FFmpeg学习3：播放音频

参考dranger tutorial，本文将介绍如何使用FFmpeg解码音频数据，并使用SDL将解码后的数据输出。
本文主要包含以下几方面的内容：

  • 关于播放音频的需要的一些基础知识介绍
  • 使用SDL2播放音频
  • 数据队列
  • 音频格式的转换

dranger tutorial确实入门FFmpeg比较好的教程，虽然作者在2015年的时候根据新版本的FFmpeg更新了，

但是其中还是有不少API过时了。特别是,教程中使用的是SDL1.0，和现在的SDL2的API也有很大的不同，并且不能兼容。

1. 关于音频的一些基础知识

和视频一样，音频数据也会被打包到一个容器中，其文件的扩展名并不是其编码的方法，只是其打包文件的格式。
现实世界中，我们所听到的声音是一个个连续的波形，但是计算机无法存储和处理这种拥有无限点的波形数据。所以通过重采样，按照一定的
频率（1秒采集多少个点），将有无限个点的连续波形数据转换为有有限个点的离散数据，这就是通常说的A/D转换（模数转换，将模拟数据转换为数字数据）。
通过上面转换过程的描述可以知道，一个数字音频通常由以下三个部分组成：

  • 采样频率 采样是在拥有无限个点的连续波形上选取有限个离散点，采集到的离散点越多，也就越能真实的波形。由于声音是在时间上的连续波形，其采样点的间隔就是两次采样的时间间隔。通俗来说，采样率指的是每秒钟采样的点数，单位为HZ。采样率的倒数是采样周期，也就是两次采样的时间间隔。采样率越大，则采集到的样本点数就越多，采样得到的数字音频也就更接近真实的声音波形，相应的其占用的存储空间也就越大。常用的采样频率有：

    • 22k Hz 无限广播所用的采样率
    • 44.1k Hz CD音质
    • 48k Hz 数字电视，DVD
    • 96k Hz 192k Hz 蓝光盘，高清DVD
  • 采样精度 采集到的点被称为样本（sample），每个样本占用的位数就是采样精度。这点和图像的像素表示比较类似，可以使用8bit，16bit或者24bit来表示采集到的一个样本。同样，一个样本占用的空间越大其表示的就越接近真实的声音。
  • 通道 支持不同发声的音响的个数。常用的声道有单声道、双声道、4声道、5.1声道等。不同的声道在采样的时候是不同的，例如双声道，在每次采样的时候有采集两个样本点。

下图是一个三通道的音频示例

  • 比特率 指的是每秒传送的比特（bit）数，其单位是bps（Bit Per Second），是间接衡量声音质量的一个标准。

    • 没有压缩编码的音频数据，其比特率 = 采样频率 * 采样精度 * 通道数，通过该公式可以看出，比特率越高，采样得到的声音质量就越高，相应的占用的存储空间也就越大。
    • 经过压缩编码后的音频数据也有一个比特率，这时候的比特率也可以称之为码率，因为其反映了压缩编码的效率。码率越高，压缩后的数据越大，得到音频质量越好，相应的压缩的效率也就越低。
      码率 = 音频文件的大小 / 时长，在时长一定的情况下，码率越高则音频文件越大，其音频的品质也就越高。常见的一些码率：
    • 96 Kbps FM质量
    • 128 - 160 Kbps 比较好的音频质量
    • 192Kbps CD质量
    • 256Kbps 320Kbps 高质量音频

通常我们所说的比特率（码率）指的是编码后的每秒钟的数据量。码率越高，压缩比就越小，音频文件就越大，相对的音频质量也就越好。码率可以反映出音频的质量，码率越高，音频质量就越，反之亦然。

2.SDL2播放音频

使用SDL播放解码后的音频数据，SDL播放音频数据的流程如下：

使用SDL播放声音前，首先要设置一些关于音频的选项：采样率，通道数，采样精度，然后还要指定一个回调函数callback以及用户数据（在播放时需要用到的数据指针）。播放音频的时候，SDL将调用回调函数将待播放的音频数据填充到一个特定的缓冲区中。

