从libav收集解码音频作为替身

Collect decoded audio from libav as doubles

本文关键字：替身 音频 解码 libav      更新时间：2023-10-16

我目前正在尝试收集解码的音频数据(来自多种格式(，以执行某些音频操作(使用*.wav文件进行测试(。

我有一个通过FFmpeg-libav处理所有解码的类。如果我将数据作为单位8_t提取到向量中，并且

for (int i = 0; i < bytevector.size(); i++) {
    fwrite(&bytevector[i], sizeof (uint8_t), 1, outfile2);
}

到原始文件并通过播放play -t raw -r 44100 -b16 -c 1 -e signed sound.raw听起来很好。

然而，当文件为每个样本2个字节，并且frame->data信息为uint8_t时，如何将所有正确信息都设为doubles？我测试过的wav文件是44100/16bits/1通道。(我已经有代码将uint8_t*更改为双(

使用Scilab打开相同的文件将显示字节向量大小的一半为双字节。

Scilab中的wav文件作为替身数组显示：
-0.1，-0.099，-0.098，…，0.099，+0.1

相对于字节向量：
51、243、84、243、117、243。。。

51和243真的能形成双冠王吗？关于如何克服这个问题，有什么建议吗

以下代码供参考：

 while ((av_read_frame(formatContext, &readingPacket)) == 0) {
        if (readingPacket.stream_index == audioStreamIdx) {
            AVPacket decodingPacket = readingPacket;
            while (decodingPacket.size > 0) {
                int gotFrame = 0;
                int result = avcodec_decode_audio4(context, frame, &gotFrame, &decodingPacket);
                if (result < 0) {
                    break;
                }
                decoded = FFMIN(result, decodingPacket.size);
                if (gotFrame) {
                    data_size = (av_get_bytes_per_sample(context->sample_fmt));
                    if (data_size < 0) {
                    }
                    // Only for 1 channel temporarily
                    for (int i = 0; i < frame->nb_samples; i++) {
                        for (int ch = 0; ch < context->channels; ch++) {
                            for (int j = 0; j < data_size; j++) {
                                bytevector.push_back(*(frame->data[ch] + data_size * i + j)); 
                            }
                        }
                    }
                } else {
                    decodingPacket.size = 0;
                    decodingPacket.data = NULL;
                }
                decodingPacket.size -= result;
                decodingPacket.data += result;
            }
        }
        av_free_packet(&readingPacket);
    }

音频数据以多种不同的格式存储。得到一个uint8_t[]数组的意义不大。它不是每个数组一个字节。相反，你需要知道格式。这里-b16告诉我uint8_t[]数据实际上是16位PCM编码的数据，即在-32768到+32767的范围内。Scilab似乎更喜欢浮点小数，因此除以32768.0。这只是代表性的改变；它只是将比例缩小到-1.0，+1.0。

将其与角度进行比较：直角是π/2弧度上的90度；确切的数字并不重要，但两者都是一个完整圆圈的1/4。

将两个字节转换为浮点的快速方法：

byte bits[] = {195,255}; //first sample in the test s16 wav file
int16_t sample;
memcpy(&sample,&bits,sizeof(bits));
std::cout<<sample*(1.0f/32768.0f)<<std::endl;

此代码在打印时产生-0.001861572265625(具有更高的精度setprecision(xx(；(这是Scilab用相同文件给出的第一个数字。

我希望这能帮助任何有类似问题的人。

相关文章：