FFmpeg + SoundTouch实现音频的变调变速

本文使用FFmpeg + SoundTouch实现将音频解码后，进行变调变速处理，并将处理后的结果保存为WAV文件。
主要有以下内容：

• 实现一个FFmpeg的工具类，保存多媒体文件所需的解码信息
• 将解码后的音频保存为WAV文件
• SoundTouch的使用指南

1.从视频文件中提取音频保存为WAV文件

本小节实现从视频文件中提取音频，解码并保存为WAV文件。
在使用FFmpeg解码时，一般的流程是：

• 打开一个多媒体文件流
• 得到媒体流信息
• 查找视频、音频流的index
• 根据流的index查找相应的的CODEC，打开AVCodecContext

进行完以上操作后，就得到解码所需的各种信息：AVFormateContext、AVCodecContext以及对应流的index。也就说，这些数据是解码多媒体流的必须信息，所以这里对上述操作做一个封装，提供一个单一接口来获取解码所需的信息。

1.1 MediaInfo工具类

在使用FFmpeg进行解码的时候，所需要的信息如下：

• AVFormatContext
• AVCodecContext
• 流的index

MediaInfo的声明如下：

class CMediaInfo
{

public:
    CMediaInfo();
    CMediaInfo(MEDIA_TYPE media);
    ~CMediaInfo();

public:
    ERROR_TYPE open(const char *filename);
    void close();
    void error_message(ERROR_TYPE error);

public:
    MEDIA_TYPE type;
    AVFormatContext *pFormatContext;

    AVCodecContext *pVideo_codec_context;
    AVCodecContext *pAudio_codec_context;

    int video_stream_index;
    int audio_stream_index;
};

• 构造函数需要一个参数，指出该类中包含的信息为视频、音频或者音视频都包含；
• open方法，根据传入的多媒体文件填充各个字段信息；close方法，关闭打开的AVFormatContext和AVCodecContext等。
• 字段 为解码所需的各类信息。

至于具体的实现，可参考前面的文章 ，在最后会提供本文使用的代码，这里不再多说。

1.2 从视频中提取音频

1.2.1 获取解码所需的信息

使用上面的提供的MediaInfo工具类，首先根据视频文件路径填充MediaInfo的各个字段

    char* filename = "E:\\Wildlife.wmv";
    CMediaInfo media(MEDIA_TYPE::AUDIO);
    media.open(filename);

1.2.2 设置音频的保存格式

在真正的提取解码之前，需要首先设置好要保存的WAV的音频格式。FFmpeg使用SwrContext设置音频的转换格式，具体代码如下：

    AVSampleFormat dst_format = AV_SAMPLE_FMT_S16; 
    uint8_t dst_channels = 2;
    auto dst_layout = av_get_default_channel_layout(dst_channels);
    auto audio_ctx = media.pAudio_codec_context;
    if (audio_ctx->channel_layout <= 0)
        audio_ctx->channel_layout = av_get_default_channel_layout(audio_ctx->channels);
    SwrContext *swr_ctx = swr_alloc();
    swr_alloc_set_opts(swr_ctx, dst_layout, dst_format, audio_ctx->sample_rate,
        audio_ctx->channel_layout, audio_ctx->sample_fmt, audio_ctx->sample_rate, 0, nullptr);
    if (!swr_ctx || swr_init(swr_ctx))
        return -1;  

这里设置音频的sample格式为16位的有符号整数，通道数为2通道，采样率不变，具体关于音频格式的转换可参考： FFmpeg学习4：音频格式转换。