在 Media Foundation 中检测音量或静音

Posted 2023-02-25

【中文标题】在 Media Foundation 中检测音量或静音

【英文标题】：Detecting Volume or Silence in Media Foundation

【发布时间】：2014-08-12 18:34:44

【问题描述】：

我正在开发基于 Microsoft 媒体基础平台的媒体播放器。它能够做两件事对于程序的顺利运行至关重要：检测文件开头或结尾处的任何静音，并执行音频文件的规范化。这两件事都涉及检测“音量”或“响度”。

根据我迄今为止所做的研究，这将涉及使用 IMFSourceReader 提取所有 IMFMediaSample 对象，然后为每个样本提取任何和所有 IMFMediaBuffer 对象。

锁定缓冲区后，我将获得其中包含的数据字节。我如何解释这些数据以确定“响度”，然后操纵数据来调整响度？

【参考方案1】：

要分析文件，您只需为文件创建source reader，然后读取每个音频样本。

要更改文件中的值，有两个选项，具体取决于您要执行的操作。

您可以创建一个MFT 并在 MediaSession 中使用它来在播放或转码期间更改值。

或者您可以在您的程序中实现代码并更改您从源阅读器获得的值（如在分析模式下）并将这些值写入sink writer。在这两个选项中，您都在使用 IMFSample 的缓冲区。

【讨论】：

锁定 IMFMediaBuffer 后，我将获得其中包含的数据字节。我如何在音量或响度方面解释这些数据？我可以通过什么方式根据数据计算新的响度值？

样本中字节的格式取决于 Mediatype。 PCM 的描述可以在MSDN 上找到。

所以，举个例子来看看我的理解，让我们以 MP3 文件格式为例。每个 MP3 样本或帧都有一个 32 位（或四个字节）的标头。如果我忽略 IMFMediaSample 及其缓冲区的前四个字节，而样本中的剩余字节将是我的音频数据，对吗？

我会使用原始 PCM 数据。如果您有 MP3 音频，则需要先对其进行解码。如果您使用 Source Reader 或 MFT，您可以对其进行配置，以便获得解码的数据。然后在 PCM 流中，你有我上一条评论中 MSDN 链接中描述的字节数据。

因此，通过使用原始 PCM 数据作为基础，从本质上讲，您可以创建一个公分母并消除对不同格式知识的需求，对吗？