音视频--AAC编码解析和示例

2024-05-12 13:52
文章标签 解析 编码 示例 音视频 aac

本文主要是介绍音视频--AAC编码解析和示例，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

目录

1：AAC编码介绍

2：AAC格式介绍

3：AAC -ADTS帧组成

4：AAC-ADTS：（adts_fixed_header）格式介绍

5：AAC-ADTS：（adts_variable_header）格式介绍

6：示例代码：

1：AAC编码介绍

        AAC 代表 Advanced Audio Coding，是一种有损音频压缩格式。它由 MPEG-4 标准定义，由 Fraunhofer 公司开发，Dolby、Sony 和 AT&T 是主要的贡献者。AAC 提供了高质量的音频压缩，被广泛用于音乐存储和流媒体传输。

2：AAC格式介绍

AAC主要有下面两个格式：

  1. ADTS（Audio Data Transport Stream）：一般用的都是这个格式。ADTS 是 AAC 音频的传输流格式。AAC 音频格式在 MPEG-2 标准（ISO-13318-7 2003）中有定义，并且后来被采用到 MPEG-4 标准中。ADTS 格式的特点是它是一个有同步字的比特流，也就是说每一帧都有头信息，这使得解码可以在流的任何位置开始。因此，ADTS 可以在任意帧解码，与之相反的是，ADIF 只有一个统一的头信息，也就是说它每⼀帧都有头信息。因此必须获取到所有的数据后才能解码。

  2. ADIF（Audio Data Interchange Format）：ADIF 是一种音频数据交换格式。它的特点是可以确定地找到音频数据的开始，而不需要在音频数据流中间开始解码。这意味着解码可以从明确定义的起始点开始，通常用于存储在磁盘文件中的音频数据。这个基本用不到

当对音频进行编码时，有时直接编码得到的AAC文件（称为“裸流”）可能无法在个人电脑(PC)或手机上正常播放。这通常是因为这些AAC文件的每一帧缺少了必要的ADTS头信息。

为了解决这个问题，需要在AAC原始数据块（即没有ADTS头的音频数据）前添加ADTS头。这样，每个AAC数据块前都会有一个包含必要信息的ADTS头，使得播放器可以正确地识别和播放音频。

添加ADTS头后，原始的AAC数据块就成为了一个完整的ADTS帧。ADTS帧由ADTS头和随后的AAC音频数据组成。ADTS头的长度通常是固定的7或9字节，具体取决于是否包含CRC（循环冗余校验）信息。

3：AAC -ADTS帧组成

        AAC⾳频⽂件的每⼀帧由ADTS Header和AAC Audio Data组成。结构体如 下：

ADTS（Audio Data Transport Stream）头部信息是AAC音频文件中非常重要的一部分，它包含了音频流的元数据，例如采样率，声道，帧⻓度等等，使得解码器能够正确地解析和播放音频。ADTS头部信息通常由7个字节组成，分为两个部分：其⼀为固定头信息，紧接着是可变头信息。

  1. adts_fixed_header()（固定头信息）：这部分是每个ADTS帧都相同的信息，不随音频内容变化。它包含以下内容：

    • syncword（同步头）：总是0xFFF（十六进制），用于识别ADTS帧的开始。
    • ID：表示MPEG的版本，0表示MPEG-4，1表示MPEG-2。
    • Layer：对于AAC来说，这个值总是'00'，因为AAC属于MPEG-4的Layer 1。
    • protection_absent：表示是否有CRC（循环冗余校验）存在，1表示没有CRC，0表示有CRC。
    • profile：表示使用的AAC编码配置，如Low Complexity（LC）等。

  2. adts_variable_header()（可变头信息）：这部分信息在不同的ADTS帧之间可能会变化，它包含以下内容：

    • sampling_frequency_index：采样率索引，用于查找具体的采样率值。
    • channel_configuration：声道配置，表示音频的声道数，如立体声、5.1声道等。
    • frame_length：ADTS帧的长度，包括ADTS头和AAC原始数据的长度。
    • adts_buffer_fullness：码率信息，用于指示码率是否可变。
    • number_of_raw_data_blocks_in_frame：表示ADTS帧中AAC原始数据块的数量。