2.1 SDL_AudioSpec

SDL中的结构体SDL_AudioSpec包含了关于音频的格式信息（采样率，通道数，采样精度）和回调函数以及用户数据指针，其声明如下：

typedef struct SDL_AudioSpec
{
    int freq;                   /**< DSP frequency -- samples per second */
    SDL_AudioFormat format;     /**< Audio data format */
    Uint8 channels;             /**< Number of channels: 1 mono, 2 stereo */
    Uint8 silence;              /**< Audio buffer silence value (calculated) */
    Uint16 samples;             /**< Audio buffer size in samples (power of 2) */
    Uint16 padding;             /**< Necessary for some compile environments */
    Uint32 size;                /**< Audio buffer size in bytes (calculated) */
    SDL_AudioCallback callback; /**< Callback that feeds the audio device (NULL to use SDL_QueueAudio()). */
    void *userdata;             /**< Userdata passed to callback (ignored for NULL callbacks). */
} SDL_AudioSpec;
  • freq 每秒钟发送给音频设备的sample frame的个数，通常是11025，220502，44100和48000。（sample frame = 样本精度 * 通道数）
  • fromat 每个样本占用的空间大小及格式，例如 AUDIO_S16SYS，样本是有符号的16位整数，字节顺序（大端还是小端）和系统一样。更多的格式可参考SDL_AudioFormat。
  • channels 通道数，在SDL2.0中支持1（mono），2（stereo），4（quad）和6（5.1）
  • samples 缓冲区的大小（ sample frame为单位）。
  • silence 音频数据中表示静音的值是多少
  • size 缓冲区的大小（字节为单位）
  • callback 用来音频设备缓冲区的回调函数
  • userdata 在回调函数中使用的数据指针
2.2 回调函数

callback用来取音频数据给音频设备，其声明如下：

void (SDLCALL * SDL_AudioCallback) (void *userdata, Uint8 * stream,int len)  ;
  • userdata 就是SDL_AudioSpec结构体中的userdata字段
  • stream 要填充的缓冲区
  • len 缓冲区的大小

在回调函数内要首先初始化缓冲区stream，并且在回调函数返回结束后，缓冲区就不再可用了。对于多声道的音频数据在缓冲区中是交错存放的

  • 双声道 LRLR
  • 四声道 front-left / front-right / rear-left /rear-right
  • 5.1 front-left / front-right / center / low-freq / rear-left / rear-right
2.3 打开音频设备

在设置后需要参数（填充好SDL_AudioSpec的各个字段）后，下面要做的就是打开音频设备。函数SDL_OpenAudioDevice用来打开声音设备，其声明如下：

SDL_OpenAudioDevice(const char  *device,int iscapture,const SDL_AudioSpec *desired, SDL_AudioSpec *obtained,int allowed_changes);
  • 该函数需要的第一个参数是音频设备的名称，调用SDL_GetAudioDeviceName根据设备的编号获取到设备的名称。下面这段代码用来输出所有的设备名称：

    int count = SDL_GetNumAudioDevices(0);
for (int i = 0; i < count; i++)
{
    cout << "Audio device " << i << " : " << SDL_GetAudioDeviceName(i, 0);
}
  • iscapture 设为0，非0的值在当前SDL2版本还不支持
  • desired 期望得到的音频输出格式
  • obtained 实际的输出格式
  • allowed_changes 期望和实际总是有差别，该参数用来指定 当期望和实际的不一样时，能不能够对某一些输出参数进行修改。
    设为0，则不能修改。设为如下的值，则可对相应的参数修改：
    • SDL_AUDIO_ALLOW_FREQUENCY_CHANGE
    • SDL_AUDIO_ALLOW_FORMAT_CHANGE
    • SDL_AUDIO_ALLOW_CHANNELS_CHANGE
    • SDL_AUDIO_ALLOW_ANY_CHANGE

调用 SDL_OpenAudioDevice打开音频设备后，就会为callback函数单独开启一个线程，不断的将音频发送的音频设备进行播放.

3. 数据队列

上面已经设定音频输出的格式，打开了音频设备，并且开启了传送音频数据的线程（callback函数），就等着FFmpeg解码的音频数据了。
在介绍音频数据的组织之前，先来看下在本文中音频的播放的整个流程，如下图所示：

前期的准备工作，如打开音频文件，查找音频流，找到音频解码器等过程，和视频类似，这里不再赘述。
从上图可知，首先不再对从音频流中读取到的AvPacket进行解码，而是将其缓存到一个AVPacket队列中。当callback函数从缓冲区中
取数据发送到音频设备时，从AVPacket队列中取出Packet，解码后填充到缓冲区。
所以首先要做的就是创建一个AVPacket队列，可以使用FFmpeg中的AVPacketList作为队列的一个节点，队列的声明如下：

typedef struct PacketQueue
{
    AVPacketList *first_pkt; // 队头
    AVPacketList *last_pkt; // 队尾
    int nb_packets; //包的个数
    int size; // 占用空间的字节数
    SDL_mutex* mutext; // 互斥信号量
    SDL_cond* cond; // 条件变量
}PacketQueue;

