SILK SDK + Qt 将QQ/微信的 silk/amr 音频转为 wav 格式

最新推荐文章于 2025-03-06 19:39:42 发布

龚建波

最新推荐文章于 2025-03-06 19:39:42 发布

阅读量2.9k

点赞数 3

分类专栏： Qt 略知一二文章标签： SILK PCM Qt

本文链接：https://blog.csdn.net/gongjianbo1992/article/details/110351329

版权

Qt 略知一二专栏收录该内容

92 篇文章

订阅专栏

0.前言

SILK 编码最早在 Skype 中使用，它在编码效率和质量之间取得了很好的平衡，因此被广泛应用在互联网的音频相关产品中。SILK 的最新版本是 2012 年发布的 SDK 1.0.9，即SILK V3。

腾讯系产品，包括QQ、微信、小程序，在语音相关的实现中，也大量使用到 SILK 编码，不过他在标准的 SILK 文件头加了一个字节的 0x02 ，所以在解码的时候要多判断一次。虽然腾讯的音频文件格式后缀也可能叫 AMR，不过并不是真的 AMR格式，还是 SILK 格式的。

下图是一个微信 AMR 文件的文件头，以 0x02 开头，然后是九个固定字符： #!SILK_V3，接下来就是语音数据。

还要注意的是 SILK 编码的采样频率和码率是自适应的，参见翻译的文档。

WAV 格式就相对方便点，可以直接存放 PCM 数据，将 SLIK 解码为 PCM 后加一个 WAV 头就成了一个 wav 音频文件（ WAV 头的格式参考 WAV格式分析）。

参考示例：SILK_SDK_SRC_v1.0.9\SILK_SDK_SRC_ARM_v1.0.9\test\Decoder.c

参考博客（转载）：https://blog.csdn.net/weixin_34292924/article/details/87987436

参考博客：https://www.cnblogs.com/protosec/p/11673358.html

参考博客：https://blog.csdn.net/wanggp_2007/article/details/5536818

参考博客（翻译）：https://blog.csdn.net/zhaosipei/article/details/7467810

别人fork的SDK源码：https://gitee.com/alvis/SILK_SDK_SRC

别人做的decoder：https://github.com/kn007/silk-v3-decoder

1.实现

下载好 SILK SDK 后，可以直接用 VS 打开工程文件进行编译为静态库，然后将 interface 文件夹和库文件导入到我们的应用工程中。也可以自己建一个 DLL 工程把那些原文件 copy 过去，然后导出 SKP_Silk_SDK_API.h 文件中的函数接口，生成动态或者静态库。

借助 SLIK 库，解码主要有两步，初始化解码器+循环解码为 PCM 数据。

转为 WAV 也两步，生成文件头+写入 PCM 数据。

代码链接（github）：https://github.com/gongjianbo/MyTestCode/tree/master/Qt/SilkToWav

工程链接（CSDN）：https://download.csdn.net/download/gongjianbo1992/13206416

主要代码：

#ifndef MAINWINDOW_H
#define MAINWINDOW_H

#include <QMainWindow>

QT_BEGIN_NAMESPACE
namespace Ui { class MainWindow; }
QT_END_NAMESPACE

/**
 * @brief wav文件头结构体
 * @author 龚建波
 * @date 2020-11-12
 * @details
 * wav头是不定长格式，不过这里用的比较简单的格式
 * （数值以小端存储，不过pc一般是小端存储，暂不特殊处理）
 * 参照：https://www.cnblogs.com/ranson7zop/p/7657874.html
 * 参照：https://www.cnblogs.com/Ph-one/p/6839892.html
 */
struct EasyWavHead
{
    char riffFlag[4]; //文档标识，大写"RIFF"
    //从下一个字段首地址开始到文件末尾的总字节数。
    //该字段的数值加 8 为当前文件的实际长度。
    unsigned int riffSize; //数据长度
    char waveFlag[4]; //文件格式标识，大写"WAVE"
    char fmtFlag[4]; //格式块标识，小写"fmt "
    unsigned int fmtSize; //格式块长度，可以是 16、 18 、20、40 等
    unsigned short compressionCode; //编码格式代码，1为pcm
    unsigned short numChannels; //通道个数
    unsigned int sampleRate; //采样频率
    //该数值为:声道数×采样频率×每样本的数据位数/8。
    //播放软件利用此值可以估计缓冲区的大小。
    unsigned int bytesPerSecond; //码率（数据传输速率）
    //采样帧大小。该数值为:声道数×位数/8。
    //播放软件需要一次处理多个该值大小的字节数据,用该数值调整缓冲区。
    unsigned short blockAlign; //数据块对其单位
    //存储每个采样值所用的二进制数位数。常见的位数有 4、8、12、16、24、32
    unsigned short bitsPerSample; //采样位数（采样深度）
    char dataFlag[4]; //表示数据开头，小写"data"
    unsigned int dataSize; //数据部分的长度
};