ADTS头部的这种结构设计允许解码器快速获取音频流的关键信息，并能够从流中的任意位置开始解码，这使得AAC文件非常适合用于流媒体传输。

在具体实现中，解码器会首先读取固定头信息以确认遇到了一个ADTS帧，然后读取可变头信息以获取必要的解码参数。这样，解码器就可以正确地解析出音频数据并进行播放。

4：AAC-ADTS：（adts_fixed_header）格式介绍

如下图：

  • syncword（同步头）：这个字段总是设置为0xFFF，它是一个12位的字段，用于标识ADTS帧的开始。这个同步字是固定的，所有ADTS帧的开始都是这个值，便于解码器识别帧的起始位置。

  • ID：这个字段占用1位，用于区分MPEG的版本。0表示MPEG-4，1表示MPEG-2。由于AAC通常是MPEG-4的一部分，所以这个值通常是0。

  • Layer：这个字段占用2位。对于AAC来说，由于AAC是MPEG-4的一部分，并且是Layer 1的编码，所以这个值总是'00'。

  • protection_absent：这个字段占用1位。它指示了帧中是否存在CRC（循环冗余校验）。如果设置为1，表示没有CRC，如果设置为0，表示存在CRC。CRC用于检测传输过程中的错误。注意这个值是1表示没有校验，0表示有校验

  • profile：这个字段占用2位，用于表示使用的AAC编码配置。例如，如果设置为01，表示使用的是Low Complexity（LC）配置。不同的配置对应不同的编码复杂度和性能。有些芯⽚只⽀持AAC LC 。

其中：

AAC标准定义了不同的Profile，每个Profile支持不同的特性和工具，以适应不同的应用场景和需求。在ADTS头信息中，"Profile"字段用于指示使用的AAC编码配置。

对于MPEG-2 AAC，存在几种不同的Profile，每种都有特定的Audio Object Type（AOT），这些类型定义了编码音频的特定特性。在MPEG-2 AAC中，Profile的值确实是根据AOT的值来确定的，具体规则是：

  • Profile的值等于Audio Object Type的值减去1。

在MPEG-4 AAC中，Profile的概念略有不同，并且包含更多的Profile类型以支持更广泛的应用。但是，基本的思想是相同的：Profile标识了编码器支持的功能集。

MPEG-4 AAC定义类型如下：

接下来看：

sampling_frequency_index：表示使⽤的采样率下标，通过这个下标在 Sampling Frequencies[ ]数组中查找得知采样率的值。sampling_frequency_index是一个索引值，它用于在一个预定义的采样频率表中查找对应的采样率。在MPEG标准中，这个表是固定的，并且包含了常用的音频采样频率。以下是这个索引表的一个示例：

在ADTS头信息中，sampling_frequency_index通常占用一个4位的字段。这意味着它可以表示从0到15的16个不同的采样频率索引值。根据这个索引值，解码器就可以知道音频数据的采样率是多少，从而正确地进行解码处理。

举个例子，如果sampling_frequency_index的值为3，根据上面的表，我们知道对应的采样率是48000 Hz。这样，解码器就可以按照48000次/秒的频率来重构音频信号。

接下来看：

channel_configuration：用于描述音频流的声道布局或声道数。这个字段对于解码器来说是重要的，因为它决定了音频信号是如何组织的，以及如何通过扬声器或耳机进行播放。

channel_configuration字段通常占用4位，因此可以表示从0到15的16种不同的配置。每种配置对应一种特定的声道布局，以下是一些常见的声道布局及其对应的channel_configuration值：

5：AAC-ADTS：（adts_variable_header）格式介绍

adts_variable_header是AAC音频流中ADTS（Audio Data Transport Stream）头部的可变部分。它提供了关于每个ADTS帧的额外信息，这些信息对于解码器来说是必要的，因为它们描述了音频数据的具体属性。以下是adts_variable_header()中包含的关键字段及其作用：

