很多时候为了让视频文件适应不同的播放领域，我们需要对音频文件进行转码操作，转码操作其实主要就是修改音频文件的各种参数包括:采样位数、采样率、音频布局、码率等等。下面分别介绍一下各个参数的意义和作用。
采样位数
采样位数也称为位深度、分辨率， 它是指声音的连续强度被数字表示后可以分为多少级。N-bit的意思声音的强度被均分为2^N级。16位的就是65535级。这是一个很大的数了，人可能也分辨不出1/65536的音强差别。也可以说是声卡的分辨率，它的数值越大，分辨率也就越高，所发出声音的能力越强。这里的采样倍数主要针对的是信号的强度特性，采样率针对的是信号的时间(频率)特性这是两个不一样的概念。
ffmpeg常用的采样位数对应的格式如下所示:
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_S64, ///< signed 64 bits
AV_SAMPLE_FMT_S64P, ///< signed 64 bits, planar
AV_SAMPLE_FMT_NB ///< Number of sample formats. DO NOT USE if linking dynamically
};
采样率
音频采样，是把声音从模拟信号转换为数字信号。采样率，就是每秒对声音进行采集的次数，同样也是所得的数字信号的每秒样本数。在对声音进行采样时，常用的采样率有：
8,000 Hz - 电话所用采样率, 对于人的说话已经足够
11,025 Hz - AM调幅广播所用采样率
22,050 Hz~24,000 Hz - FM调频广播所用采样率
32,000 Hz - miniDV 数码视频 camcorder、DAT (LP mode)所用采样率
44,100 Hz - 音频 CD, 也常用于 MPEG-1 音频（VCD, SVCD, MP3）所用采样率
47,250 Hz - 商用PCM录音机所用采样率
48,000 Hz - miniDV、数字电视、DVD、DAT、电影和专业音频所用的数字声音所用采样率
50,000 Hz - 商用数字录音机所用采样率
96,000 或者192,000 Hz - DVD-Audio、一些 LPCM DVD 音轨、BD-ROM（蓝光盘）音轨、和 HD-DVD （高清晰度 DVD）音轨所用所用采样率
2.8224 MHz - Direct Stream Digital 的 1 位 sigma-delta modulation 过程所用采样率。
采样越高，声音的还原就越真实越自然，人对频率的识别范围是20HZ - 20000HZ, 如果每秒钟能对声音做 20000 个采样, 回放时就足可以满足人耳的需求.所以 22050 的采样频率是常用的, 44100已是CD音质, 超过48000的采样对人耳已经没有意义。这和电影的每秒 24 帧图片的道理差不多。
声道布局
当人听到声音时，能对声源进行定位，那么通过在不同的位置设置声源，就可以造就出更好的听觉感受。常见的声道有:
- 单声道, mono
- 双声道, stereo, 最常见的类型，包含左声道以及右声道
- 2.1声道，在双声道基础上加入一个低音声道
- 5.1声道，包含一个正面声道、左前方声道、右前方声道、左环绕声道、右环绕声道、一个低音声道，最早应用于早期的电影院
- 7.1声道，在5.1声道的基础上，把左右的环绕声道拆分为左右环绕声道以及左右后置声道，主要应用于BD以及现代的电影院
码率
码率也就是每秒的传输速率(也叫比特率)，压缩的音频文件常用倍速来表示，比如达到CD音质的MP3是128kbps/44100HZ。注意这里的单位是bit而不是Byte,一个Byte等于8个bit(位),bit是最小的单位，一般用于网络速度的描述和各种通信速度，Byte则用于计算硬盘，内存的大小。
使用FFmpeg音频滤镜进行转码
不同领域对音频的播放要求是不一样的，所以需要针对不同的领域对音频参数进行调整，这里介绍一下如何通过音频滤镜调整音频数据的相关参数，对应的实现如下:
#include "../audio_filter.h"
extern "C"
{
#include <libavcodec/avcodec.h>
#include <libavformat/avformat.h>
#include <libavutil/avutil.h>
#include <libavfilter/avfilter.h>
#include <libswresample/swresample.h>
}
#include <string>
/**@brief 转换音频数据的格式
* @param[in] output_filename 输出文件名称
* @param[in] input_filename 输入文件名称
* @param[in] sample_fmt 采样格式
* @param[in] sample_rate 采样率
* @param[in] channel_layout 通道布局
* @param[in] bitrate 码率
* @return 函数执行结果
* - 0 成功
* - 其它 失败
*/
int transcode_audio(const char *output_filename, const char *input_filename, AVSampleFormat sample_fmt,
int sample_rate, uint64_t channel_layout, uint64_t bitrate)
{
//输入输出格式
AVFormatContext *inFmtCtx = nullptr;
AVFormatContext *outFmtCtx = nullptr;
//解码器和编码器
AVCodecContext *aDecCtx = nullptr;
AVCodecContext *aEncCtx = nullptr;
//输出流
AVStream *aOutStream = nullptr;
int ret;
// open input file
ret = avformat_open_input(&inFmtCtx, input_filename, nullptr, nullptr);
ret = avformat_find_stream_info(inFmtCtx, nullptr);
// open output file
