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 unit8_t 提取到 vector 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。但是,怎么可能拥有所有 正确信息例如,当文件是每个样本 2 个字节并且
frame->data
信息以 uint8_t 给出?我测试过的 wav 文件是 44100/16bits/1 channel 。 (我已经有将 uint8_t* 更改为 double 的代码)使用 Scilab 打开相同的文件将显示一半大小的字节 vector 作为 double 数。
wav file in Scilab as an array of doubles shows:
-0.1, -0.099, -0.098, ..., 0.099, +0.1versus byte vector:
51, 243, 84, 243, 117, 243, ...
51和243真的能组成双吗?关于如何解决这个问题的任何建议?
以下代码供引用:
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);
}
最佳答案
音频数据以许多不同的格式存储。你得到一个uint8_t[]
数组意味着相当少。每个数组不是一个字节。相反,您需要知道格式。这里-b16
告诉我 uint8_t[]
data 实际上是 16 位 PCM 编码的数据,即范围从 -32768 到 +32767。 Scilab 似乎更喜欢浮点刻度,因此除以 32768.0。这只是表示形式的变化;它只是将比例缩小到-1.0,+1.0。
将其与角度进行比较:直角在 pi/2 弧度上是 90 度;确切的数字无关紧要,但两者都是整圈的 1/4。
关于c++ - 从 libav 收集解码的音频作为 double ,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31659306/