????????关注后回复 “进群” ,拉你进程序员交流群????????
作者丨千帆直播
来源丨搜狐技术产品(ID:sohu-tech)
本文字数:1872字
预计阅读时间:8分钟
常用的播放文件,如 mp3、aac 都是已经封装的音频格式,将它们的文件提供到系统音频库或者第三方音频库,如 AVPlayer、IJKPlayer 等这些框架和播放器,然后声音就会由扬声器或耳机播放出来。如果读者对这些神奇的过程有兴趣,那就进入本次的了解旅程。
《iOS 视音频入门系列》
之前的都是针对图像,而本次来聊聊音频。
前言
本次将基于 iOS 实现对aac(ADTS)文件的播放来讲解音频的播放流程。它将包括如下内容,可能大伙对这些名称有所耳闻:解封装、解编码等。流媒体的播放其实就是基于这些步骤来实现的。
_______ ______________ ________
| | | | | |
| aac | demuxer | audio | decoder | audio |
| file | ---------> | encoded data | ---------> | raw |
|_______| |______________| |________|
AAC
aac 的应用很广泛,在直播 rtmp 和 http-flv 中也使用的此音频格式。
❝AAC,全称Advanced Audio Coding,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。
Demo 使用的 aac 音频信息如下:
Input #0, aac, from 'video.aac':
Duration: 00:00:30.45, bitrate: 133 kb/s
Stream #0:0: Audio: aac (LC), 44100 Hz, stereo, fltp, 133 kb/s
解封装
解封装的最重要的目的是将 音频 的 音频的信息 & 音频的编码数据 分离出来。
而 aac 是由多个 header + es body 组成。header 固定 7 个字节,所以只需每次读取 7 个字节,然后再读出 size,就能得到得到对应块的数据,从而得到 raw 数据。
// 读取 header
int head_buf_size = 7;
int *head_buf = malloc(head_buf_size);
fread(head_buf, 1, head_buf_size, _in_file);
// 读取 size
int s1 = ((int)(*(((uint8_t *)head_buf) + 3))&0x3) << 11;
int s2 = ((int)(*(((uint8_t *)head_buf) + 4))) << 3;
int s3 = (int)(*(((uint8_t *)head_buf) + 5)) >> 5;
int size = s1 + s2 + s3;
// 读取 raw
int raw_buf_size = size - head_buf_size;
int *raw_buf = malloc(raw_buf_size);
fread(raw_buf, 1, raw_buf_size, _in_file);
header 还包含其他音频信息,它们是解码时需要的,如采样率、声道数等
int head_buf_size = 7;
int *head_buf = malloc(head_buf_size);
fread(head_buf, 1, head_buf_size, file);
// 采样率标识
int freqIdx = ((int)(*(((uint8_t *)head_buf) + 2))&0x3C) >> 2;
// 声道数
int c1 = ((int)(*(((uint8_t *)head_buf) + 2))&0x1) << 2;
int c2 = ((int)(*(((uint8_t *)head_buf) + 3))&0xC0) >> 6;
int chanCfg = c1 + c2;
// 返回
complete(freqIdx == 3 ? 48000 : 44100, chanCfg);
上面的格式是 aac 的格式协议制定的,只要按照要求读取即可,就是哪几个字节,哪几个bit 对应的哪些内容,它的值表示什么都是约定的。
Demo 只读出了 aac 的 raw、sample_rate、channels。
解码
解码的是使用 AudioConverterRef
,可能有人问这里的细节,但这里不会展开,因为有点超纲,大伙可以搜搜 AAC解码原理 之类的标题(PS:别问,问就是不废????)。
而使用 AudioConverterRef
就可以轻松的完成解码,只需配置输入&输出的 AudioStreamBasicDescription,然后将读取的 raw 写入即可得到解码后的数据。
// 输入
- (AudioStreamBasicDescription)createAACAduioDes {
UInt32 channels = _channels;
AudioStreamBasicDescription audioDes ={0};
audioDes.mSampleRate = _sampleRate;
audioDes.mFormatID = kAudioFormatMPEG4AAC;
audioDes.mFormatFlags = kMPEG4Object_AAC_LC;
audioDes.mBytesPerPacket = 0;
audioDes.mFramesPerPacket = 1024;
audioDes.mBytesPerFrame = 0;
audioDes.mChannelsPerFrame = channels;
audioDes.mBitsPerChannel = 0;
audioDes.mReserved = 0;
return audioDes;
}
// 输出
- (AudioStreamBasicDescription)createPCMAduioDes {
UInt32 bytesPerSample = sizeof(SInt32);
UInt32 channels = _channels;
AudioStreamBasicDescription audioDes ={0};
