AMR文件结构解析——时长解析

一、AMR简介

      基于新的网络和新的要求，无论是从节省传输频带资源，还是保持线路通信的高效率等方面来看，研究采用各种可变速率语音编码技术的系统都有重要意义。目前为了适应此需要提出了AMR（Adaptive Multi-rate） 的概念，即自适应多速率语音编码器，主要用于移动设备的音频，压缩比比较大，但相对其他的压缩格式质量比较差，由于多用于人声通话。AMR又分为两种，一种是AMR－NB（AMR-NarrowBind），语音带宽范围：300－3700Hz，8KHz采样频率；另外一种是AMR-WB（AMR WideBand），语音带宽范围50－7000Hz，16KHz采样频率。但考虑语音的短时相关性，每帧长度均为20ms。这两种编码器根据带宽的要求虽然选用了不同的速率，但有异曲同工之处.

       总之，知道AMR是一种压缩比较大的、多用于人声通话的语音编码技术就好了。关于AMR-NB和AMR-WB网上有较多的介绍此处也不在重复。另一个比较重要的点是“每帧长度均为20ms”，这对我们接下来解析时长比较有用。

二、AMR文件结构解析

      AMR文件由文件头和数据帧组成，文件头标识占6个字节，后面紧接着的就是音频帧了，如下：

文件头(6字节)

语音帧1

语音帧2

......

语音帧n

 1、文件头。关于文件头单声道和多声道情况下文件的头部是不一致的，单声道情况下的文件头只包括一个Magic number，而多声道情况下文件头既包含Magic number，在其之后还包含一个32位的Chanel description field。多声道情况下的32位通道描述字符，前28位都是保留字符，必须设置成0，最后4位说明使用的声道个数。此处我们知道占6个字节就好了。

2、语音数据。

（1）语音帧块。文件头之后就是时间连续的语音帧块了，也就是说语音帧还存在以帧块为维度的划分。每个帧块包含8位组对齐的语音帧，相对于若干个声道，从第一个声道开始一次排列。

（2）语音帧。语音帧的组成包括两部分：帧头和帧内容。每个帧都是8位组对齐的。其实语音帧就可以理解为视频的一帧一帧的画面，语音帧的概念与之相同。

1）帧头：每一帧都是从一个8位的帧头开始，而且其中的P为填充位必须设为0(感觉就是第一个bit必为0的意思)。

帧头(8bit)

帧内容(字节数因编码模式而不同)

2）语音帧的编码模式有如下八种，他们的音频帧的大小是不同的，比特率也是不同的。

注意，这些模式会在同一个文件amr文件中共存，这也就是Adaptive Multi-rate的真实含义吧。

模式	规格	比特率（kbps）	音频帧大小（字节）	帧头（字节）	FT
0	AMR 4.75	4.75	13	04     00000100	0000
1	AMR 5.15	5.15	14	0C    00001100	0001
2	AMR 5.9	5.90	16	14     00010100	0010
3	AMR 6.7	6.70	18	1C    00011100	0011
4	AMR 7.4	7.40	20	24     00100100	0100
5	AMR 7.95	7.95	21	2C    00101100	0101
6	AMR 10.2	10.20	27	34     00110100	0110
7	AMR 12.2	12.20	32	3C     00111100	0111

由以上表格可知，八种模式的是可以根据帧头进行区分的。这个在后续的解析amr文件获取语音时长的代码中会体现出来。

3、音频数据帧大小的计算：AMR 一帧对应20ms，那么一秒有50帧的音频数据。由于比特率不同，每帧的数据大小也不同。如果比特率是12.2kbs，那么每秒采样的音频数据位数为：

    12200 / 50 = 244bit = 30.5byte，取整为31字节。

    再加上一个字节的帧头，这样数据帧的大小为32字节。

三、解析AMR文件的时长

根据以上介绍我们此处给出解析AMR文件获取语音时长的C++代码。

uint64_t getDuration(std::string fileContent)
{
	uint64_t duration=0;//语音持续时长
	//音频帧在八种编码模式下的帧内容占用字节数
	int AMR_FRAME_SIZE[8] = { 13, 14, 16, 18, 20, 21, 27, 32};
	size_t pos=0;//pos用来指示位置
	size_t length=fileContent.length();
	char toc;//toc每次代表帧头,通过运算可以知道属于哪种编码模式

	pos+=6;//跳过文件头的6个字节
	while(pos<length)
	{
		toc=fileContent[pos];//toc赋值帧头
		toc=toc & 0x78;//对照表格帧头的编码一目了然
		toc=toc>>3;//对照表格帧头的编码一目了然
		if(toc>=8)
			toc=0;
		
		duration+=20;//每一个数据帧对应20ms
		pos+=AMR_FRAME_SIZE[(int)toc];
	}

	duration+=500;//四舍五入
	duration/=1000;//转换为秒
	return duration;
}

关于时长读取提供如下具体测试代码，见本人上传资源【解析amr文件时长c++实例代码(包含arm示例文件)】。