class MainWindow : public QMainWindow
{
    Q_OBJECT

public:
    MainWindow(QWidget *parent = nullptr);
    ~MainWindow();

    void paintEvent(QPaintEvent *event) override;

    //silk解码为pcm
    void decodeSilk(const QString &filepath);

    //生成wav(pcm)文件头信息
    //sampleRate: 采样频率
    //dataSize: pcm数据字节长度
    //return EasyWavHead: wav头
    static EasyWavHead createWavHead(int sampleRate,unsigned int dataSize);

private:
    Ui::MainWindow *ui;

    QByteArray pcmData;
};
#endif // MAINWINDOW_H

#include "mainwindow.h"
#include "ui_mainwindow.h"

#include <QFileDialog>
#include <QFile>
#include <QTime>
#include <QPainter>
#include <QDebug>

#include "SKP_Silk_SDK_API.h"

#define MAX_BYTES_PER_FRAME     1024
#define MAX_INPUT_FRAMES        5
#define MAX_FRAME_LENGTH        480
#define FRAME_LENGTH_MS         20
#define MAX_API_FS_KHZ          48

MainWindow::MainWindow(QWidget *parent)
    : QMainWindow(parent)
    , ui(new Ui::MainWindow)
{
    ui->setupUi(this);

    ui->lineEdit->setText(qApp->applicationDirPath()+"/weixin.amr");

    //选择文件
    connect(ui->btnFile,&QPushButton::clicked,[=]{
        const QString filepath=QFileDialog::getOpenFileName(this);
        if(!filepath.isEmpty())
            ui->lineEdit->setText(filepath);
    });

    //解码
    connect(ui->btnDecode,&QPushButton::clicked,[=]{
        const QString filepath=ui->lineEdit->text();
        if(filepath.isEmpty())
            return;
        qDebug()<<"---------------------------------";
        qDebug()<<"sdk version"<<SKP_Silk_SDK_get_version();
        qDebug()<<"begin decode"<<QTime::currentTime();

        decodeSilk(filepath);
        qDebug()<<"end decode"<<QTime::currentTime();
        qDebug()<<"data size"<<pcmData.size();
        update();
    });
}

MainWindow::~MainWindow()
{
    delete ui;
}

void MainWindow::paintEvent(QPaintEvent *event)
{
    Q_UNUSED(event);
    QPainter painter(this);
    if(pcmData.count()<4)
        return;
    painter.translate(0,height()/2);
    const int length=pcmData.count()/2;
    const short *datas=(const short *)pcmData.constData();
    //点的x间隔
    double xspace=width()/(double)length;
    //绘制采样点步进，测试用的固定值，文件比较大懒得算
    const int step=1;
    //qDebug()<<"step"<<step;
    for(int i=0;i<length-step;i+=step)
    {
        painter.drawLine(xspace*i,-datas[i]/150,xspace*(i+step),-datas[i+step]/150);
    }
}

void MainWindow::decodeSilk(const QString &filepath)
{
    //SDK地址：https://gitee.com/alvis/SILK_SDK_SRC
    //参照示例：SILK_SDK_SRC_v1.0.9\SILK_SDK_SRC_ARM_v1.0.9\test\Decoder.c
    //参照博客：https://blog.csdn.net/weixin_34292924/article/details/87987436
    QFile file(filepath);
    qDebug()<<"Filepath"<<filepath<<"exists"<<file.exists();
    if(file.size()<10||!file.open(QIODevice::ReadOnly))
        return;

    //先判断silk头
    //#!SILK_V3
    QByteArray read_temp=file.read(1);
    if(read_temp=="#"){
        read_temp+=file.read(8);
    }else{
        //微信的silk前面加个一个字节的0x02
        read_temp=file.read(9);
    }
    if(read_temp!="#!SILK_V3"){
        file.close();
        return;
    }

