聊聊 WAV

AAC 编解码封装 因项目需要实时编码解AAC数据流,通过在网上查找对比, 决定采用  FAAC + FAAD2 实现.   网上关于这两个库的介绍也比较多,但在项目中调试时遇到一些问题, 经过一翻调试, 终于成功, 并且把编解码做了封装, 这里把实现过程中的一些问题记录下来:   1. FAAD 解码     (1) 打开解码器  NeAACDecOpen()     (2) 修改 阅读详情

如果要解码 WAV 文件, 首先需要了解一下 WAV 音频文件的格式.

今天说的是 线性 PCM 对应的 WAV 数据的格式以及如何在 iOS 上面使用 faad2 进行解码和播放改格式的音频数据。

PCM 的种类

  • 线性化 PCM
  • A 律量化的 PCM
  • U 律量化的 PCM
  • AD PCM
  • GSM

WAV 简介

WAV 只是该音频文件的后缀名,其完整名称缩写是 WAVE.

WAVE(Waveform Audio File Format),采用RIFF(Resource Interchange File Format)文件格式结构。

WAV 格式的音频文件通常用来保存 PCM 格式的原始音频数据,通常被称之为无损音频。

WAV 音频文件,粗略来说是 WAV 数据头 + PCM 数据组成的。裸数据 PCM 外面包了一层文件头,WAV 实质为一个 RIFF 文件。

WAV 数据头

关于 WAV 音频文件的数据头定义如下图所示:
在这里插入图片描述
最前面的4个字节用来标示是 RIFF 字符串.

可以看出, 一般的 WAV 文件的数据头为 44 个字节, 其后面跟的是 PCM 数据。

分析 WAV 数据头

使用 hexdump 来看一下 WAV 文件的数据头。

在当前路径下, 有个 wav 格式的音频文件 m.wav,使用 hexdump 分析一下。

hexdump -n 44 m.wav

在这里插入图片描述
其中,-n 44 表示查看前 44 个字节。

按字节分组的图,如下所示:
在这里插入图片描述

52 49 46 46

分别是 RIFF 的 ASCII 码。

跟在 RIFF 后面的四个字节是文件的大小信息,我们先使用 ls 命令看一下该文件的大小。

ls -al

输出文件大小为(字节数): 1080808

staff  1080808 Jan 25 15:44 m.wav

RIFF 后面的四个字节分别是: e0 7d 10 00,由于该存储使用了小端序(Little-Endian 存储,也就是说对其中的数据,低位字节在前,高位字节在后), 所以16进制表示为: 0x00107de0, 对应的字节大小是 1080808.

上面说到, 线性 PCM 其实在该文件头中,第17到第第22个字节(上图红色的5和6组合)标示了 PCM 的类型,即:

10 00 00 00 01 00 

其他类型的 PCM 类型定义为:

A律量化的PCM: 12 00 00 0006 00
U律量化的PCM: 12 00 00 00 07 00
AD PCM: 32 00 00 00 02 00
GSM: 14 00 00 00 31 00

最后4个字节表示真正 PCM 数据的文件大小,即: 0x00107dbc, 其10进制大小为: 1080764, 用总文件大小减去 1080764,就是文件头的大小, 如下:

1080808 - 1080764 = 44

其他对应的数据, 大家可以对照表自行分析。

定义数据头

数据类型

  • char 占用 1 个字节
  • uint32_t 占用 4 个字节
  • uint16_t 占用 2 个字节

这里使用结构体定义 WAV 文件头,其定义如下:

struct MZWavAudioFileHeader
{
    char       riff[4];       // 字符串 "RIFF"
    uint32_t   totalLength; // 文件总大小, 包括PCM 数据大小和该文件头大小
    char       wave[4];     // 字符串 "WAVE"
    char       fmt[4];      // 字符串 "fmt "
    uint32_t   format;      // WAV 头大小, 固定为值 16
    uint16_t   pcm;         // PCM 编码方式, 固定值为 1
    uint16_t   channels;    // 声道数量, 为 2
    uint32_t   frequency;   // 采样频率
    uint32_t   bytes_per_second; // 每秒字节数(码率), 其值=采样率x通道数x位深度/8
    uint16_t   bytes_by_capture; // 采样块大小
    uint16_t   bits_per_sample; // 采样点大小, 这里是 16 位
    char       data[4];         // 字符串 "data"
    uint32_t   bytes_in_pcmdata;  // pcm 数据长度
};

