ffmpeg 音频转码
2016-09-24 本文已影响2514人
Zsj_Sky
转码一般流程
- 获取音频数据(AAC,MP3等)
- 解码（获取音频原始采样数据pcm）
- 编码（对pcm进行编码）
使用ffmpeg的函数表示的大概流程
//初始化输入
avformat_open_input() -- 打开对应音频文件
avformat_find_stream_info() -- 从输入文件中获取到流的相关信息，例如：文件中流的数量
//初始化解码器
avcodec_find_decoder() -- 根据ffmpeg提供的解码器id，找到对应的解码器
avcodec_open2() -- 打开解码器
//初始化输出
avformat_alloc_context() -- 创建输出信息上下文
avcodec_find_encoder() -- 找到编码器
avcodec_alloc_context3() -- 根据编码器，初始化编码上下文
avcodec_open2() -- 打开编码器
//初始化一个FIFO(先进先出)
av_audio_fifo_alloc() -- 初始化一个先进先出的缓存，用了存储解码后的pcm数据
//初始化音频重采用器
swr_alloc_set_opts() -- 设置转化器参数
swr_init() -- 初始化转换器
//开始音频转换
while(finished) {
// 解码
av_read_frame() -- 读取要进行转码的数据
avcodec_decode_audio4() -- 进行解码
av_samples_alloc() -- 创建样本空间
swr_convert() -- 数据重采样
av_audio_fifo_write() -- 将数据存储到fifo缓存中
// 编码
av_audio_fifo_read() -- 从fifo缓存中读取pcm数据
avcodec_encode_audio2() -- 将数据进行编码
}
知识点
AVSampleFormat(样本数据格式)
在说明该格式之前，先说一个样本数据存储的2种方式packet和planar。
packed - 将所有声道的数据，交替的存储成一维数组
planar - 每一个声道单独存放,一个二维数组表示，每一行代表一个声道。
例如：
现在有一段音频采用，左声道用L表示，右声道用R表示
LRLRLR......LR 表示使用了packed方式存储
LLLLL..L 和 RRRRR..R 表示使用了planar方式存储
在ffmpeg中，采样样本的数据格式有如下几种类型
enum AVSampleFormat {
AV_SAMPLE_FMT_NONE = -1,
AV_SAMPLE_FMT_U8, ///< unsigned 8 bits
AV_SAMPLE_FMT_S16, ///< signed 16 bits
AV_SAMPLE_FMT_S32, ///< signed 32 bits
AV_SAMPLE_FMT_FLT, ///< float
AV_SAMPLE_FMT_DBL, ///< double
AV_SAMPLE_FMT_U8P, ///< unsigned 8 bits, planar
AV_SAMPLE_FMT_S16P, ///< signed 16 bits, planar
AV_SAMPLE_FMT_S32P, ///< signed 32 bits, planar
AV_SAMPLE_FMT_FLTP, ///< float, planar
AV_SAMPLE_FMT_DBLP, ///< double, planar
AV_SAMPLE_FMT_NB ///< Number of sample formats. DO NOT USE if linking dynamically
};
AVCodecContext的属性
channel_layout
channel_layout表示声道布局，代表左右声道形成的立体声，还是单声道。
在ffmpeg中，支持的声道布局有
/**
* @defgroup channel_masks Audio channel masks
*
* A channel layout is a 64-bits integer with a bit set for every channel.
* The number of bits set must be equal to the number of channels.
* The value 0 means that the channel layout is not known.
* @note this data structure is not powerful enough to handle channels
* combinations that have the same channel multiple times, such as
* dual-mono.
