音视频 Day 09 PCM 转 WAV

1. 在 FFmpeg 的源码中，经常能看到 >>3 是什么意思？

• 二进制右移三位，表示 除以 8

2. 如何通过命名行得知录音设备的采样率、声道数、采样格式？

• 让录音设备进行录音 ffmpeg -f avfoundation -i :0 out.wav

Input #0, avfoundation, from ':0':
Duration: N/A, start: 87533.086750, bitrate: 256 kb/s
Stream #0:0: Audio: pcm_f32le, 8000 Hz, mono, flt, 256 kb/s

• 采样率：8000Hz
• 声道数 mono（单声道）
• 采样格式：f32le（浮点 32 位小端模式）

3. 如何在代码中获取录音设备的采样率、声道数、采样格式？

• ctx → streams → streams → codec → sample_rate = 8000 (采样率)
• ctx → streams → streams → codec → sample_fmt = 1 (声道数)
• ctx → streams → streams → codec_id = AV_CODEC_ID_PCM_F32LE (采样格式)

4. RIFF 是什么？哪两个比较主流的音频格式是遵守 RIFF 的？

• RIFF（Resource Interchange File Format，资源交换文件格式）由 Microsoft 和 IBM 提出
• WAV、AVI 文件都是基于 RIFF 标准的文件格式，所以 WAV、AVI 文件的最前面 4 个字节都是 RIFF 四个字符

5. chunk 是什么意思？一个 chunk 由哪三部分组成？

• chunk：数据块的意思
• 每个 chunk 主要包含三部分：id（chunk 的标识）、data-size（chunk 的数据部分大小，字节为单位）、data（chunk 的数据部分）

6. 解剖 WVA 文件

• 使用前面命令行录制音频，可以获得 out.wav 文件，文件大小：348204 字节
• 我们将 out.wav 使用 vscode 以二进制文件的格式打开，然后我们分析其头部数据

// out.wav 的首部部分16 进制数据
00000000: 52 49 46 46 24 50 05 00 57 41 56 45 66 6D 74 20    RIFF$P..WAVEfmt.
00000010: 10 00 00 00 01 00 02 00 44 AC 00 00 10 B1 02 00    ........D,...1..
00000020: 04 00 10 00 64 61 74 61 00 50 05 00 00 00 0E BB    ....data.P.....;

• 对 out.wav 的前 44 个字节进行解析如下：

52 49 46 46（ChunkID，4 字节） = ‘RIFF’

24 50 05 00 （ChunkSize，4 字节）=  348196  = 348204 - 8

57 41 56 45 （Format，4 字节） = ‘WAVE’

66 6D 74 20 （Subchunk1ID，4 字节） = ‘fmt ’

10 00 00 00 (Subchunk1 Size，4 字节) = 16

01 00（AudioFormate，2 字节） = 音频格式 = 1

02 00 （NumChannels，2 字节）= 声道数 = 2

44 AC 00 00（SampleRate，4 字节）= 采样率 = 44100

10 B1 02 00（ByteRate，4 字节）= 字节率 = 176400

04 00 （BlockAlign，2 字节）= 内存对齐 = 4

10 00 （BitsPerSample）= 每个样本的位深度 =  16

64 61 74 61（Subchunk2ID，4 字节） = ‘data’

00 50 05 00 (Subchunk2 Size，4 字节) = 音频PCM数据大小 = 348160 = 348204 - 44

7. 需要理解的三幅图

8. 命令行实现 PCM 转 WAV

ffmpeg -ar 44100 -ac 2 -f s16le -i out.pcm -bitexact out2.wav

9. 代码实现 PCM 转 WAV

void FFmpegs::pcm2wav(WAVHeader &header, const char *pcmFilename, const char *wavFilename) {
 header.blockAlign = header.bitsPerSample * header.numChannels >> 3;
 header.byteRate = header.sampleRate * header.blockAlign;
 
 // 打开 pcm 文件
 QFile pcmFile(pcmFilename);
 if (!pcmFile.open(QFile::ReadOnly)) {
     qDebug() << "文件打开失败" << pcmFilename;
     return;
 }
 
 
 header.dataChunkDataSize = pcmFile.size();
 header.riffChunkDataSize = header.dataChunkDataSize
                            + sizeof (WAVHeader)
                            - sizeof (header.riffChunkId)
                            - sizeof (header.riffChunkDataSize);
 
 // 打开 wav 文件
 QFile wavFile(wavFilename);
 if (!wavFile.open(QFile::WriteOnly)) {
     qDebug() << "文件打开失败" << wavFilename;
     
     pcmFile.close();
     return;
 }
 
 // 写入头部
 wavFile.write((const char*)&header, sizeof(WAVHeader));
 
 // 写入 pcm 数据
 char buf[1024];
 int size;
 while ((size = pcmFile.read(buf, sizeof(buf))) > 0) {
     wavFile.write(buf, size);
 }
 
 // 关闭文件
 pcmFile.close();
 wavFile.close();
}

• 调用代码如下：

WAVHeader header;
header.sampleRate = 44100;
header.bitsPerSample = 16;
header.numChannels = 2;

FFmpegs::pcm2wav(header,
              "/Users/linsipei/Documents/ffmpeg_workspcace/05_tmp/in.pcm",
              "/Users/linsipei/Documents/ffmpeg_workspcace/05_tmp/out.wav");

10. 代码实现 录制的PCM 直接转 WAV（包含动态获取录音设备的相关信息操作）

// 获取输入流
AVStream *stream = ctx->streams[0];
// 获取音频参数
AVCodecParameters *params = stream->codecpar;

//pcm 转 wav 文件
WAVHeader header;
header.sampleRate = params->sample_rate;
header.bitsPerSample = av_get_bits_per_sample(params->codec_id);
header.numChannels = params->channels;
if (params->codec_id >= AV_CODEC_ID_PCM_F32BE) {
 header.audioFormat = AUDIO_FORMAT_FLOAT;
}
FFmpegs::pcm2wav(header, filename.toUtf8().data(), wavFilename.toUtf8().data());