avformat_alloc_output_context2(&outFmtCtx, nullptr, nullptr, output_filename);
for (int i = 0; i < inFmtCtx->nb_streams; ++i)
{
AVStream *inStream = inFmtCtx->streams[i];
if (inStream->codecpar->codec_type == AVMEDIA_TYPE_AUDIO)
{
//输入流的解码器
AVCodec *decoder = avcodec_find_decoder(inStream->codecpar->codec_id);
aDecCtx = avcodec_alloc_context3(decoder);
ret = avcodec_parameters_to_context(aDecCtx, inStream->codecpar);
ret = avcodec_open2(aDecCtx, decoder, nullptr);
//输出流的编码器
AVCodec *encoder = avcodec_find_encoder(outFmtCtx->oformat->audio_codec);
aOutStream = avformat_new_stream(outFmtCtx, encoder);
aOutStream->id = outFmtCtx->nb_streams - 1;
aEncCtx = avcodec_alloc_context3(encoder);
aEncCtx->codec_id = encoder->id;
aEncCtx->sample_fmt = sample_fmt ? sample_fmt : aDecCtx->sample_fmt;
aEncCtx->sample_rate = sample_rate ? sample_rate : aDecCtx->sample_rate;
aEncCtx->channel_layout = channel_layout;
aEncCtx->channels = av_get_channel_layout_nb_channels(channel_layout);
aEncCtx->bit_rate = bitrate ? bitrate : aDecCtx->bit_rate;
aEncCtx->time_base = {
1, aEncCtx->sample_rate };
aOutStream->time_base = aEncCtx->time_base;
if (outFmtCtx->oformat->flags & AVFMT_GLOBALHEADER)
aEncCtx->flags |= AV_CODEC_FLAG_GLOBAL_HEADER;
avcodec_open2(aEncCtx, encoder, nullptr);
ret = avcodec_parameters_from_context(aOutStream->codecpar, aEncCtx);
av_dict_copy(&aOutStream->metadata, inStream->metadata, 0);
break;
}
}
if (!(outFmtCtx->oformat->flags & AVFMT_NOFILE))
{
ret = avio_open(&outFmtCtx->pb, output_filename, AVIO_FLAG_WRITE);
if (ret < 0) {
return -1;
}
}
ret = avformat_write_header(outFmtCtx, nullptr);
if (ret < 0)
{
return -1;
}
AVFrame *inAudioFrame = av_frame_alloc();
AVFrame *outAudioFrame = av_frame_alloc();
outAudioFrame->format = aEncCtx->sample_fmt;
outAudioFrame->sample_rate = aEncCtx->sample_rate;
outAudioFrame->channel_layout = aEncCtx->channel_layout;
outAudioFrame->nb_samples = aEncCtx->frame_size;
ret = av_frame_get_buffer(outAudioFrame, 0);
int64_t audio_pts = 0;
//修改音频数据包格式的滤镜
AudioFilter filter;
char description[512];
AudioConfig inConfig(aDecCtx->sample_fmt, aDecCtx->sample_rate, aDecCtx->channel_layout, aDecCtx->time_base);
AudioConfig outConfig(aEncCtx->sample_fmt, aEncCtx->sample_rate, aEncCtx->channel_layout, aEncCtx->time_base);
char ch_layout[64];
av_get_channel_layout_string(ch_layout, sizeof(ch_layout),
av_get_channel_layout_nb_channels(aEncCtx->channel_layout), aEncCtx->channel_layout);
snprintf(description, sizeof(description),
"[in]aresample=sample_rate=%d[res];[res]aformat=sample_fmts=%s:sample_rates=%d:channel_layouts=%s[out]",
aEncCtx->sample_rate,
av_get_sample_fmt_name(aEncCtx->sample_fmt),
aEncCtx->sample_rate,
ch_layout);
filter.create(description, &inConfig, &outConfig);
filter.dumpGraph();
while (true)
{
//解析音频帧并通过滤镜进行处理