格式如下：

  1. frame_length: 这个字段占用13位，它定义了一个ADTS帧的总长度，包括ADTS头部和随后的AAC原始数据流。长度的计算方式如下：

    因此，aac_frame_length的计算公式是：

    • 如果protection_absent字段为1（表示没有CRC校验），ADTS头部长度为7字节。
    • 如果protection_absent字段为0（表示有CRC校验），ADTS头部长度为9字节。                                                                                                                               𝑎𝑎𝑐𝑓𝑟𝑎𝑚𝑒𝑙𝑒𝑛𝑔𝑡ℎ=(𝑝𝑟𝑜𝑡𝑒𝑐𝑡𝑖𝑜𝑛𝑎𝑏𝑠𝑒𝑛𝑡==1?7:9)+𝑠𝑖𝑧𝑒(𝐴𝐴𝐶𝐹𝑟𝑎𝑚𝑒)                                      aacf​ramel​ength=(protectiona​bsent==1?7:9)+size(AACFrame)                                         其中size(AACFrame)是AAC原始数据的长度。

  2. adts_buffer_fullness: 这个字段占用11位，表示编码缓冲区的填充度，它用于流式传输中的码率控制。如果这个值是0x7FF，它表示码流是码率可变的。

  3. number_of_raw_data_blocks_in_frame: 这个字段占用2位，表示在ADTS帧中AAC原始数据块的数量。值得注意的是，这个数值是AAC数据块的数量，而不是数据块之后的任何填充字节。因此，如果number_of_raw_data_blocks_in_frame的值为0，它表示ADTS帧中实际上有一个AAC数据块

示例：

第⼀帧的帧头7个字节为：0xFF 0xF1 0x4C 0x40 0x20 0xFF 0xFC

  1. 0xFF: syncword的第一部分，表示ADTS帧的开始，固定为0xFFF。

  2. 0xF1: 包含ID（MPEG版本标识，这里为0表示MPEG-4）和Layer（这里为00，因为AAC是MPEG-4的一部分）。

  3. 0x4C: 包含protection_absent（这里为0，表示存在CRC校验）和profile（AAC编码配置，这里为01，表示Low Complexity，LC）。

  4. 0x40: 是sampling_frequency_index的一部分，表示采样率的索引。

  5. 0x20: 包含channel_configuration（声道配置）的一部分。

  6. 0xFF: frame_length的高字节。

  7. 0xFC: frame_length的低字节。

分开也就是：

111111111111
0
00
1
01
0011
0
001
0
0
0
0
0000100000111（帧长度）
11111111111
00

以下是对文档中二进制序列的简化解释：

  • 111111111111: 这是syncword的二进制表示，固定为0xFFF，用来标识ADTS帧的开始。
  • 0: 表示ID字段，这里为0，表示MPEG-4。
  • 00: 表示Layer字段，AAC属于MPEG-4 Layer 1，所以这里为00。
  • 1: 表示protection_absent字段，这里为1，表示没有CRC校验。
  • 01: 表示profile字段，这里可能表示AAC LC（Low Complexity）。
  • 0011: 表示sampling_frequency_index字段的一部分。
  • 0: 表示private_bit字段，通常为0。
  • 001: 表示channel_configuration字段的一部分。
  • 0000100000111: 表示frame_length字段，这是二进制形式的帧长度值。

我们可以计算frame_length：

帧长度（二进制）: 0000100000111

将这个二进制数转换为十进制：

帧长度（十进制）: 2^9 + 2^6 + 2^3 + 2^2 + 2^0 = 512 + 64 + 8 + 4 + 1 = 263

所以，第一帧的ADTS帧长度是263个字节，包括7字节的ADTS头和256字节的AAC原始音频数据。这个帧长度包括了ADTS头部和随后的AAC原始数据流，不包括任何填充字节。

//帧长度为13位，使用unsignedint来存储帧长数值
unsigned int getAFrameLength(unsigned char* str) {// 函数开始，接收一个指向无符号字符的指针作为参数，用于计算帧的长度if (!str) {// 检查输入指针是否为空，如果为空则返回0return 0;}unsigned int tmplen = 0;// 声明一个无符号整数型变量tmplen，用于存储帧的长度int f_bit = str[3];int m_bit = str[4];int b_bit = str[5];// 声明三个整数型变量，分别用于存储输入数组中的第4、5、6个字节的值tmplen += (b_bit >> 5);// 将b_bit中的低3位取出，并将其加到tmplen中tmplen += (m_bit << 3);// 将m_bit中的所有位向左移动3位，并将其加到tmplen中tmplen += ((f_bit & 3) << 11);// 将f_bit中的低2位取出，然后将其向左移动11位，并将其加到tmplen中return tmplen;// 返回计算得到的帧长度
}