可以使用下面代码来计算该结构体所占的字节数(结果是44):

int wav_header_size = sizeof(struct MZWavAudioFileHeader);

实例简介

上面简单的分析了一下 WAV 的数据头协议,下面以一个实际的例子,使用 faad2 的各个函数来解码 AAC 数据。

主要有以下几个步骤:

  • 获取输入文件
  • 获取 faad 解码器句柄
  • 初始化 faad 解码器
  • 根据文件解析文件帧, 并写入输出文件中
  • 写入文件头将其封装为 WAV 格式的音频文件
  • 关闭 faad 解码器句柄

工程实战

引入 faad2

将编译好的 faad2 导入工程即可,【阅读原文】可以获取编译 fadd2 的方法。
在这里插入图片描述
其中关键的 API 在 neaacdec.h 中有描述.

工程效果图:
在这里插入图片描述

编码实现

在 音视频编程: 简单分析 WAV 文件 中已经定义了 WAV 的数据头.

struct MZWavAudioFileHeader
{
    char       riff[4];       // 字符串 "RIFF"
    uint32_t   totalLength; // 文件总大小, 包括PCM 数据大小和该文件头大小
    char       wave[4];     // 字符串 "WAVE"
    char       fmt[4];      // 字符串 "fmt "
    uint32_t   format;      // WAV 头大小, 固定为值 16
    uint16_t   pcm;         // PCM 编码方式, 固定值为 1
    uint16_t   channels;    // 声道数量, 为 2
    uint32_t   frequency;   // 采样频率
    uint32_t   bytes_per_second; // 每秒字节数(码率), 其值=采样率x通道数x位深度/8
    uint16_t   bytes_by_capture; // 采样块大小
    uint16_t   bits_per_sample; // 采样点大小, 这里是 16 位
    char       data[4];         // 字符串 "data"
    uint32_t   bytes_in_pcmdata;  // pcm 数据长度
};

现在实现写入数据头的方法 mz_write_wav_header

/**
 * 写入 wav 头数据.
 *
 *  @param file  wav 文件指针.
 *  @param total_samples_per_channel 每个声道的采样数.
 *  @param samplerate 采样率.
 *  @param channels 声道数.
 */
void mz_write_wav_header(FILE *file, int total_samples_per_channel, int samplerate, int channels) {
    
    if (NULL == file) {
        return;
    }
    
    if (total_samples_per_channel <= 0) {
        return;
    }
    
    printf("FAAD. total_samples_per_channel: %i, samplerate: %i, channels: %i\n",
           total_samples_per_channel, samplerate, channels);
    
    struct MZWavAudioFileHeader wavHeader;
    
    // 写入 RIFF
    strcpy(wavHeader.riff, "RIFF");
    
    wavHeader.bits_per_sample = 16;
    
    wavHeader.totalLength = (total_samples_per_channel * channels * wavHeader.bits_per_sample/8) + sizeof(wavHeader) - 8;
    
    // 写入 WAVE 和 fmt
    strcpy(wavHeader.wave, "WAVE");
    strcpy(wavHeader.fmt, "fmt ");
    
    wavHeader.format = 16;
    wavHeader.pcm = 1;
    wavHeader.channels = channels;
    wavHeader.frequency = samplerate;
    