*
* @{
*/
#define AV_CH_FRONT_LEFT 0x00000001
#define AV_CH_FRONT_RIGHT 0x00000002
#define AV_CH_FRONT_CENTER 0x00000004
#define AV_CH_LOW_FREQUENCY 0x00000008
#define AV_CH_BACK_LEFT 0x00000010
#define AV_CH_BACK_RIGHT 0x00000020
#define AV_CH_FRONT_LEFT_OF_CENTER 0x00000040
#define AV_CH_FRONT_RIGHT_OF_CENTER 0x00000080
#define AV_CH_BACK_CENTER 0x00000100
#define AV_CH_SIDE_LEFT 0x00000200
#define AV_CH_SIDE_RIGHT 0x00000400
#define AV_CH_TOP_CENTER 0x00000800
#define AV_CH_TOP_FRONT_LEFT 0x00001000
#define AV_CH_TOP_FRONT_CENTER 0x00002000
#define AV_CH_TOP_FRONT_RIGHT 0x00004000
#define AV_CH_TOP_BACK_LEFT 0x00008000
#define AV_CH_TOP_BACK_CENTER 0x00010000
#define AV_CH_TOP_BACK_RIGHT 0x00020000
#define AV_CH_STEREO_LEFT 0x20000000 ///< Stereo downmix.
#define AV_CH_STEREO_RIGHT 0x40000000 ///< See AV_CH_STEREO_LEFT.
#define AV_CH_WIDE_LEFT 0x0000000080000000ULL
#define AV_CH_WIDE_RIGHT 0x0000000100000000ULL
#define AV_CH_SURROUND_DIRECT_LEFT 0x0000000200000000ULL
#define AV_CH_SURROUND_DIRECT_RIGHT 0x0000000400000000ULL
#define AV_CH_LOW_FREQUENCY_2 0x0000000800000000ULL
/** Channel mask value used for AVCodecContext.request_channel_layout
to indicate that the user requests the channel order of the decoder output
to be the native codec channel order. */
#define AV_CH_LAYOUT_NATIVE 0x8000000000000000ULL
/**
* @}
* @defgroup channel_mask_c Audio channel layouts
* @{
* */
#define AV_CH_LAYOUT_MONO (AV_CH_FRONT_CENTER) // 单声道
#define AV_CH_LAYOUT_STEREO (AV_CH_FRONT_LEFT|AV_CH_FRONT_RIGHT) // 立体声道
#define AV_CH_LAYOUT_2POINT1 (AV_CH_LAYOUT_STEREO|AV_CH_LOW_FREQUENCY)
#define AV_CH_LAYOUT_2_1 (AV_CH_LAYOUT_STEREO|AV_CH_BACK_CENTER)
#define AV_CH_LAYOUT_SURROUND (AV_CH_LAYOUT_STEREO|AV_CH_FRONT_CENTER)
#define AV_CH_LAYOUT_3POINT1 (AV_CH_LAYOUT_SURROUND|AV_CH_LOW_FREQUENCY)
#define AV_CH_LAYOUT_4POINT0 (AV_CH_LAYOUT_SURROUND|AV_CH_BACK_CENTER)
#define AV_CH_LAYOUT_4POINT1 (AV_CH_LAYOUT_4POINT0|AV_CH_LOW_FREQUENCY)
#define AV_CH_LAYOUT_2_2 (AV_CH_LAYOUT_STEREO|AV_CH_SIDE_LEFT|AV_CH_SIDE_RIGHT)
#define AV_CH_LAYOUT_QUAD (AV_CH_LAYOUT_STEREO|AV_CH_BACK_LEFT|AV_CH_BACK_RIGHT)
#define AV_CH_LAYOUT_5POINT0 (AV_CH_LAYOUT_SURROUND|AV_CH_SIDE_LEFT|AV_CH_SIDE_RIGHT)
#define AV_CH_LAYOUT_5POINT1 (AV_CH_LAYOUT_5POINT0|AV_CH_LOW_FREQUENCY)
#define AV_CH_LAYOUT_5POINT0_BACK (AV_CH_LAYOUT_SURROUND|AV_CH_BACK_LEFT|AV_CH_BACK_RIGHT)
#define AV_CH_LAYOUT_5POINT1_BACK (AV_CH_LAYOUT_5POINT0_BACK|AV_CH_LOW_FREQUENCY)