注意，AVPacket队列实际会有两个线程访问：主线程和callback函数，所以这里声明了一个互斥信号量来保证对队列的正确读写，
以及一个条件变量进行线程的同步操作。
对队列的操作有下面两个方法：

  • packet_queue_put 向队尾插入一个Packet

    SDL_LockMutex(q->mutext);
if (!q->last_pkt) // 队列为空，新插入元素为第一个元素
    q->first_pkt = pktl;
else // 插入队尾
    q->last_pkt->next = pktl;
q->last_pkt = pktl;
q->nb_packets++;
q->size += pkt->size;
SDL_CondSignal(q->cond);
SDL_UnlockMutex(q->mutext);

    在向队尾插入元素时要先进行lock操作，插入完成SDL_CondSignal(q->cond)通知取数据的线程，已有新插入的数据。

  • packet_queue_get，取出队首Packet。由于向队列的插入数据实在主线程中完成的，而取数据则是在callback线程中进行的，所以有可能在
    取数据的时候，队列为空。在packet_queue_get中有一个block参数，指定在无数据的时候是否阻塞线程等待。

    while (true)
{
    pktl = q->first_pkt;
    if (pktl)
    {
        q->first_pkt = pktl->next;
        if (!q->first_pkt)
            q->last_pkt = nullptr;
        q->nb_packets--;
        q->size -= pktl->pkt.size;
        *pkt = pktl->pkt;
        av_free(pktl);
        ret = 1;
        break;
    }
    else if (!block)
    {
        ret = 0;
        break;
    }
    else
    {
        SDL_CondWait(q->cond, q->mutext);
    }
}

    在队列无数据的时候，设定为阻塞等待则SDL_CondWait(q->cond, q->mutext)等待，不然就直接返回。

4. 解码音频及其格式转换

已经准备好了Packet队列，下面要做的就是从 Audio File中取出Packet并填充到Packet Queue中，然后在callback函数中对Packet进行
解码，并将解码后的数据传送到音频设备播放。

4.1 插入Packet
    packet_queue_init(&audioq);
    SDL_PauseAudio(0);
    AVPacket packet;
    while (av_read_frame(pFormatCtx, &packet) >= 0)
    {
        if (packet.stream_index == audioStream)
            packet_queue_put(&audioq, &packet);
        else
            av_free_packet(&packet);
    }

首先初始化PacketQueue，SDL_PauseAudio是让音频设备开始播放，如果没有提供数据，则播放静音。接着一个while循环将，从音频
流中提取Packet，放入到队列中。插入到队列中的Packet没有被free，等到packet被解码后，才会被free掉。

4.2 取出Packet并解码

Packet已经放入到队列中，接下来就要在callback函数中，取出packet并解码传送到音频设备。


void audio_callback(void* userdata, Uint8* stream, int len)
{
    AVCodecContext* aCodecCtx = (AVCodecContext*)userdata;
    int len1, audio_size;
    static uint8_t audio_buff[(MAX_AUDIO_FRAME_SIZE * 3) / 2];
    static unsigned int audio_buf_size = 0;
    static unsigned int audio_buf_index = 0;
    SDL_memset(stream, 0, len);
    while (len > 0)
    {
        if (audio_buf_index >= audio_buf_size)
        {
            audio_size = audio_decode_frame(aCodecCtx, audio_buff, sizeof(audio_buff));
            if (audio_size < 0)
            {
                audio_buf_size = 1024;
                memset(audio_buff, 0, audio_buf_size);
            }
            else
                audio_buf_size = audio_size;
            audio_buf_index = 0;
        }
        len1 = audio_buf_size - audio_buf_index;
        if (len1 > len)
            len1 = len;
        memcpy(stream, (uint8_t*)(audio_buff + audio_buf_index), audio_buf_size);
        len -= len1;
        stream += len1;
        audio_buf_index += len1;
    }
}

