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:
-
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。
-
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。
-
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。
-
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:
-
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) aacframelength=(protectionabsent==1?7:9)+size(AACFrame) 其中size(AACFrame)
是AAC原始数据的长度。
- 如果
-
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。
-
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
-
0xFF:
syncword
的第一部分,表示ADTS帧的开始,固定为0xFFF。 -
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)。 -
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)。 -
0x40: 是
sampling_frequency_index
的一部分,表示采样率的索引。 -
0x20: 包含
channel_configuration
(声道配置)的一部分。 -
0xFF:
frame_length
的高字节。 -
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0
return 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, // 0x0
88200, // 0x1
64000, // 0x2
48000, // 0x3
44100, // 0x4
32000, // 0x5
24000, // 0x6
22050, // 0x7
16000, // 0x8
12000, // 0x9
11025, // 0xa
8000 // 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);//1bit
p_adts_header[1] |= (0 << 1);// 2bits
p_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 // 2bits
p_adts_header[2] |= (sampling_frequency_index & 0x0f)<<2; // sampling_frequency_index字段 4bits
p_adts_header[2] |= (0 << 1); // private_bit: 保留位 1bits
p_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 1bit
p_adts_header[3] |= (0 << 4); // home: 保留位 1bit
p_adts_header[3] |= (0 << 3); // copyright id bit: 保留位 1bit
p_adts_header[3] |= (0 << 2); // copyright id start: 保留位 1bit
p_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
}