#define AV_CH_LAYOUT_6POINT0 (AV_CH_LAYOUT_5POINT0|AV_CH_BACK_CENTER)
#define AV_CH_LAYOUT_6POINT0_FRONT (AV_CH_LAYOUT_2_2|AV_CH_FRONT_LEFT_OF_CENTER|AV_CH_FRONT_RIGHT_OF_CENTER)
#define AV_CH_LAYOUT_HEXAGONAL (AV_CH_LAYOUT_5POINT0_BACK|AV_CH_BACK_CENTER)
#define AV_CH_LAYOUT_6POINT1 (AV_CH_LAYOUT_5POINT1|AV_CH_BACK_CENTER)
#define AV_CH_LAYOUT_6POINT1_BACK (AV_CH_LAYOUT_5POINT1_BACK|AV_CH_BACK_CENTER)
#define AV_CH_LAYOUT_6POINT1_FRONT (AV_CH_LAYOUT_6POINT0_FRONT|AV_CH_LOW_FREQUENCY)
#define AV_CH_LAYOUT_7POINT0 (AV_CH_LAYOUT_5POINT0|AV_CH_BACK_LEFT|AV_CH_BACK_RIGHT)
#define AV_CH_LAYOUT_7POINT0_FRONT (AV_CH_LAYOUT_5POINT0|AV_CH_FRONT_LEFT_OF_CENTER|AV_CH_FRONT_RIGHT_OF_CENTER)
#define AV_CH_LAYOUT_7POINT1 (AV_CH_LAYOUT_5POINT1|AV_CH_BACK_LEFT|AV_CH_BACK_RIGHT)
#define AV_CH_LAYOUT_7POINT1_WIDE (AV_CH_LAYOUT_5POINT1|AV_CH_FRONT_LEFT_OF_CENTER|AV_CH_FRONT_RIGHT_OF_CENTER)
#define AV_CH_LAYOUT_7POINT1_WIDE_BACK (AV_CH_LAYOUT_5POINT1_BACK|AV_CH_FRONT_LEFT_OF_CENTER|AV_CH_FRONT_RIGHT_OF_CENTER)
#define AV_CH_LAYOUT_OCTAGONAL (AV_CH_LAYOUT_5POINT0|AV_CH_BACK_LEFT|AV_CH_BACK_CENTER|AV_CH_BACK_RIGHT)
#define AV_CH_LAYOUT_HEXADECAGONAL (AV_CH_LAYOUT_OCTAGONAL|AV_CH_WIDE_LEFT|AV_CH_WIDE_RIGHT|AV_CH_TOP_BACK_LEFT|AV_CH_TOP_BACK_RIGHT|AV_CH_TOP_BACK_CENTER|AV_CH_TOP_FRONT_CENTER|AV_CH_TOP_FRONT_LEFT|AV_CH_TOP_FRONT_RIGHT)
#define AV_CH_LAYOUT_STEREO_DOWNMIX (AV_CH_STEREO_LEFT|AV_CH_STEREO_RIGHT)
通过channels,channel_layout和sample_fmt,可以很便捷的设置声道的相关信息
例如：
channels = 2;
channel_layout = AV_CH_LAYOUT_STEREO
sample_fmt = AV_SAMPLE_FMT_FLTP
表示 这个音频数据有2个声道，分别是左右声道，声音数据信息采用浮点型的planar格式进行存储，即左右声道分开存储
sample_rate
sample_rate表示声道的采样率，表示1s内采集的声音样本个数。
例如：44100表示1s内采集了44100个声音的样本数据
AVFrame
AVFrame 存储的数据，是解码后的数据。即音频中的PCM数据
data
存储了音频声道或图片信息
linesize
对于视频，存储了每一个图片平面的长度
对于音频，存储了每一个声道中数据的长度
对于音频，只有linesize[0]被使用，因为音频中，每一个声道的大小应该相等
extended_data
对于视频，只是简单的指向data[]
对于planar格式的音频，每一个声道有一个独立的数据指针，并且linesize[0]包含了每一个声道存储数据的大小
nb_samples
表示这一帧中，每个声道中有多少个采样点
详细代码讲解
- (void)tranformateToAAC {
// 创建文件夹
NSArray *paths = NSSearchPathForDirectoriesInDomains(NSDocumentDirectory, NSUserDomainMask, YES);
NSString *docDir = [paths objectAtIndex:0];
NSFileManager *fileManager = [NSFileManager defaultManager];
NSString *h264FileName = @"testMp4ToAAC.aac";
NSString *pcmFileName = @"testMp4ToPcm.pcm";
NSString *h264Path = [docDir stringByAppendingPathComponent:h264FileName];
NSString *pcmPath = [docDir stringByAppendingPathComponent:pcmFileName];
[fileManager removeItemAtPath:h264Path error:nil];