    SKP_SILK_SDK_DecControlStruct dec_ctrl;
    //采样率，可作为参数传入
    //Valid values are 8000,12000, 16000, 24000, 32000, 44100, and 48000.
    const int sample_rate=8000;
    dec_ctrl.API_sampleRate = sample_rate;
    dec_ctrl.framesPerPacket = 1;

    //创建解码器
    SKP_int32 dec_size;
    int ret = SKP_Silk_SDK_Get_Decoder_Size(&dec_size);
    qDebug()<<"SKP_Silk_SDK_Get_Decoder_Size return"<<ret<<"size"<<dec_size;
    SKP_uint8 *dec_state=new SKP_uint8[dec_size];
    //初始化解码器
    ret=SKP_Silk_SDK_InitDecoder(dec_state);
    qDebug()<<"SKP_Silk_SDK_InitDecoder return"<<ret;

    //默认解出来貌似是16bit的精度
    SKP_uint8 payload[MAX_BYTES_PER_FRAME * MAX_INPUT_FRAMES], *payload_ptr = NULL;
    SKP_int16 out[((FRAME_LENGTH_MS * MAX_API_FS_KHZ) << 1) * MAX_INPUT_FRAMES], *out_ptr = NULL;
    SKP_int16 n_bytes=0;
    SKP_int32 read_counter=0;
    SKP_int16 len=0;
    SKP_int16 total_len=0;
    SKP_int32 frames=0;
    pcmData.clear();

    //循环读取并解码
    while (true) {
        //读取有效数据大小
        read_counter=file.read((char*)&n_bytes,sizeof(SKP_int16));
        if(n_bytes<1||read_counter<1)
            break;
        //读取有效数据
        read_counter=file.read((char*)payload,n_bytes);
        //qDebug()<<"read_counter"<<read_counter<<n_bytes<<QByteArray((char*)dec_state,sizeof(SKP_uint8)).toHex();
        if( (SKP_int16)read_counter < n_bytes ) {
            break;
        }
        payload_ptr=payload;
        out_ptr=out;
        total_len = 0;
        frames = 0;
        do {
            //解码
            ret = SKP_Silk_SDK_Decode(dec_state, &dec_ctrl, 0, payload_ptr, n_bytes, out_ptr, &len);
            if (ret) {
                qDebug()<<"SKP_Silk_SDK_Decode returned"<<ret;
            }

            frames++;
            out_ptr += len;
            total_len += len;
            if (frames > MAX_INPUT_FRAMES) {
                qDebug()<<"frames > MAX_INPUT_FRAMES"<<frames<<total_len;
                out_ptr = out;
                total_len = 0;
                frames = 0;
            }
        } while (dec_ctrl.moreInternalDecoderFrames);

        //将解码后的数据pcm保存
        pcmData.append((const char *)out,total_len*2);
    }

    //清理
    file.close();
    delete[]dec_state;

    //以wav(pcm s16)格式写入
    file.setFileName(filepath+".pcm.wav");
    if(file.open(QIODevice::WriteOnly)){
        //自定义的wav头结构体
        EasyWavHead head=createWavHead(sample_rate,pcmData.count());
        file.write((const char*)&head,sizeof(head));
        file.write(pcmData);
        file.close();
    }
}

EasyWavHead MainWindow::createWavHead(int sampleRate, unsigned int dataSize)
{
    //默认貌似是16位精度，单通道
    const int bits=16;
    const int channels=1;
    const int head_size = sizeof(EasyWavHead);
    EasyWavHead wav_head;
    memset(&wav_head, 0, head_size);

    memcpy(wav_head.riffFlag, "RIFF", 4);
    memcpy(wav_head.waveFlag, "WAVE", 4);
    memcpy(wav_head.fmtFlag, "fmt ", 4);
    memcpy(wav_head.dataFlag, "data", 4);

    //出去头部前8个字节的长度，用的44字节的格式头，所以+44-8=36
    wav_head.riffSize = dataSize + 36;
    //不知道干嘛的
    wav_head.fmtSize = 16;
    //1为pcm
    wav_head.compressionCode = 0x01;
    wav_head.numChannels = channels;
    wav_head.sampleRate = sampleRate;
    wav_head.bytesPerSecond = (bits / 8) * channels * sampleRate;
    wav_head.blockAlign = (bits / 8) * channels;
    wav_head.bitsPerSample = bits;
    //除去头的数据长度
    wav_head.dataSize = dataSize;

    return wav_head;
}