FFmpeg + SoundTouch实现音频的变调变速

时间:2024-07-02 08:05:43

本文使用FFmpeg + SoundTouch实现将音频解码后,进行变调变速处理,并将处理后的结果保存为WAV文件。

主要有以下内容:

  • 实现一个FFmpeg的工具类,保存多媒体文件所需的解码信息
  • 将解码后的音频保存为WAV文件
  • SoundTouch的使用指南

1.从视频文件中提取音频保存为WAV文件

本小节实现从视频文件中提取音频,解码并保存为WAV文件。

在使用FFmpeg解码时,一般的流程是:

  • 打开一个多媒体文件流
  • 得到媒体流信息
  • 查找视频、音频流的index
  • 根据流的index查找相应的的CODEC,打开AVCodecContext

进行完以上操作后,就得到解码所需的各种信息:AVFormateContextAVCodecContext以及对应流的index。也就说,这些数据是解码多媒体流的必须信息,所以这里对上述操作做一个封装,提供一个单一接口来获取解码所需的信息。

1.1 MediaInfo工具类

在使用FFmpeg进行解码的时候,所需要的信息如下:

  • AVFormatContext
  • AVCodecContext
  • 流的index

MediaInfo的声明如下:

class CMediaInfo
{ public:
CMediaInfo();
CMediaInfo(MEDIA_TYPE media);
~CMediaInfo(); public:
ERROR_TYPE open(const char *filename);
void close();
void error_message(ERROR_TYPE error); public:
MEDIA_TYPE type;
AVFormatContext *pFormatContext; AVCodecContext *pVideo_codec_context;
AVCodecContext *pAudio_codec_context; int video_stream_index;
int audio_stream_index;
};
  • 构造函数需要一个参数,指出该类中包含的信息为视频、音频或者音视频都包含;
  • open方法,根据传入的多媒体文件填充各个字段信息;close方法,关闭打开的AVFormatContextAVCodecContext等。
  • 字段 为解码所需的各类信息。

至于具体的实现,可参考前面的文章 ,在最后会提供本文使用的代码,这里不再多说。

1.2 从视频中提取音频

1.2.1 获取解码所需的信息

使用上面的提供的MediaInfo工具类,首先根据视频文件路径填充MediaInfo的各个字段

	char* filename = "E:\\Wildlife.wmv";
CMediaInfo media(MEDIA_TYPE::AUDIO);
media.open(filename);

1.2.2 设置音频的保存格式

在真正的提取解码之前,需要首先设置好要保存的WAV的音频格式。FFmpeg使用SwrContext设置音频的转换格式,具体代码如下:

    AVSampleFormat dst_format = AV_SAMPLE_FMT_S16;
uint8_t dst_channels = 2;
auto dst_layout = av_get_default_channel_layout(dst_channels);
auto audio_ctx = media.pAudio_codec_context;
if (audio_ctx->channel_layout <= 0)
audio_ctx->channel_layout = av_get_default_channel_layout(audio_ctx->channels);
SwrContext *swr_ctx = swr_alloc();
swr_alloc_set_opts(swr_ctx, dst_layout, dst_format, audio_ctx->sample_rate,
audio_ctx->channel_layout, audio_ctx->sample_fmt, audio_ctx->sample_rate, 0, nullptr);
if (!swr_ctx || swr_init(swr_ctx))
return -1;

这里设置音频的sample格式为16位的有符号整数,通道数为2通道,采样率不变,具体关于音频格式的转换可参考:FFmpeg学习4:音频格式转换

1.2.3 解码,并保存为WAV文件

使用MediaInfo获取到关于解码的相关信息,并且设置好格式转换需要的SwrContext,然后调用av_read_frame从流中读取packet,解码。最后将解码后的数据进行格式转换后,将转换后的数据写入WAV文件。

    int pcm_data_size = 0;
while (av_read_frame(media.pFormatContext, packet) >= 0)
{
if (packet->stream_index == media.audio_stream_index)
{
auto ret = avcodec_send_packet(media.pAudio_codec_context, packet);
if (ret < 0 && ret != AVERROR(EAGAIN) && ret != AVERROR_EOF)
return -1;
ret = avcodec_receive_frame(media.pAudio_codec_context, frame);
if (ret < 0 && ret != AVERROR_EOF)
return -1;
auto nb = swr_convert(swr_ctx, &buffer, 192000, (const uint8_t **)frame->data, frame->nb_samples);
auto length = nb * dst_channels * av_get_bytes_per_sample(dst_format);
ofs.write((char*)buffer, length);
pcm_data_size += length;
}
}