    // 每秒的字节数(码率)=采样率x通道数x位深度/8
    wavHeader.bytes_per_second = wavHeader.channels * wavHeader.frequency * wavHeader.bits_per_sample/8;
    
    wavHeader.bytes_by_capture = wavHeader.channels*wavHeader.bits_per_sample/8;
    
    wavHeader.bytes_in_pcmdata = total_samples_per_channel * wavHeader.channels * wavHeader.bits_per_sample/8;
    
    // 写入 data
    strcpy(wavHeader.data, "data");
    
    fwrite(&wavHeader, 1, sizeof(wavHeader), file);
}

解码主要用到了 FAAD2 中的 NeAACDecDecode 函数. 函数原型如下:

void* NEAACDECAPI NeAACDecDecode(NeAACDecHandle hDecoder,
                                 NeAACDecFrameInfo *hInfo,
                                 unsigned char *buffer,
                                 unsigned long buffer_size);

对应帧定义的结构体: NeAACDecFrameInfo, 定义如下:

typedef struct NeAACDecFrameInfo
{
    unsigned long bytesconsumed;
    unsigned long samples;
    unsigned char channels;
    unsigned char error;
    unsigned long samplerate;

    /* SBR: 0: off, 1: on; upsample, 2: on; downsampled, 3: off; upsampled */
    unsigned char sbr;

    /* MPEG-4 ObjectType */
    unsigned char object_type;

    /* AAC header type; MP4 will be signalled as RAW also */
    unsigned char header_type;

    /* multichannel configuration */
    unsigned char num_front_channels;
    unsigned char num_side_channels;
    unsigned char num_back_channels;
    unsigned char num_lfe_channels;
    unsigned char channel_position[64];

    /* PS: 0: off, 1: on */
    unsigned char ps;
} NeAACDecFrameInfo;

具体的解码实现, 我放到了 Github 上面了, 大家可以去 这里 查看.

可能会遇到的问题

解码 aac, 解决采样频率和通道数不对的问题

//防止采样频率加倍
NeAACDecConfigurationPtr conf = NeAACDecGetCurrentConfiguration(decoder);
conf->dontUpSampleImplicitSBR = 1;
NeAACDecSetConfiguration(decoder, conf);
//从双声道的数据中提取单通道  
for(i=0,j=0; i<4096 && j<2048; i+=4, j+=2) {

	frame_mono[j]=pcm_data[i];
	frame_mono[j+1]=pcm_data[i+1];
}  
faad2 AAC解码库 采样率翻倍 通道数为2 解决方法 网上查了是设置一个 dontUpSampleImplicitSBR 参数,这样可以避免采样率翻倍,但是通道数还是 2,一个解决方案是说进行通道裁剪,但是尝试发现,音频不全了,而且声音变慢速了。将库进行重新编译再次运行可以得到正确的结果,而且不需要修改代码,不需要去设置 dontUpSampleImplicitSBR 参数,毕竟已经禁用了 SBR 的功能。使用 FAAD2 库的时候解码出来的音频采样率翻倍,通道数由 1 变为 2,一度以为是代码出错了,查了以后发现是源码里面写了要翻倍,并让通道数变为 2。 阅读详情

相关推荐

WAV格式编码解析:从RIFF结构到PCM音频的完整指南

数字音频的核心基础是脉冲编码调制(PCM)技术,它将连续的模拟声音信号转换为离散的数字采样点。其原理是通过采样率控制时间精度,位深度决定振幅量化等级,共同构成音频的保真度。在工程实践中,WAV格式作为PCM数据的标准容器,采用RIFF文件结构组织音频信息,广泛应用于音频编辑、母带处理等专业领域。理解WAV的编码规则,特别是其块式结构(如fmt块和data块)和交错存储方式,是处理原始音频数据、进行音频编程开发的必备技能。本文通过解析WAV格式的编码规则,帮助开发者掌握数字音频的底层逻辑。

weixin_30411239的博客 373

【初学音视频】解码aac编码格式音频转pcm(使用faad2库)

解码aac编码格式音频转pcm(使用faad2库) 阅读本博客之前,可选阅读《音频相关基础知识》:https://blog.youkuaiyun.com/qq_41824928/article/details/108124382 1.使用faad2库 使用faad2库解码aac为pcm时,主要使用以下几个函数: NeAACDecHandle NeAACDecOpen(void); void NeAACDecClose(NeAACDecHandle hDecoder); NeAACDecConfigura.