[fileManager removeItemAtPath:pcmPath error:nil];
[fileManager createFileAtPath:h264Path contents:nil attributes:nil];
[fileManager createFileAtPath:pcmPath contents:nil attributes:nil];
fileHandle = [NSFileHandle fileHandleForWritingAtPath:h264Path];
pcmfileHandle = [NSFileHandle fileHandleForWritingAtPath:pcmPath];
NSLog(@"dic = %@",docDir);
NSString *fileName = [docDir stringByAppendingPathComponent:@"video.mp4"];
av_register_all();
avcodec_register_all();
AVFormatContext *inputFormatCtx = NULL;
// 打开输入音频文件
int ret = avformat_open_input(&inputFormatCtx, [fileName UTF8String], NULL, 0);
if (ret != 0) {
NSLog(@"打开文件失败");
return;
}
//获取音频中流的相关信息
ret = avformat_find_stream_info(inputFormatCtx, 0);
if (ret != 0) {
NSLog(@"不能获取流信息");
return;
}
// 获取数据中音频流的序列号，这是一个标识符
int index = 0,audioStream = -1;
AVCodecContext *inputCodecCtx;
for (index = 0; index <inputFormatCtx->nb_streams; index++) {
AVStream *stream = inputFormatCtx->streams[index];
AVCodecContext *code = stream->codec;
if (code->codec_type == AVMEDIA_TYPE_AUDIO){
audioStream = index;
break;
}
}
//从音频流中获取输入编解码相关的上下文
inputCodecCtx = inputFormatCtx->streams[audioStream]->codec;
//查找解码器
AVCodec *pCodec = avcodec_find_decoder(inputCodecCtx->codec_id);
// 打开解码器
int result = avcodec_open2(inputCodecCtx, pCodec, nil);
if (result < 0) {
NSLog(@"打开音频解码器失败");
return;
}
// 创建aac编码器
AVCodec *aacCodec = avcodec_find_encoder(AV_CODEC_ID_AAC);
if (!aacCodec){
printf("Can not find encoder!\n");
return ;
}
//常见aac编码相关上下文信息
AVCodecContext *aacCodeContex = avcodec_alloc_context3(aacCodec);
// 设置编码相关信息
aacCodeContex->sample_fmt = aacCodec->sample_fmts[0];
aacCodeContex->sample_rate= inputCodecCtx->sample_rate; // 音频的采样率
aacCodeContex->channel_layout = av_get_default_channel_layout(2);
aacCodeContex->channels = inputCodecCtx->channels;
aacCodeContex->strict_std_compliance = FF_COMPLIANCE_EXPERIMENTAL;
//打开编码器
AVDictionary *opts = NULL;
result = avcodec_open2(aacCodeContex, aacCodec, &opts);
if (result < 0) {
NSLog(@"failure open code");
return;
}
//初始化先进先出缓存队列
AVAudioFifo *fifo = av_audio_fifo_alloc(AV_SAMPLE_FMT_FLTP,aacCodeContex->channels, aacCodeContex->frame_size);
//获取编码每帧的最大取样数
int output_frame_size = aacCodeContex->frame_size;
// 初始化重采样上下文
SwrContext *resample_context = NULL;
if (init_resampler(inputCodecCtx, aacCodeContex,
&resample_context)){
}
BOOL finished = NO;
while (1) {
if (finished){
break;
}
// 查看fifo队列中的大小是否超过可以编码的一帧的大小
while (av_audio_fifo_size(fifo) < output_frame_size) {