AVPacket inPacket{
nullptr };
av_init_packet(&inPacket);
ret = av_read_frame(inFmtCtx, &inPacket);
if (ret == AVERROR_EOF)
{
break;
}
else if (ret < 0)
{
return -1;
}
if (inPacket.stream_index == aOutStream->index)
{
ret = avcodec_send_packet(aDecCtx, &inPacket);
if (ret != 0)
{
printf("send packet error\n");
}
ret = avcodec_receive_frame(aDecCtx, inAudioFrame);
if (ret == 0)
{
ret = filter.addInput1(inAudioFrame);
av_frame_unref(inAudioFrame);
if (ret < 0)
{
printf("add filter input1 error\n");
}
do {
outAudioFrame->nb_samples = aEncCtx->frame_size;
ret = filter.getFrame(outAudioFrame);
if (ret == 0)
{
outAudioFrame->pts = audio_pts;
audio_pts += outAudioFrame->nb_samples;
ret = avcodec_send_frame(aEncCtx, outAudioFrame);
if (ret < 0) {
printf("unable to send frame: %s\n");
}
}
else
{
printf("unable to get filter audio frame: %s\n");
break;
}
do {
AVPacket outPacket{
nullptr };
av_init_packet(&outPacket);
ret = avcodec_receive_packet(aEncCtx, &outPacket);
if (ret == 0)
{
av_packet_rescale_ts(&outPacket, aEncCtx->time_base, aOutStream->time_base);
outPacket.stream_index = aOutStream->index;
ret = av_interleaved_write_frame(outFmtCtx, &outPacket);
if (ret < 0) {
printf("unable to write packet\n");
break;
}
}
else {
printf("unable to receive packet\n");
break;
}
} while (true);
} while (true);
}
else
{
printf("unable to receive frame\n");
}
}
}
//清理数据缓存
int eof = 0;
do {
ret = filter.getFrame(outAudioFrame);
if (ret == 0)
{
outAudioFrame->pts = audio_pts;
audio_pts += outAudioFrame->nb_samples;
}
else
{
printf("filter queue finished\n");
}
ret = avcodec_send_frame(aEncCtx, ret == 0 ? outAudioFrame : nullptr);
do {
AVPacket outPacket{
nullptr };
ret = avcodec_receive_packet(aEncCtx, &outPacket);
if (ret == 0) {
av_packet_rescale_ts(&outPacket, aEncCtx->time_base, aOutStream->time_base);
outPacket.stream_index = aOutStream->index;
ret = av_interleaved_write_frame(outFmtCtx, &outPacket);
if (ret < 0)
{
eof = 1;
break;
}
}
else if (ret == AVERROR_EOF)
{
eof = 1;
break;
}
else {
break;
}
} while (true);
} while (!eof);
//释放对应的资源
filter.destroy();
av_write_trailer(outFmtCtx);
avformat_close_input(&inFmtCtx);
av_frame_free(&inAudioFrame);
av_frame_free(&outAudioFrame);
avcodec_free_context(&aDecCtx);
avcodec_free_context(&aEncCtx);
avformat_free_context(inFmtCtx);
avformat_free_context(outFmtCtx);
return 0;
}
这里我们将音频文件的采样格式修改为AV_SAMPLE_FMT_FLTP，同时我们将采样率降低为22050,码率修改为80kbps。
int main(int argc, char* argv[])
{
if (argc != 3)
{
printf("usage:%1 input filepath %2 outputfilepath");
return -1;
}
//输入文件地址、输出文件地址
std::string fileInput = std::string(argv[1]);
std::string fileOutput = std::string(argv[2]);
transcode_audio(fileOutput.c_str(), fileInput.c_str(),(AVSampleFormat)AV_SAMPLE_FMT_FLTP,22050, AV_CH_LAYOUT_STEREO,80000);
}