6：示例代码：

这段代码的主要功能是将一个媒体文件中的AAC音频流提取出来，并在每个AAC数据帧前添加ADTS头部，然后将这些帧写入到一个新的AAC文件中。代码使用了FFmpeg库中的函数来处理媒体文件和Packet。程序首先查找输入媒体文件中的最佳音频流，然后读取每个Packet，如果Packet属于音频流，则在前面添加一个ADTS头部，并将带有ADTS头部的Packet写入到输出文件中

#include <stdio.h>
#include <libavutil/log.h>
#include <libavformat/avio.h>
#include <libavformat/avformat.h>#define ADTS_HEADER_LEN  7; // ADTS头部长度定义为7字节// 采样频率数组，用于根据采样频率索引值查找具体的采样频率
const int sampling_frequencies[] = {96000,  // 0x088200,  // 0x164000,  // 0x248000,  // 0x344100,  // 0x432000,  // 0x524000,  // 0x622050,  // 0x716000,  // 0x812000,  // 0x911025,  // 0xa8000    // 0xb// 0xc d e f是保留的
};// 构建ADTS头部的函数
int adts_header(char * const p_adts_header, const int data_length,const int profile, const int samplerate,const int channels) {int sampling_frequency_index = 3; // 默认使用48000hz采样频率索引int adtsLen = data_length + 7; // ADTS帧总长度，包括AAC数据和ADTS头部// 查找采样频率对应的索引值for(int i = 0; i < sizeof(sampling_frequencies) / sizeof(sampling_frequencies[0]); i++) {if(sampling_frequencies[i] == samplerate) {sampling_frequency_index = i;break;}}if(i >= sizeof(sampling_frequencies) / sizeof(sampling_frequencies[0])) {printf("unsupport samplerate:%d\n", samplerate);return -1; // 如果没有找到对应的采样频率，返回错误}// 填充ADTS头部的固定字段p_adts_header[0] = 0xff; // syncword高8位p_adts_header[1] = 0xf0; // syncword低4位，MPEG版本（这里为MPEG-4 AAC），Layer（AAC是Layer 1）p_adts_header[1] |= (0 << 3);//1bitp_adts_header[1] |= (0 << 1);// 2bitsp_adts_header[1] |= 1; // protection_absent: 表示没有CRC校验// 1bits// 填充ADTS头部的可变字段p_adts_header[2] = (profile)<<6; // profile字段 // 2bitsp_adts_header[2] |= (sampling_frequency_index & 0x0f)<<2; // sampling_frequency_index字段  4bitsp_adts_header[2] |= (0 << 1); // private_bit: 保留位 1bitsp_adts_header[2] |= (channels & 0x04)>>2; // channel_configuration字段高1位p_adts_header[3] = (channels & 0x03)<<6; // channel_configuration字段低2位p_adts_header[3] |= (0 << 5); // original: 保留位 1bitp_adts_header[3] |= (0 << 4); // home: 保留位 1bitp_adts_header[3] |= (0 << 3); // copyright id bit: 保留位 1bitp_adts_header[3] |= (0 << 2); // copyright id start: 保留位 1bitp_adts_header[3] |= ((adtsLen & 0x1800) >> 11); // frame_length字段高2位p_adts_header[4] = (uint8_t)((adtsLen & 0x7f8) >> 3); // frame_length字段中间8位p_adts_header[5] = (uint8_t)((adtsLen & 0x7) << 5); // frame_length字段低3位p_adts_header[5] |= 0x1f; // buffer fullness: 0x7ff，表示码率可变p_adts_header[6] = 0xfc; // buffer fullness: 0x7ff剩余的6位return 0; // 成功返回0