自学半天的大一麦克的博客 3081

利用Python和Shell脚本实现FLAC到WAV的高效音频转换

本文详细介绍了两种高效将FLAC音频批量转换为WAV格式的方法。针对AI开发与音频处理中常见的格式兼容性问题,提供了基于Shell脚本配合SoX工具的命令行方案,以及使用Python的Pydub库进行灵活集成的编程方案,并对比了二者的适用场景与优劣,帮助读者根据自身技术栈选择最佳实践。

weixin_28366353的博客 257

faad库音频解码

faad的使用特别简单,因为本身音频就很简单,不比视频。

lsq8178的专栏 461

faad2解码aac

1)NDK11下编译 2)Test.c和AACPCM.c

解码aac音频转pcm(使用faad2库)

1. 使用faad2库解码aac音频转为pcm文件。 2. 支持vs2017 & linux环境下gcc编译(linuxx使用的gcc版本为4.8.5,系统为centos7.8)。 3. faad2库使用的2_9_1版本,源码放在depend目录下,打开depends\faad\faad2.sln可直接使用vs2017编译库。 4. lib目录包含了vs2017编译的库以及linux环境下(4.8.5gcc)编译的静态库、动态库。 5. 使用的Cmake文件,请安装3.14及以上的cmake程序,或者修改CMakeLists.txt中Cmake的版本号,改为比你的cmake版本低即可。

AAC音频格式详解

关于AAC音频格式基本情况,可参考维基百科http://en.wikipedia.org/wiki/Advanced_Audio_Coding   AAC音频格式分析 AAC音频格式有ADIF和ADTS: ADIF:Audio Data Interchange Format 音频数据交换格式。这种格式的特征是可以确定的找到这个音频数据的开始,不需进行在音频数据流中间开始的解

xiaozhi@fslib.org的博客 1万+

重带电粒子的能量歧离(energy straggling)

能量歧离,Bethe-Bloch

G751888629的博客 2298

envi读取格式ang 还是mtl_聊聊几种无损格式音频格式的优与劣(3)WAV

WAV文件是在PC机平台上很常见的、最经典的多媒体音频文件,最早于1991年8月出现在Windows3.1操作系统上,文件扩展名为WAV,是WaveFom的简写,也称为波形文件,可直接存储声音波形,还原的波形曲线十分逼真。WAV文件格式简称WAV格式是一种存储声音波形的数字音频格式,是由微软公司和IBM联合设计的,经过了多次修订,可用于Windows,Macintosh,Linux等多种操作系统。...

weixin_39946364的博客 383

对冲策略与马丁结合ea的编程实践(五)核心是把两个品种合成一个新品种

在外汇、数字货币、期货交易甚至赌博中,马丁策略、网格策略是最常用的策略,也是最容易被理解的策略,但是如何克服单边行情、极端行情,是使用马丁策略最为头疼的事情,如加大间距、加大资金量,只能缓解,并不能根本解决这样的情况,所以使用时大部分时候都心里没底。 有没有一种正确的思路,让行情控制在震荡范围以内呢,这是今天我要向大家分享的一个思路,那就是对冲。大家看下图: 大家可以看到欧美(EURUSD)和镑美(GBPUSD),这两个品种,大部分时候走势是一致的,那么我们有没有可能把他们两个品种进行一下合成,比如买0.