// 如果没超过，则继续进行解码
if (finished)
{
break;
}
AVFrame *audioFrame = av_frame_alloc();
AVPacket packet;
packet.data = NULL;
packet.size = 0;
int data_present;
// 读取出一帧未解码数据
finished = (av_read_frame(inputFormatCtx, &packet) == AVERROR_EOF);
// 判断该帧数据是否为音频数据
if (packet.stream_index != audioStream) {
continue;
}
// 开始进行解码
if ( avcodec_decode_audio4(inputCodecCtx, audioFrame, &data_present, &packet) < 0) {
NSLog(@"音频解码失败");
return ;
}
if (data_present)
{
//将pcm数据写入文件
for(int i = 0 ; i <audioFrame->channels;i++)
{
NSData *data = [NSData dataWithBytes:audioFrame->data[i] length:audioFrame->linesize[0]];
[pcmfileHandle writeData:data];
}
}
// 初始化进行重采样的存储空间
uint8_t **converted_input_samples = NULL;
if (init_converted_samples(&converted_input_samples, aacCodeContex,
audioFrame->nb_samples))
{
return;
}
// 进行重采样
if (convert_samples((const uint8_t**)audioFrame->extended_data, converted_input_samples,
audioFrame->nb_samples, resample_context))
{
return;
}
//将采样结果加入进fifo中
add_samples_to_fifo(fifo, converted_input_samples,audioFrame->nb_samples);
// 释放重采样存储空间
if (converted_input_samples)
{
av_freep(&converted_input_samples[0]);
free(converted_input_samples);
}
}
// 从fifo队列中读入数据
while (av_audio_fifo_size(fifo) >= output_frame_size || finished) {
AVFrame *frame;
frame = av_frame_alloc();
const int frame_size = FFMIN(av_audio_fifo_size(fifo),aacCodeContex->frame_size);
// 设置输入帧的相关参数
(frame)->nb_samples = frame_size;
(frame)->channel_layout = aacCodeContex->channel_layout;
(frame)->format = aacCodeContex->sample_fmt;
(frame)->sample_rate = aacCodeContex->sample_rate;
int error;
//根据帧的相关参数，获取数据存储空间
if ((error = av_frame_get_buffer(frame, 0)) < 0)
{
av_frame_free(&frame);
return ;
}
// 从fifo中读取frame_size个样本数据
if (av_audio_fifo_read(fifo, (void **)frame->data, frame_size) < frame_size)
{
av_frame_free(&frame);
return ;
}
AVPacket pkt;
av_init_packet(&pkt);
pkt.data = NULL;
pkt.size = 0;
int data_present = 0;
frame->pts = av_frame_get_best_effort_timestamp(frame);
frame->pict_type=AV_PICTURE_TYPE_NONE;
// 将pcm数据进行编码
if ((error = avcodec_encode_audio2(aacCodeContex, &pkt,frame, &data_present)) < 0)
{
av_free_packet(&pkt);
return ;
}
av_frame_free(&frame);
// 如果编码成功，写入文件
if (data_present) {
NSData *data = [NSData dataWithBytes:pkt.data length:pkt.size];
NSLog(@"pkt length = %d",pkt.size);
[fileHandle writeData:[self adtsDataForPacketLength:pkt.size]];
[fileHandle writeData:data];
}
av_free_packet(&pkt);
}
}
NSLog(@"***************************************end");
}
