 80 3e 00 00 |........@....>..| 00000020 02 00 10 00 64 61 74 61 c0 8f 00 00 00 00 00 00 |....data........| 00000030 00 00 00 00 00 00 00 00 ff ff 00 00 00 00 00 00 |................|

shntool 现在报告 44 字节

（注意：ofmt_ctx 在我制作的这个函数中是一个**，因此为什么将元数据字典引用为&(*ofmt_ctx)->metadata）