音频转码

Posted 2023-05-13

参考技术A 音频这块涉及面广，细节也挺多，以下为针对音频转码部分

一、介绍几种压缩编码格式

01、WAV编码

WAV编码的一种实现就是在PCM数据格式的前面加上44字节，分别用来描述PCM的采样率、声道率、数据格式等信息。

特点：音质非常好，大量软件都支持。

使用场合：多媒体开发的中间文件、保存音乐和音效素材。

02、MP3编码

MP3具有不错的压缩比，使用LAME编码（MP3编码格式的一种实现）的中高码率的MP3文件，听感非常接近WAV，当然在不同的应用场景下，应该调整合适的参数以达到最好的效果。特点：音质在128Kbit/s已上表现不错，压缩比比较高，大量软件和硬件都支持，兼容性好。

03、AAC编码

是一种专为声音数据设计的文件压缩格式。与 MP3 不同，它采用了全新的算法进行编码，更加高效，具有更高的“性价比”。利用AAC格式，可使人感觉声音质量没有明显降低的前提下，更加小巧。 苹果ipod 、 诺基亚 手机支持AAC格式的音频文件。

特点：在小于128kBIT/s一下的音频编码，多用于视频中音轨的编码。

04、OGG编码

Ogg是一种非常有潜力的编码，在各种码率下都有比较优秀的表现，尤其在中低码率场景下。Ogg除了音质很好，还是完全免费的。ogg有着出色的算法，可以用更小的码率达到更好的音质。Ogg目前支持的情况还不够好，无论软件还是硬件，都无法和MP3相提并论。

特点：可以用比MP3更小的码率实现比MP3更好的音质，高中低码率下均有良好的表现，兼容性不够好，流媒体特性不支持。

使用场合：语音聊天的音频消息场景

二、ios音频处理各个框架

AVAudioPlayer

基本操作：播放、暂停、停止、循环等等一些基本的音频播放功能。

控制：可对音频进行任意时间位置播放；进度控制。

其它：*从文件或缓冲区播放声音；获取音视频关键参数，如音频标题、作者、功率等等。

三、录音设置

//录音设置

    NSMutableDictionary *recordSetting = [[NSMutableDictionary alloc]init];

    //设置录音格式  AVFormatIDKey==kAudioFormatLinearPCM

    [recordSetting setValue:[NSNumber numberWithInt:kAudioFormatLinearPCM] forKey:AVFormatIDKey];

    //设置录音采样率(Hz) 如：AVSampleRateKey==8000/44100/96000（影响音频的质量）

    [recordSetting setValue:[NSNumber numberWithFloat:44100] forKey:AVSampleRateKey];

    //录音通道数  1 或 2

    [recordSetting setValue:[NSNumber numberWithInt:2] forKey:AVNumberOfChannelsKey];

    //线性采样位数  8、16、24、32

    [recordSetting setValue:[NSNumber numberWithInt:16] forKey:AVLinearPCMBitDepthKey];

    //录音的质量

    [recordSetting setValue:[NSNumber numberWithInt:AVAudioQualityHigh] forKey:AVEncoderAudioQualityKey];

注意：如果WAV转MP3通道数目需设置为2，否则转码后声音不对（音色、音质都会变质），录音的采样率和转码的采样率需保持一致，AVNumberOfChannelsKey设置为2时，文件同时会增加一倍；如果设置默认为MP3则会失败。

  

使用带有 C# 的 MediaTranscoder 将 PCM 音频转码为 MP3

【中文标题】使用带有 C# 的 MediaTranscoder 将 PCM 音频转码为 MP3

【英文标题】：Transcode PCM Audio to MP3 using MediaTranscoder with C#

【发布时间】：2019-11-04 20:32:15

【问题描述】：

我正在尝试对从 WebRTC 调用中保存的 PCM 格式的音频文件进行转码。 WebRTC 报告的音频流格式为 16 位深度、1 通道和 48000 Hz 采样率。我想将音频转换为 MP3，以便之后可以将音频作为背景音轨添加到我的 Unity UWP 应用程序的屏幕录制中（使用 MediaComposition）。我在第一部分遇到问题：尝试将我的 PCM 音频文件转码为 MP3 文件。当我尝试准备转码时，preparedTranscodeResult.CanTranscode 正在返回 false。以下是我的代码。