在callback函数中，设置了一个静态的数据缓冲区 static uint8_t audio_buff[(MAX_AUDIO_FRAME_SIZE * 3) / 2]，callback函数每次向音频设备传送数据时，首先检测静态缓存区中是否有数据，有则直接复制到stream中memcpy(stream, (uint8_t*)(audio_buff + audio_buf_index), audio_buf_size);；否则调用audio_decode_frame函数，从Packet 队列中取出Packet，将解码后的数据填充到静态缓冲区，然后再传送到音频设备。

4.3 解码数据并进行格式转换

在callback函数中调用audio_decode_frame函数，解码Packet队列中的Packet。audio_decode_frame声明如下：

int audio_decode_frame(AVCodecContext* aCodecCtx, uint8_t* audio_buf, int buf_size)

audio_buf是callback函数中定义的静态缓存空间，该函数将解码后的数据填充到该空间。

int got_frame = 0;
len1 = avcodec_decode_audio4(aCodecCtx, &frame, &got_frame, &pkt);
if (len1 < 0) // 出错，跳过
{
    audio_pkt_size = 0;
    break;
}
audio_pkt_data += len1;
audio_pkt_size -= len1;
data_size = 0;
if (got_frame)
{
    data_size = av_samples_get_buffer_size(nullptr, aCodecCtx->channels, frame.nb_samples, aCodecCtx->sample_fmt, 1);
    assert(data_size <= buf_size);
    memcpy(audio_buf, frame.data[0], data_size);
}

得到解码后的数据后，还有一个问题就是，输入的音频格式可能和SDL打开的音频设备所支持的格式不一致，所以在将数据放入到callback的静态缓冲区前，需要做一个数据格式的转换。
首先创建一个SwrContext，并设定好转换参数，并初始化该SwrContext。

SwrContext* swr_ctx = nullptr;
if (swr_ctx)
{
    swr_free(&swr_ctx);
    swr_ctx = nullptr;
}

swr_ctx = swr_alloc_set_opts(nullptr, wanted_frame.channel_layout, (AVSampleFormat)wanted_frame.format, wanted_frame.sample_rate,
    frame.channel_layout, (AVSampleFormat)frame.format, frame.sample_rate, 0, nullptr);
if (!swr_ctx || swr_init(swr_ctx) < 0)
{
    cout << "swr_init failed:" << endl;
    break;
}

设定的swr选项有三个：数据布局channel_layout，样本的精度format和每秒的sample个数sample_rate，需要设定转换前后的这三个参数。

int dst_nb_samples = av_rescale_rnd(swr_get_delay(swr_ctx, frame.sample_rate) + frame.nb_samples,
    wanted_frame.sample_rate, wanted_frame.format, AVRounding(1));
int len2 = swr_convert(swr_ctx, &audio_buf, dst_nb_samples,
    (const uint8_t**)frame.data, frame.nb_samples);

参数设定好后，在进行转换前，还需要计算出转换后的sample的个数，上面代码中的dst_nb_samples。然后调用swr_convert就完成了输入的音频到输出音频格式的转换

5 总结

本文主要参考dranger tutorial的播放音频教程，对使用FFmpeg + SDL播放音频做了个总结。主要以下内容：

  • 关于音频的一些基础知识：采样率，通道，比特率等
  • SDL2播放音频的流程
  • 使用Packet队列，FFmpeg解码
    在FFmpeg解码，然后发送给音频设备的时候要进行音频格式的转换，不然在播放的时候有可能有杂音。

接下来打算对AVPacket这个结构体进行个分析，在总结的时候发现AVPacket中的数据缓存管理还是有点复杂的。而且，在本文代码中使用的av_dup_packet和av_packet_free已经废弃了。

/**
 * Free a packet.
 *
 * @deprecated Use av_packet_unref
 *
 * @param pkt packet to free
 */
attribute_deprecated
void av_free_packet(AVPacket *pkt); 

/**
 * @warning This is a hack - the packet memory allocation stuff is broken. The
 * packet is allocated if it was not really allocated.
 *
 * @deprecated Use av_packet_ref
 */
attribute_deprecated
int av_dup_packet(AVPacket *pkt);

本文代码FFmpeg3.cpp

时间： 2024-10-03 07:55:52

FFmpeg学习3：播放音频的相关文章

android学习之播放音频

今天学习了如何通过android中的MediaPlayer方法进行音频的播放,具体代码如下. 首先新建一个android工程,将预先录制好的音频music.wma放在res/raw目录下,在布局文件中加入一个Button,当按下Button时音频响起. 1 public class TestAudio extends ActionBarActivity implements OnClickListener { 2 3 private MediaPlayer mp; 4 @Override 5 p