}int main(int argc, char *argv[]) {// 检查参数数量if(argc < 3) {av_log(NULL, AV_LOG_DEBUG, "the count of parameters should be more than three!\n");return -1;}char *in_filename = argv[1]; // 输入文件路径char *aac_filename = argv[2]; // 输出文件路径FILE *aac_fd = fopen(aac_filename, "wb"); // 打开输出文件if (!aac_fd) {av_log(NULL, AV_LOG_DEBUG, "Could not open destination file %s\n", aac_filename);return -1;}// 设置FFmpeg日志级别av_log_set_level(AV_LOG_DEBUG);// 打开输入媒体文件AVFormatContext *ifmt_ctx = NULL;int ret = avformat_open_input(&ifmt_ctx, in_filename, NULL, NULL);if (ret < 0) {char errors[1024];av_strerror(ret, errors, 1024);av_log(NULL, AV_LOG_DEBUG, "Could not open source file: %s, %d(%s)\n", in_filename, ret, errors);fclose(aac_fd);return -1;}// 获取媒体流信息if (avformat_find_stream_info(ifmt_ctx, NULL) < 0) {char errors[1024];av_log(NULL, AV_LOG_DEBUG, "failed to find stream information\n");fclose(aac_fd);return -1;}// 打印媒体文件格式信息av_dump_format(ifmt_ctx, 0, in_filename, 0);// 寻找音频流的索引int audio_index = av_find_best_stream(ifmt_ctx, AVMEDIA_TYPE_AUDIO, -1, -1, NULL, 0);if (audio_index < 0) {av_log(NULL, AV_LOG_DEBUG, "Could not find audio stream in input file %s\n", in_filename);goto failed;}// 打印AAC配置信息printf("audio profile:%d, FF_PROFILE_AAC_LOW:%d\n", ifmt_ctx->streams[audio_index]->codecpar->profile, FF_PROFILE_AAC_LOW);// 检查是否为AAC编码的音频流if (ifmt_ctx->streams[audio_index]->codecpar->codec_id != AV_CODEC_ID_AAC) {printf("the media file no contain AAC stream, it's codec_id is %d\n", ifmt_ctx->streams[audio_index]->codecpar->codec_id);goto failed;}AVPacket pkt;av_init_packet(&pkt); // 初始化Packet// 读取输入文件的Packet并写入AAC文件while (av_read_frame(ifmt_ctx, &pkt) >= 0) {if (pkt.stream_index == audio_index) {char adts_header_buf[7] = {0};// 调用函数生成ADTS头部adts_header(adts_header_buf, pkt.size,ifmt_ctx->streams[audio_index]->codecpar->profile,ifmt_ctx->streams[audio_index]->codecpar->sample_rate,ifmt_ctx->streams[audio_index]->codecpar->channels);// 写入ADTS头部fwrite(adts_header_buf, 1, 7, aac_fd);// 写入AAC数据int len = fwrite(pkt.data, 1, pkt.size, aac_fd);if (len != pkt.size) {av_log(NULL, AV_LOG_DEBUG, "warning, length of writed data isn't equal pkt.size(%d, %d)\n", len, pkt.size);}}av_packet_unref(&pkt); // 释放Packet资源}failed:// 关闭输入文件和输出文件if (ifmt_ctx) {avformat_close_input(&ifmt_ctx);}if (aac_fd) {fclose(aac_fd);}return 0; // 程序正常退出
}

这篇关于音视频--AAC编码解析和示例的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/982812。

相关文章

网页解析 lxml 库--实战

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库，完全使用 Python 语言编写，它对 XPath表达式提供了良好的支 持，因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块，该模块专门用来解析 HTML/XML 文档，下面来介绍一下 lxml 库
阅读更多...
【C++】_list常用方法解析及模拟实现

【C++】_list常用方法解析及模拟实现

相信自己的力量，只要对自己始终保持信心，尽自己最大努力去完成任何事，就算事情最终结果是失败了，努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一：什么是list？ •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二：list常用接口 •🌰1.默认成员函数 🔥构造函数（⭐） 🔥析构函数 •🌰2.list对象
阅读更多...
OWASP十大安全漏洞解析

