FFMpeg 4.1 音频检测

前言

网络上各种 FFMPEG，尤其是雷大神的一些样例，很好，但是一堆 deprecated 的API，编译看着是真心很烦。所以自己写了一个针对各种格式的输入音频，然后，也没复杂的功能，就是进行音频内部的一些检测。

说一说音频格式

关键的参数：

1. 采样率

2. 位深（说白了也就是精度）

现实生活中的声音其实是连续的，而到电脑，手机等设备中的音频是数字的，离散的。连续的数据是如何变成离散的呢，就是录音，就是采样过程。这么说太抽象了，假设一个例子：

我们现在来测一天的温度。怎么测？

第一：多久测一次？第二：温度计用什么样子的？刻度需要到什么样的精细程度？

假设：一个小时测量一次，温度计能够精确到0.1度。那么采样率就是 1 次/小时，当然，次不是个物理的计量单位，小时是时间计量单位，物理里面针对这种情况，引入了一个特别的单位，就是赫兹。1 小时负一次方，转换成秒的负一次方，就是具有标准单位的采样单位，赫兹了。精度，如果是精确到度，那么比如32度，31度，跟精确到0.1度，33.1度，31.3度，影响的就是存储数据的空间大小了，8bit长度的数字，16bit长度甚至是32bit长度的数字，能够表达的精度，是不一样的。这就是位深。

采样率是不是越高越好呢？测量温度为例：一分钟测一次，甚至一秒钟测量一次，是否有必要呢？其实完全没有必要，因为气温的变化，太慢，一分钟一次，完全没有必要，很可能很多时候测量的数据都是一样的。还有就是精度，精度太细，有没有必要呢？对于人体而言，低于0.1度的气温，人体根本感受不到。测量精细了有什么用呢？甚至到0.5度精度就足矣了。当然也不能太粗，那测量出来，跟没有温度计的估计是一样的效果，精度如果是10读，测量下来，20度，30度，20度，30度，也没啥特别的作用。

所以，对于音频，也一样，不同需求下的声音的录制，根据场景需要来进行采样的。

比如人声，也就是所谓的语音。语音录制，一般场景下，回放出来，只要能听懂，就OK。满足这种要求的情况下，8K的采样率一般足矣了，甚至个别场景下，采用6k的采样率。为什么是6k或者8k？因为人体说话的声音的固有震动频率一般都是3到4k之间。而且大多数人都是在3k左右，到4k的一般都很少。可想，画成波形，那么采样之后的数据回放，如何让人能够听懂呢？至少能尽量“恢复”成原来的样子呢？直观而言，至少在波峰处取一个点，波谷处取一个点，这样才能还原吧。当然，这种直观是不靠谱的。其实，如果了解傅里叶变换，知道频域时域这些知识，理论上是可以证明：4k固有震动频率的波形，采样必须要在4k*2的采样率以上，其实就是香农采样定理。还有就是位深，采样精度，跟温度精度其实也是类似的。

好，这下我们就知道了音频数据最关键的两个数据了，采样率跟位深。

对于语音，一般8k采样率，8bit采样位深也就足够了。但是为了更好的品质呢，一般都采用8k16bit的采样率跟位深。这样采集来的数据，就是所谓的PCM，也就是没有经过压缩的数据。其实WAV格式的音频，内部的数据，一般就是这样的数据，加了个格式头而已。

为什么会有所谓的44100采样率？因为前文说的是语音，就是人说话，那唱歌呢？乐器呢？经过反复试验，发现采样率到了44100的时候，再往上，不好意思，放出来的声音，人耳朵已经分辨不出其中的差距了。所以，一般的44100就是音频采样的最高频率了。

3. 布局，以及跟随着布局相关的声道信息。对于语音而言，单声道就可以，但是针对各种音乐，那就很复杂了，左右布局的双声道，环绕声，5.2，甚至7.1，还有甚至所谓的杜比什么的，比较复杂。虽然都是音频，其实玩语音的是比较幸福的，不用考虑太多，做声卡，音响设备的，那就不一样了。

一般的音乐，44100的采样率，16bit的位深，加上左右双声道，足矣。其实一个声道，就相当于一个麦克风，就是一路独立的数据。

4. 编码，按照前面说的44100的采样率，16bit位深，双声道，那么1秒钟下来，音频文件有多大呢？

44100 * 16bit * 2 = 44100 * 2B * 2 = 176400B = 172 KB。如果是3分钟的音频的 172KB * 3 * 60 = 30960KB = 30 MB

3分钟音乐，30兆！见过么？真的很少见。所以，总得压缩一下，这种压缩，也就是编码，直接就搞出了各种各样的音频格式出来。

5. 跟时间相关的额外的东西，就是frame。处理数据，总得攒上一笔缓存。音频一般都是以 frame 为单位进行处理，压缩而言，总不能压缩一个采样数据。一般的一个frame 就是10毫秒的音频数据。那么他的大小，根据不同的采样率，位深，编码方式，其大小就是可以计算的了。

FFMPEG 对音频的处理，也就是这些东西了。

环境搭建：

FFMPEG版本4.1。到官网下载，windows版本即可。

devel 的要下载（头文件以及lib），shared 也要下载（包含dll文件）。

个人的习惯：

筛选器跟目录一一对应。如下：

项目的一些配置：

然后还有就是附件包含目录，附加库目录等等。

配置起来确实比较麻烦。

bin以及lib中分x86跟x64，然后分别把相关的lib，dll copy进去。引入库，就采用

#pragma comment(lib, "xxx.lib")

