音视频基础知识

Posted 2021-08-02 顾文繁

常见的音频编码器

常见的音频编码器包括OPUS(速度快，压缩率大)，AAC（最为广泛的），Ogg，Speex，iLBC，AMR，G.711其中，ACC在直播系统中应用的比较广泛，OPUS是较新的音频编解码，WebRTC模式使用OPUS，固话一般使用G.711（损耗很大）系列。评测结果：OPUS>AAC>Ogg。

音频编码质量比较

音频编码率比较

 ACC

AAC（Advanced Audio Coding）由许多知名公司开发，其目的是取代MP3格式，其最开始是基于MPEG-2的音频编码技术，MPEG-4标准出现以后，AAC重新集成了其特性，加入了SBR和PS技术。常见的规格有AAC LC、AAC HE V1和AAC HE V2。

• AAC LC : (Low Complexity)低复杂度规格,码流是128k ,音质好。
• AACHE :等于AAC LC + SBR (Spectral Band Replication)。其核心思相是按频谱分保存。低频编码保存主要成分,高频单独放大编码保存音质。码流在64k左右。
• AAC HE V2 :等于AACLC + SBR + PS(Parametric Stereo)。其核心思相是双声道中的声音存在某种相似性,只需存储一个声道的全部信息，然后,花很少的字节用参数描述另一个声道和它不同的地方。

AAC格式

• ADIF ( Audio Data Interchange Format )，这种格式的特征是可以确定的找到这个音频数据的开始,只能从头开始解码,不能在音频数据流中间开始。这种格式常用在磁盘文件中。
• ADTS ( Audio Data Transport Stream )，这种格式的特征是每一帧都有一个同步字,所以可以在音频流的任何位置开始解码。它类似于数据流格式。

ADTS的结构

ADTS由7/9个字节组成

12	syncword OxFFF, all bits must be 1
1	MPEG Version; 0 for MPEG- -4, 1 for MPEG -2
2	Layer: always 0
1	protection absent, Warning, set to 1 if there is no CRC and 0 if there is CRC
2	profle, the MPEG- -4 Audio Object Type minus 1
4	MPEG-4 Sampling Frequency Index (15 is forbidden)
1	private bit, guaranteed never to be used by MPEG, set to 0 when encoding, ignore when decoding
3	MPEG- .4 Channel Configuration (in the case of 0, the channel configuration is sent via an inband PCE)
1	originality, set to O when encoding, ignore when decoding
1	home, set to 0 when encoding, ignore when decoding
1	copyrighted id bit, the next bit of a centrally registered copyright identifier, set to 0 when encoding, ignore when decoding
1	copyright id start, signals that this frame's copyright id bit is the first bit of the copyright id, set to 0 when encoding, ignore when decoding
13	frame length, this value must include 7 or 9 bytes of header length: FrameLength = (ProtectionAbsent == 1? 7: 9) + size(AACFrame)
11	Buffer fullness
2	Number of AAC frames (RDBs) in ADTS frame minus 1, for maximum compatibility always use 1 AAC frame per ADTS frame
16	CRC if protection absent is 0

Audio Object Types

• 1: AAC Main
• 2:AACLC
• 5: SBR
• 29: PS

Sampling Frequency Index

• 0: 96000 Hz
• 1: 88200 Hz .
• 2: 64000 Hz
• 3: 48000 Hz
• 4: 44100 Hz
• 5: 32000 Hz
• 6: 24000 Hz
• 7: 22050 Hz
• 8: 16000 Hz
• 9: 12000Hz
• 10: 11025 Hz
• 11: 8000 Hz
• 12: 7350 Hz
• 13: Reserved
• 14: Reserved
• 15: frequency is written explictly

使用在线网站查看AAC Header

FF F1 51 80 2E 7F FC 21

Bits	1111111111110001010111001000000000101110011111111111110000100001
ID	MPEG-4
MPEG Layer	0
CRC checksum absent	1
Profile	Low Complexity profile (AAC LC)
Sampling frequency	22050
Private bit	0
Channel configuration	2
Original/copy	0
Home	0
Copyright identification bit	0
Copyright identification start	0
AAC frame length	371
ADTS buffer fullness	VBR
No raw data blocks in frame	0

FFmpeg生成AAC文件

ffmpeg -i input.mp4 -vn -c:a libdfk_aac -ar 44100 -channels 2 -profile:a aac_he_v2 target.aac

• -i 代表输入的文件
• -vn代编 video not，不生成视频
• -c:a代表codec:a，音频解码器为libdfk_aac
• -ar 代表audio rate为44100
• -channels为通道数
• -profile:a 配置audio为aac_he_v2，

音频重采样

将音频三元组（采样率、采样大小和通道数）的值转换成另外一组值。其中任何一个值发生了变换都称为重采样，例如将44100/16/2  ---> 48000/16/2。

为什么需要重采样

• 从设备采集的音频数据与编码器要求的数据不一致
• 扬声器要求的音频数据与要播放的音频数据不一致
• 更方便运算（在回音消除时，将多声道转化为单声道）

ffmpeg重采样的步骤

• 创建重采样上下文
• 设置参数
• 初始化重采样
• 进行重采样 

    api：

• swr_ alloc_ set_ opts
• swr_init
• swr_convert
• swr_free