OWASP十大安全漏洞解析

OWASP（开放式Web应用程序安全项目）发布的“十大安全漏洞”列表是Web应用程序安全领域的权威指南，它总结了Web应用程序中最常见、最危险的安全隐患。以下是对OWASP十大安全漏洞的详细解析： 1. 注入漏洞（Injection） 描述：攻击者通过在应用程序的输入数据中插入恶意代码，从而控制应用程序的行为。常见的注入类型包括SQL注入、OS命令注入、LDAP注入等。 影响：可能导致数据泄
阅读更多...
从状态管理到性能优化：全面解析 Android Compose

从状态管理到性能优化：全面解析 Android Compose

文章目录 引言一、Android Compose基本概念1.1 什么是Android Compose?1.2 Compose的优势1.3 如何在项目中使用Compose 二、Compose中的状态管理2.1 状态管理的重要性2.2 Compose中的状态和数据流2.3 使用State和MutableState处理状态2.4 通过ViewModel进行状态管理 三、Compose中的列表和滚动
阅读更多...
C++ | Leetcode C++题解之第393题UTF-8编码验证

C++ | Leetcode C++题解之第393题UTF-8编码验证

题目： 题解： class Solution {public:static const int MASK1 = 1 << 7;static const int MASK2 = (1 << 7) + (1 << 6);bool isValid(int num) {return (num & MASK2) == MASK1;}int getBytes(int num) {if ((num &
阅读更多...
Spring 源码解读：自定义实现Bean定义的注册与解析

Spring 源码解读：自定义实现Bean定义的注册与解析

引言 在Spring框架中，Bean的注册与解析是整个依赖注入流程的核心步骤。通过Bean定义，Spring容器知道如何创建、配置和管理每个Bean实例。本篇文章将通过实现一个简化版的Bean定义注册与解析机制，帮助你理解Spring框架背后的设计逻辑。我们还将对比Spring中的BeanDefinition和BeanDefinitionRegistry，以全面掌握Bean注册和解析的核心原理。
阅读更多...
CSP 2023 提高级第一轮 CSP-S 2023初试题 完善程序第二题解析 未完

CSP 2023 提高级第一轮 CSP-S 2023初试题 完善程序第二题解析 未完

一、题目阅读 （最大值之和）给定整数序列 a0,⋯,an−1，求该序列所有非空连续子序列的最大值之和。上述参数满足 1≤n≤105 和 1≤ai≤108。 一个序列的非空连续子序列可以用两个下标 ll 和 rr（其中0≤l≤r<n0≤l≤r<n）表示，对应的序列为 al,al+1,⋯,ar​。两个非空连续子序列不同，当且仅当下标不同。 例如，当原序列为 [1,2,1,2] 时，要计算子序列 [
阅读更多...
C语言 | Leetcode C语言题解之第393题UTF-8编码验证

C语言 | Leetcode C语言题解之第393题UTF-8编码验证

题目： 题解： static const int MASK1 = 1 << 7;static const int MASK2 = (1 << 7) + (1 << 6);bool isValid(int num) {return (num & MASK2) == MASK1;}int getBytes(int num) {if ((num & MASK1) == 0) {return
阅读更多...
多线程解析报表

多线程解析报表

假如有这样一个需求，当我们需要解析一个Excel里多个sheet的数据时，可以考虑使用多线程，每个线程解析一个sheet里的数据，等到所有的sheet都解析完之后，程序需要提示解析完成。 Way1 join import java.time.LocalTime;public class Main {public static void main(String[] args) thro
阅读更多...
ZooKeeper 中的 Curator 框架解析

ZooKeeper 中的 Curator 框架解析

Apache ZooKeeper 是一个为分布式应用提供一致性服务的软件。它提供了诸如配置管理、分布式同步、组服务等功能。在使用 ZooKeeper 时，Curator 是一个非常流行的客户端库，它简化了 ZooKeeper 的使用，提供了高级的抽象和丰富的工具。本文将详细介绍 Curator 框架，包括它的设计哲学、核心组件以及如何使用 Curator 来简化 ZooKeeper 的操作。 1
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2