omidsky的博客 3743

有源滤波电路设计

目录一、低通滤波器1、同相输入低通滤波器(1)一阶低通滤波电路(2)二阶低通滤波电路(压控电压源;Sallen-Key)2、反相输入低通滤波器(1)一阶低通滤波电路(2)二阶低通滤波电路(无限增益多路反馈)二、高通滤波器1、同相输入高通滤波器(1)一阶高通滤波电路(2)二阶高通滤波电路(压控电压源;Sallen-Key)2、反相输入高通滤波电路(1)二阶高通滤波电路(无限增益多路反馈) 一、低通滤波器 1、同相输入低通滤波器 (1)一阶低通滤波电路 即在一阶无源低通滤波器的基础上,加了一个集成运放。 它的

qq_41873236的博客 3万+

别再只盯着MP3了!从采样率到封装格式,聊聊不同音频格式(WAV/FLAC/AAC)到底该怎么选

本文深入解析WAV、FLAC、MP3、AAC等主流音频格式的核心参数(采样率、位深、通道数)及适用场景,帮助用户根据音乐收藏、移动播放、专业制作等不同需求做出最优选择,避免音质损失或存储浪费。特别强调数字信号处理中采样率与位深对音频质量的关键影响。

weixin_30245867的博客 217

基于粒子群算法的PID控制器优化设计

粒子群算法、PID、寻优

qq_46107700的博客 2万+

开源WAV生成器:Local AI MusicGen从安装到使用

本文介绍了如何在星图GPU平台上自动化部署🎵 Local AI MusicGen镜像,快速搭建本地AI音乐生成环境。用户无需专业音乐知识,仅需输入英文文本描述,即可在本地快速生成WAV格式的音频文件,轻松应用于视频配乐、游戏音效制作等场景。

weixin_42348783的博客 413

Python进行.tif格式数据波段组合;多波段tif数据波段分离

Python进行.tif格式数据波段组合;多波段tif数据波段分离.tif格式数据波段组合多波段.tif数据波段分离 阔别已久,我又来了;啊啊啊…… 读了研究生,忙到天昏地暗(哈哈哈,这都是借口,主要是花了一定时间适应研究生生活) 这方面的内容我也主要是应用在遥感领域,我们知道在遥感应用中,大多数的图像数据格式为.tif格式的。进行波段组合使用ArcGIS里面的Composite Bands工具是可以实现的,波段分离也可以使用一些工具或巧妙的方法分开。但当你使用Python程序的话,就可以简化这个软件点击和

qq_44353170的博客 1万+

PCL 动态半径滤波【2025最新版】

使用PCL实现的2022年最新SCI论文——【Design of Dust-Filtering Algorithms for LiDAR Sensors Using Intensity and Range Information in Off-Road Vehicles】 一文中提出用于自动驾驶点云剔除粉尘、雨雪等影响因素导致的噪声点滤波算法。

点云侠的博客 1475

HunyuanVideo-Foley输出音频格式有哪些?WAV/MP3支持情况

本文深入解析腾讯混元HunyuanVideo-Foley支持的音频输出格式,重点对比WAV与MP3在音质、体积和应用场景上的差异。WAV适合专业后期制作,提供无损高保真;MP3通过后处理转换,适用于社交分发。支持双轨输出,兼顾质量与效率。

weixin_42351520的博客 922

[xboard-real6410]39 real6410中的BL1和BL2实验及流程分析

文章目录uboot控制uboot 流程uboot加载kernel uboot控制 uboot 流程 uboot加载kernel

鹰之翔 298

如何导出ACE-Step生成的音乐为WAV/MP3格式?

本文深入解析ACE-Step如何将AI生成的音乐导出为WAV/MP3格式,涵盖扩散模型、深度压缩自编码器与线性Transformer三大核心技术,并提供从生成到导出的完整流程及优化建议,适用于音乐创作、视频配乐等实际应用场景。

weixin_42627459的博客 1157

深度剖析:Spring AI 与 LangChain4j,谁才是 Java 程序员的 AI 开发利器?