去导入。

main.c代码如下：（注意是.c，否则include FFMPEG头文件 需要extern C）

#include <stdio.h>
#include <stdlib.h>
#include <stdint.h>
#include <time.h>
#include <string.h>

#include "libavcodec/avcodec.h"
#include "libavformat/avformat.h"
#include "libswscale/swscale.h"
#include "libswresample/swresample.h"
#include "libavutil/opt.h"
#include "libavutil/channel_layout.h"
#include "libavutil/samplefmt.h"


#pragma comment(lib, "avcodec.lib")
#pragma comment(lib, "avdevice.lib")
#pragma comment(lib, "avfilter.lib")
#pragma comment(lib, "avformat.lib")
#pragma comment(lib, "avutil.lib")
#pragma comment(lib, "postproc.lib")
#pragma comment(lib, "swresample.lib")
#pragma comment(lib, "swscale.lib")

void audio_detect(const char* url);

int main()
{
	int argc = 3;
	char* argv[] = {"xxx", "out.wav", "decode_audio_out.mp3"};
	// decode_audio(argc, argv);
	// mp3_2_wav();
	char* url[] = {"input.mp3", "input.wav", "input.wma",
		"8k8bitpcm.wav", "8k16bitpcm.wav", "8kmp38.wav",
		"8kmp316.wav", "8kulaw.wav", "11k8bitpcm.wav",
		"11k16bitpcm.wav", "11kulaw.wav"};
	int i = 0; 
	for (; i < sizeof(url) / sizeof(char*); i++)
	{
		printf("=========================================\nFile in: %s\n", url[i]);
		audio_detect(url[i]);
	}
	return 0;
}

void audio_detect(const char* url)
{
	AVFormatContext	*pFormatCtx = NULL;
	int ret = avformat_open_input(&pFormatCtx, url, NULL, NULL);
	if (ret != 0)
	{
		printf("avformat_open_input error: %d\n", ret);
		return;
	}

	unsigned int nb = pFormatCtx->nb_streams;
	AVCodecContext *codecCtx = avcodec_alloc_context3(NULL);

	int i = 0;
	for (; i < nb; i++)
	{
		if (pFormatCtx->streams[i]->codec->codec_type == AVMEDIA_TYPE_AUDIO)
		{
			break;
		}
	}
	if (i >= nb)
	{
		printf("There is no AUDIO stream\n");
		return;
	}
	// Retrieve stream information
	// 读取部分数据，进行探测，用以自动识别输入文件的格式。。。。
	ret = avformat_find_stream_info(pFormatCtx, NULL);
	if (ret < 0)
	{
		printf("Couldn't find stream information.\n");
		return;
	}
	ret = avcodec_parameters_to_context(codecCtx, pFormatCtx->streams[i]->codecpar);

	AVCodec * codec = avcodec_find_decoder(codecCtx->codec_id);
	if (codec == NULL)
	{
		printf("Codec not found.\n");
		return;
	}
	ret = avcodec_open2(codecCtx, codec, NULL);
	if (ret < 0)
	{
		printf("Could not open codec.\n");
		return;
	}

	enum AVSampleFormat in_fmt = codecCtx->sample_fmt;
	int in_rate = codecCtx->sample_rate;
	int in_ch = codecCtx->channels;

	printf("Input audio fmt: %s(%d), rate: %d, channels: %d\n", av_get_sample_fmt_name(in_fmt), in_fmt, in_rate, in_ch);
	printf("codec name: %s, id: 0X%X, type: %d\n", codec->name, codec->id, codec->type);
	avcodec_close(codecCtx);
	avformat_close_input(&pFormatCtx);
}

=========================================
File in: input.mp3
Input audio fmt: fltp(8), rate: 44100, channels: 2
codec name: mp3float, id: 0X15001, type: 1
=========================================
File in: input.wav
Input audio fmt: s16(1), rate: 44100, channels: 2
codec name: pcm_s16le, id: 0X10000, type: 1
=========================================
File in: input.wma
Input audio fmt: fltp(8), rate: 44100, channels: 2
codec name: wmav2, id: 0X15008, type: 1
=========================================
File in: 8k8bitpcm.wav
Input audio fmt: u8(0), rate: 8000, channels: 1
codec name: pcm_u8, id: 0X10005, type: 1
=========================================
File in: 8k16bitpcm.wav
Input audio fmt: s16(1), rate: 8000, channels: 1
codec name: pcm_s16le, id: 0X10000, type: 1
=========================================
File in: 8kmp38.wav
Input audio fmt: fltp(8), rate: 8000, channels: 1
codec name: mp3float, id: 0X15001, type: 1
=========================================
File in: 8kmp316.wav
Input audio fmt: fltp(8), rate: 8000, channels: 1
codec name: mp3float, id: 0X15001, type: 1
=========================================
File in: 8kulaw.wav
Input audio fmt: s16(1), rate: 8000, channels: 1
codec name: pcm_mulaw, id: 0X10006, type: 1
=========================================
File in: 11k8bitpcm.wav
Input audio fmt: u8(0), rate: 11025, channels: 1
codec name: pcm_u8, id: 0X10005, type: 1
=========================================
File in: 11k16bitpcm.wav
Input audio fmt: s16(1), rate: 11025, channels: 1
codec name: pcm_s16le, id: 0X10000, type: 1
=========================================
File in: 11kulaw.wav
Input audio fmt: s16(1), rate: 11025, channels: 1
codec name: pcm_mulaw, id: 0X10006, type: 1

示例音频：

不知道该怎么传了。。。。。

自己去下载吧。然后改一下文件名即可。