audioDes.mSampleRate = _sampleRate;
audioDes.mFormatID = kAudioFormatLinearPCM;
audioDes.mFormatFlags = kLinearPCMFormatFlagIsNonInterleaved | kAudioFormatFlagIsFloat | kAudioFormatFlagIsPacked;
audioDes.mBytesPerPacket = bytesPerSample;
audioDes.mFramesPerPacket = 1;
audioDes.mBytesPerFrame = bytesPerSample;
audioDes.mChannelsPerFrame = channels;
audioDes.mBitsPerChannel = 8 * bytesPerSample;
audioDes.mReserved = 0;
return audioDes;
}
// decode
AudioConverterFillComplexBuffer(self->_audioConverter,
inputDataProc,/*输入数据的函数*/
(__bridge void * _Nullable)(self),
&ioOutputDataPacketSize,
outAudioBufferList,/*构造返回的数据*/
NULL);
以上代码的过程就是将上一步解封装后的 data 转成 AudioBufferList,再通过 AudioConverter 解码,从输出的 AudioBufferList 获取 pcm 数据。
播放
播放使用AudioUnit & AUGraph,这是 iOS 底层的音频框架,通过它还可以进行很多有趣的自定义,如变音。对于 AudioUnit 的学习内容就很多,可以自行搜索学习即可。此处播放,只需按 Demo 操作固定步骤即可。
OSStatus status;
status = NewAUGraph(&_auGraph);
[self addAUNode];
status = AUGraphOpen(_auGraph);
[self getAUsFromNodes];
[self setAUProperties];
[self makeAUConnects];
CAShow(_auGraph);
status = AUGraphInitialize(_auGraph);
到这一步,只要把 encode raw 给到 AudioUnit 就可以播放。此音频播放器属于消费者模式,它是反向跟前面要数据来播放,如下:
___________ ______________
| | 1.playback | |
| demuxer | <--------- | AudioUnit |
| decoder | ---------> | |
|___________| 2.pcm |______________|
AudioUnit 向 decoder 要 pcm 数据
decoder 将解码数据给过去,数据够直接提供,数据不够向 demuxer 要
demuxer 去解封装更多源数据,返回给 decoder 解码
// 数据不够
if (self.data.length < size) {
// 解封装
NSData *d = [_reader read_aac_raw_buf];
if (d == nil) {
return nil;
}
// 解码
AudioBufferList *b = [_decoder decodeAudioSamepleBuffer:d];
// 保存
[self.data appendBytes:b->mBuffers[0].mData length:b->mBuffers[0].mDataByteSize];
}
// 返回 AudioUint 需要的数据
NSData *b = [self.data subdataWithRange:NSMakeRange(0, size)];
这样处理可以避免一次性将 aac 解码,封装的目的就是降低文件大小,方便传输和保存。如果全部解码出来,对于高音质的音频文件就会生成很大的文件,占用大量的内存,并且播放时,快进或者直接结束,没有播放的部分即浪费空间又浪费算力。因此需要播放的部分才去解封装 & 解码更好。
❝这里的 video.aac 文件大概是 500kb,解码后的 pcm 是 5.5M
播放器 Demo
QHAudioConverterMan: acc 播放器
https://gitee.com/chenqihui/qhaudio-converter-man
Demo 代码只供参考,暂没优化。
转码
由于近期直播需要字幕识别,而语音的识别对音频格式有要求限制,搜狗和讯飞的格式是一样的。以讯飞官方要求为例:
❝讯飞语音能力一般情况下支持如下音频格式:
pcm(pcm_s16le),wav,speex(speex-wb) 采样率为16000 或者 8000. 推荐使用16000,比特率为16bit 单声道
而这里可以使用 AudioConverterRef
进行转码,让 pcm 符合要求
下面是 44100_32f_1 to 16000_16f_1 的波形图:
虽然波形图看着差不多,但其实还是有很大的不同。导致转码失真,应该是某些参数设置有误差或者本人写的读取测试代码有误。由于这里只是顺便写的转码代码,暂时忽略它。
而使用 ffmpeg 命令的转码,如下:
ffmpeg -ac 1 -ar 44100 -f f32le -i of111.pcm -ac 1 -ar 16000 -f s16le ff_out.pcm
参考
音频属性相关:声道、采样率、采样位数、样本格式、比特率https://www.cnblogs.com/yongdaimi/p/10722355.html#_label5
AAC ADTS格式分析
https://zhuanlan.zhihu.com/p/162998699
AAC ADTS格式分析
https://blog.csdn.net/tantion/article/details/82743942
-End-
最近有一些小伙伴,让我帮忙找一些 面试题 资料,于是我翻遍了收藏的 5T 资料后,汇总整理出来,可以说是程序员面试必备!所有资料都整理到网盘了,欢迎下载!
点击????卡片,关注后回复【面试题
】即可获取
在看点这里好文分享给更多人↓↓