音频编码格式

一、基础知识

语音信号有四个重要的参数：声道数、采样频率、量化位数(位深)和比特率。
声道数： 可以是单声道、双声道 …
采样率（Sample rate）： 声音是模拟信号，物理信号转化为数字信号的过程我们称之为采样，采样率则表示 每秒对声音信号(模拟信号)抽取的总采样点数，44100Hz采样频率意味着每秒钟信号被均匀抽取44100次。采样频率越高，即采样的间隔时间越短，则在单位时间内得到的样本数据就越多，对信号波形的表示也越精确。
量化位数（Bit depth）： 也称为“位深”，每个采样点中信息的比特(bit)数。1 byte等于8 bit。通常有8bit、16bit、24bit、32bit…，位深越大，每个采样点能够表示的信息越多，精度越高。
比特率（Bit rate）: 每秒处理多少个Bit。计算公式为：采样率(kHz) * 位深(bit) * 声道数。比如一个单声道，用44.1KHz/16Bit的配置来说，它的比特率就为44100161=705600，单位是bit/s(或者bps)，因为通常计算出来的数字都比较大，大家就用kbit/s了，也就是705.6kbit/s。在对音频进行压缩时，比特率就成为了我们的一个要选的选项了，越高的比特率，其音质也就越好。一些常用的比特率有：16kbps：为可视电话质量、32kbit/s： 一般只适用于语音、96kbit/s： 一般用于语音或低质量流媒体、128或160kbit/s： 中等比特率质量、192kbit/s： 中等质量比特率、256kbit/s： 常用的高质量比特率、320kbit/s： MP3标准支持的最高水平

音频从业人员用的两款查看音频软件：
Adobe Audition： 他是Adobe公司开发专门处理音频的专业软件，可以快速看语音波形和语谱图，微博关注vposy，下载地址见置顶。他破解了很多adobe公司的软件，包括PS、PR…

Audacity： 它是一款开源的、跨平台、多声道的录音编辑软件。在我的工作中经常使用Audacity进行声音信号的录制，然后再输出成WAV文件供Python程序处理。

音频在网络中传播，主要分为如下几个阶段：录制-编码-传输-解码-播放，音频编解码发挥这不可忽视的作用，能够优化数据包大小，通常通过媒体采集设备采集的音频数据被编码后，可以极大的压缩数据，并且音质影响不大。本节主要介绍常见的音频编解码格式。

音频编码是为了将 PCM 音频采样数据转换为音频码流， 减少存储来提升网络传输效率。常见的格式有：FLAC、APE、WAV、Opus、MP3、WMA、AAC。

FLAC、APE、WAV 是属于无损编码格式，压缩率低，通常用于音质要求较高的音乐等内容; Opus、MP3、WMA、AAC 属于有损压缩格式，压缩率高利于网络传输; 其中 Opus、OGG 属于完全免费开源的编码格式。不同的编码格式特点也不尽相同，不同编码面向的使用场景不同，没有绝对的优劣。

二、PCM、RAW、SAM

RAW、PCM(Pulse Code Modulation)、SAM 都是一种存储 原始数据 的音频文件格式，未经过任何编码和压缩处理，他们的本质一样，只是文件扩展名不同，也可以没有扩展名。与WAV或AIFF的大小相比，这音频文件不包含任何头信息（采样率、位深度、通道数）。

如果在PCM文件的前面添加WAV文件头，就可以生成WAV格式文件。

如果是16位的话，pcm每个采样点的值在0~ 2^15，因为第一位是符号位。所以我们有时候用librosa读取的音频每个采样点都是0~1之间的，如果该音频是16bit的，如果想将他换成short型应该乘以2 ^ 15。

1.pcm转wav

版本一：代码参考自：https://github.com/pliu6/pcm2wav

/**
 * https://github.com/pliu6/pcm2wav
 */
#include <stdlib.h>
#include <string.h>
#include <stdio.h>


typedef struct {
   
    unsigned char chunk_id[4];     /*{'R', 'I', 'F', 'F'}*/
    unsigned int chunk_size;
    unsigned char format[4];
} FIFFChunk;

typedef struct {
   
    unsigned char chunk_id[4];  /* {'f', 'm', 't', ' '} */
    unsigned int chunk_size;
    unsigned short audio_format;            // 2字节
    unsigned short channels;             // 4字节
    unsigned int sample_rate;       // 4字节
    unsigned int byte_rate;      // 4字节
    unsigned short block_align;           // 2字节
    unsigned short bits_per_sample;        // 2字节
} FormatChunk;

typedef struct {
   
    unsigned char chunk_id[4];  /* {'d', 'a', 't', 'a'}  */
    unsigned int chunk_size;
} DataChunk;


// pcm2wav ***.pcm ***.wav 通道 采样率 量化位数
int main(int argc, char *argv[]) {
   
    FILE *pcmfile, *wavfile;
    long pcmfile_size;
    FIFFChunk fiffchunk;
    FormatChunk formatchunk;
    DataChunk datachunk;
    int read_len;
    char buf[1024];

    if (argc != 6) {
   
        printf("usage:\n"
               "\t%s pcmfile wavfile channel samplerate bitspersample\n", argv[0]);
        return 1;
    }

    pcmfile = fopen(argv[1], "rb");
    if (pcmfile == NULL) {
   
        printf("!Error: Can't open pcmfile.\n");
        return 1;
    }
    fseek(pcmfile, 0, SEEK_END);        // 将文件指针移动到文件最后
    pcmfile_size = ftell(pcmfile);          // 返回给定流 stream 的当前文件位置(字节)
    fseek(pcmfile, 0, SEEK_SET);        // 将文件指针移动到文件开头

    wavfile = fopen(argv[2], "wb");
    if (wavfile == NULL) {
   
        printf("!Error: Can't create wavfile.\n");
        return 1;
    }
    /* *********** RIFF区块  ********************* */
    strncpy(fiffchunk.chunk_id,"RIFF", 4);
    fiffchunk.chunk_size = pcmfile_size+36;
    strncpy(fiffchunk.format,"WAVE",4);
    fwrite(&fiffchunk, sizeof(fiffchunk)