FFmpeg学习5：多线程播放视音频

在前面的学习中,视频和音频的播放是分开进行的.这主要是为了学习的方便,经过一段时间的学习,对FFmpeg的也有了一定的了解,本文就介绍了如何使用多线程同时播放音频和视频(未实现同步),并对前面的学习的代码进行了重构,便于后面的扩展.本文主要有以下几个方面的内容: 多线程播放视音频的整体流程 多线程队列 音频播放 视频播放 总结以及后续的计划 1. 整体流程 FFmpeg和SDL的初始化过程这里不再赘述.整个流程如下: 对于一个打开的视频文件(也就是取得其AVFormatContext),创建一个

ffmpeg 播放音频

播放音频,设置好SDL_AudioSpec播放参数,然后由SDL回调函数进行解码和数据的拷贝,解码播放音频无需设置延迟,因为声卡播放音频是阻塞的 int audio_decode_frame(AVCodecContext *aCodecCtx, uint8_t *audio_buf, int buf_size) { static AVPacket pkt; static uint8_t *audio_pkt_data = NULL; static int audio_pkt_size = 0;

ffmpeg学习4--ffmpeg类的简单封装，包含解码和定时录像功能

ffmpeg学习4--ffmpeg类的简单封装,包含解码和定时录像功能 参考网上的资料,简单封装了一下ffmpeg,这里记录一下,其它传感器编码及项目中用到的已经抽离,这里只包含解码和录像部分.这只是个玩具级别的测试.完整测试代码下载:代码下载 ffmpegDeCode.h #pragma once #include "stdafx.h" #include<iostream> using namespace std; extern char *VideoPath; exte

FFmpeg学习总结

一.编译FFmpeg静态库 方法一: 1.要安装xcode命令行工具 1).xcode5安装命令行工具方法: 在终端执行命令Using xcode-select --install 2).xcode5之前安装命令行工具方法: 2.xcode5以前都是gcc编译的,在xcode5以后都是clang编译,在脚本中有所体现 3.xcode5以前还要下载gas-preprocessor.pl脚本包,然后使用cp命令拷贝到usr/bin下面, 在xcode5以后不需要下载这个gas-preprocesso

Android中使用SoundPool来播放音频

今天找素材重做FlappyBird时学习了一下怎样为应用设置背景音频,发现通过封装SoundPool类就能够非常好的做到这一点. SoundPool类比較适合播放一些类似游戏音效这样的比較短促并且较小的音频流,并且它支持同一时候播放多个音频流,而比較大的音频更适合用MediaPlayer来播放. 大致解说一下SoundPool类使用时的基本使用方法: 1. 把要用到的音频资源通过load()方法载入. 2. 通过创建的SoundPool对象的setOnLoadCompleteListener()

实战AudioToolbox－－在iOS平台上播放音频

上午看了关于AudioToolbox.framework相关的资料,结合网上的资料对AudioToolbox的基本使用有了整体上的认识,上一篇文章 笔谈AudioToolbox(一) 中提到使用AudioQueue来实现音频播放功能时最主要的步骤: 1. 打开播放音频文件 2. 取得播放音频文件的数据格式 3. 准备播放用的队列 4. 将缓冲中的数据移动到队列中 5. 开始播放 6. 在回调函数中进行队列处理 按照这个步骤实现了音频的播放. OSStatus status;     NSStri

学习总结HTML5- 00 音频&amp;视频播放

一 音频播放 1 Audio(音频) HTML5提供了播放音频文件的标准 2 control(控制器) control属性攻添加播放,暂停和音量空间. 3 标签定义声音 <audio>

实验6 在应用程序中播放音频和视频

实验报告 课程名称 基于Android平台移动互联网开发 实验日期 4月15日 实验项目名称 在应用程序中播放音频和视频 实验地点 S3002 实验类型 □验证型    √设计型    □综合型 学  时 一.实验目的及要求(本实验所涉及并要求掌握的知识点) 实现在应用程序中处理音频和视频. [要求] 1) 实现播放音频,音频播放控制: 2) 实现播放视频,视频播放控制: 3) 使用Service服务播放项目源文件中的音乐. 二.实验环境(本实验所使用的硬件设备和相关软件) (1)PC机 (2)