首先介绍 AI 时代 Java 开发框架选择背景,接着对比两者功能特性(Spring AI 的生态集成与标准化设计、LangChain4j 的多模型适配与提示工程)、应用场景(企业级系统改造与创新产品开发)、开发体验(学习成本与调试工具)、生态扩展(Spring 商业支持与 LangChain4j 开源社区)、性能安全(企业级优化与自主安全实现)及成本趋势(短期投入、长期回报与技术演进),最后给出选型建议与混合架构方案。

博客 5446

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

ChatTTS实战:从WAV到PT的高效转换技术解析

通过整合ChatTTS的预处理思想、torchaudio的高效后端以及合理的并发编程,我们成功构建了一个性能强劲、鲁棒的WAV到PT转换流水线。这套方案将格式转换从数据处理管道中的潜在瓶颈,变成了一个高效透明的环节。如何结合ONNX Runtime进一步优化转换吞吐量?一个可能的思路是,将整个预处理流程(加载、重采样、归一化)定义为一个PyTorch模型(即使它没有可训练参数),然后将其导出为ONNX格式。

2600_94959878的博客 206

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

Android音频处理实战:PCM转WAV的完整实现与性能优化

基于火山引擎豆包大模型,从零搭建一个实时语音通话应用。它不是简单的问答,而是需要你亲手打通 ASR(语音识别)→ LLM(大脑思考)→ TTS(语音合成)的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说,这是个绝佳的练手项目。架构理解:掌握实时语音应用的完整技术链路(ASR→LLM→TTS)技能提升:学会申请、配置与调用火山引擎AI服务定制能力:通过代码修改自定义角色性格与音色,实现“从使用到创造”从0到1构建生产级别应用,脱离Demo,点击打开。

2600_94959953的博客 419

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

wav格式的音乐怎么转换?推荐几款好用的转换工具

,它是一款拥有多种功能和易用性的音频转换软件,提供了丰富的音频格式互换支持,涵盖了MP3、WAV、FLAC、AAC等多种常见格式。有哪些吧,不清楚的把这篇文章发给他。无论是个人娱乐还是专业音频处理,wav格式转换为我提供了更广阔的选择和实现目标的能力。它支持包括MP3、WAV、FLAC、AAC、OGG等在内的多种常见音频格式之间的相互转换,相互转换,包括MP3、WAV、OGG等多种主流音频格式,且具有简单易用的操作界面。还具备出色的转换速度和高质量的输出,使用先进的转码算法,保证了转换过程的。

m0_73026984的博客 317

Android音频处理实战:PCM转WAV的高效实现与性能优化

基于火山引擎豆包大模型,从零搭建一个实时语音通话应用。它不是简单的问答,而是需要你亲手打通 ASR(语音识别)→ LLM(大脑思考)→ TTS(语音合成)的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说,这是个绝佳的练手项目。架构理解:掌握实时语音应用的完整技术链路(ASR→LLM→TTS)技能提升:学会申请、配置与调用火山引擎AI服务定制能力:通过代码修改自定义角色性格与音色,实现“从使用到创造”从0到1构建生产级别应用,脱离Demo,点击打开。

2600_94960207的博客 418

Sonic数字人支持MP3/WAV吗?音频格式兼容性问题一文详解

本文介绍了如何在星图GPU平台上自动化部署“语音+图片合成数字人视频工作流”镜像,快速创建AI数字人视频。该平台简化了部署流程,用户只需提供人像照片和MP3/WAV格式的音频,即可驱动数字人开口说话,轻松应用于知识科普、短视频制作等场景。

weixin_30951515的博客 933

VibeVoice-TTS语音格式转换:WAV/MP3/M4A导出设置详解

本文介绍了基于星图GPU平台自动化部署VibeVoice-TTS-Web-UI镜像的完整流程,支持在Web界面中高效完成多角色长文本语音合成。通过该平台,用户可快速实现WAV、MP3、M4A等多种格式音频导出,适用于播客制作、有声书生成等AI语音应用场景,显著降低模型使用门槛。

weixin_36277197的博客 896
上一篇: OpenSSL: RSA分段解密实战
下一篇: 微服务: Actuator实现服务监测
veryitman
博客等级 码龄16年 472粉丝 310原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值