StorageFile remoteAudioPCMFile = await StorageFile.GetFileFromPathAsync(Path.Combine(Application.temporaryCachePath, "remote.pcm").Replace("/", "\\"));
StorageFolder tempFolder = await StorageFolder.GetFolderFromPathAsync(Application.temporaryCachePath.Replace("/", "\\"));
StorageFile remoteAudioMP3File = await tempFolder.CreateFileAsync("remote.mp3", CreationCollisionOption.ReplaceExisting);

MediaEncodingProfile profile = MediaEncodingProfile.CreateMp3(AudioEncodingQuality.Auto);
profile.Audio.BitsPerSample = 16;
profile.Audio.ChannelCount = 1;
profile.Audio.SampleRate = 48000;

MediaTranscoder transcoder = new MediaTranscoder();
var preparedTranscodeResult = await transcoder.PrepareFileTranscodeAsync(remoteAudioPCMFile, remoteAudioMP3File, profile);

if (preparedTranscodeResult.CanTranscode)

    await preparedTranscodeResult.TranscodeAsync();

else

    if (remoteAudioPCMFile != null)
    
        await remoteAudioPCMFile.DeleteAsync();
    

    if (remoteAudioMP3File != null)
    
        await remoteAudioMP3File.DeleteAsync();
    

    switch (preparedTranscodeResult.FailureReason)
    
        case TranscodeFailureReason.CodecNotFound:
            Debug.LogError("Codec not found.");
            break;
        case TranscodeFailureReason.InvalidProfile:
            Debug.LogError("Invalid profile.");
            break;
        default:
            Debug.LogError("Unknown failure.");
            break;
    

【问题讨论】：

您的开关盒中是否有任何日志？您是否尝试过转码？

您好，我测试了一些不同类型的音频文件，只有 pcm 无法正确转码，并且无法提供有效的错误信息。 MediaTranscode现在可能无法直接转码 pcm 音频文件。我正在寻求工程师的帮助，看看是否有其他解决方案。

@LouisGarczynski 是的，它转到默认情况并打印“未知故障”。

@RichardZhang-MSFT 好的，谢谢！对此，我真的非常感激！我希望先使用 ffmpeg，但您无法在 UWP 中启动外部进程。

如果您可以访问该文件，为什么不使用任何类型的在线转换器来获取 mp3？

【参考方案1】：

所以我必须在开始将数据写入流之前将标头写入我的FileStream。我是从this post 那里得到的。

private void WriteWavHeader(FileStream stream, bool isFloatingPoint, ushort channelCount, ushort bitDepth, int sampleRate, int totalSampleCount)

    stream.Position = 0;

    // RIFF header.
    // Chunk ID.
    stream.Write(Encoding.ASCII.GetBytes("RIFF"), 0, 4);

    // Chunk size.
    stream.Write(BitConverter.GetBytes((bitDepth / 8 * totalSampleCount) + 36), 0, 4);

    // Format.
    stream.Write(Encoding.ASCII.GetBytes("WAVE"), 0, 4);



    // Sub-chunk 1.
    // Sub-chunk 1 ID.
    stream.Write(Encoding.ASCII.GetBytes("fmt "), 0, 4);

    // Sub-chunk 1 size.
    stream.Write(BitConverter.GetBytes(16), 0, 4);

    // Audio format (floating point (3) or PCM (1)). Any other format indicates compression.
    stream.Write(BitConverter.GetBytes((ushort)(isFloatingPoint ? 3 : 1)), 0, 2);

    // Channels.
    stream.Write(BitConverter.GetBytes(channelCount), 0, 2);

    // Sample rate.
    stream.Write(BitConverter.GetBytes(sampleRate), 0, 4);

    // Bytes rate.
    stream.Write(BitConverter.GetBytes(sampleRate * channelCount * (bitDepth / 8)), 0, 4);

    // Block align.
    stream.Write(BitConverter.GetBytes(channelCount * (bitDepth / 8)), 0, 2);

    // Bits per sample.
    stream.Write(BitConverter.GetBytes(bitDepth), 0, 2);



    // Sub-chunk 2.
    // Sub-chunk 2 ID.
    stream.Write(Encoding.ASCII.GetBytes("data"), 0, 4);

    // Sub-chunk 2 size.
    stream.Write(BitConverter.GetBytes(bitDepth / 8 * totalSampleCount), 0, 4);