在写入文件的时候要使用二进制的方式,并且要记录好写入的音频的数据的字节数,在最后写WAV文件头的时候需要。

写入WAV文件头

    // 写Wav文件头
Wave_header header(dst_channels, audio_ctx->sample_rate, av_get_bytes_per_sample(dst_format) * 8);
header.data->cb_size = ((pcm_data_size + 1) / 2) * 2;
header.riff->cb_size = 4 + 4 + header.fmt->cb_size + 4 + 4 + header.data->cb_size + 4;
ofs.seekp(0, ios::beg);
CWaveFile::write_header(ofs, header);

首先将音频的PCM数据写入文件,然后根据PCM数据的长度填充WAV文件头的相关字段。具体关于WAV的文件格式及其读写方法可参考RIFF和WAVE音频文件格式C++标准库实现WAV文件读写

2.SoundTouch使用指南

SoundTouch 是一个开源的音频库,主要有以下功能:

  • 变速不变调(TSM,Time Scale Modification),改变音频的播放速度(快或者慢)同时不影响音频的声调(Pitch)。
  • 变调不变速 Pitch Shifting ,改变音频声调的同时保持音频的播放速度不变
  • 变调变速,同时改变音频的声调和速度

2.1 编译

SoundTouch下载源代码,解压后在README.html中给出了具体的编译方法,在Windows下有两种方法来编译源代码:

  • 执行解压文件夹下面的make-win.bat脚本。试过这种方法没有成功,看了下make-win.bat脚本的内容,应该是没有找到相关的环境变量(VS2008)。该脚本主要是执行下面命令
devenv source\SoundStretch\SoundStretch.vcproj /upgrade
devenv source\SoundStretch\SoundStretch.vcproj /build debug
devenv source\SoundStretch\SoundStretch.vcproj /build release
devenv source\SoundStretch\SoundStretch.vcproj /build releasex64
  • 使用Visudl Studio IDE来编译,打开source\Soundtouch下面的SoundTouch.sln,然后编译即可。SoundTouch.sln编译出来的是静态链接库,使用VS版本为Visual Studio 2008。

对编译后库的使用需要注意以下两点:

  • VS2008编译出来的静态链接库在VS2013调用会出现问题,提示ERROR LINK2019错误找不到相关的符号。
  • 在source目录下有个SoundTouchDLL项目,一看名字就是编译动态链接库dll的。编译,配置相应的参数(dll,lib),然后实例化SoundTouch s_touch。这时候又会提示ERROR LINK2019,一直以为是环境没有配置好,找不到相应的dll文件。结果,是动态链接库dll的导出的不是整个SoundTouch类,只是其中的一些方法。
/// Sets new rate control value. Normal rate = 1.0, smaller values
/// represent slower rate, larger faster rates.
SOUNDTOUCHDLL_API void __cdecl soundtouch_setRate(HANDLE h, float newRate); /// Sets new tempo control value. Normal tempo = 1.0, smaller values
/// represent slower tempo, larger faster tempo.
SOUNDTOUCHDLL_API void __cdecl soundtouch_setTempo(HANDLE h, float newTempo); /// Sets new rate control value as a difference in percents compared
/// to the original rate (-50 .. +100 %);
SOUNDTOUCHDLL_API void __cdecl soundtouch_setRateChange(HANDLE h, float newRate);

后来,看了下Android的示例,这个动态链接库导出的函数应该是提供给Android使用的API。

2.2 使用

得到编译后的静态链接库后,SoundTouch的使用还是很简单的,其外部API封装在了类SoundTouch中。在使用的时候只需要下面三个步骤:

  • 实例话SoundTouch
  • 设置相关的参数(速度,音调的改变)
  • 调用putSamples方法传入处理的Audio Sample;调用receiveSamples接收处理后的Sample。
  • 在处理完成后,调用soundtouch.fflush()接收管道内余下的sample

使用实例如下:

            ////////////////////////////////////////////////////////////////////
// 1. 设置SoundTouch,配置变调变速参数
soundtouch::SoundTouch s_touch;
s_touch.setSampleRate(audio_ctx->sample_rate); // 设置采样率
s_touch.setChannels(audio_ctx->channels); // 设置通道数 ////////////////////////////////////////////
// 2. 设置 rate或者pitch的改变参数
//s_touch.setRate(0.5); // 设置速度为0.5,原始的为1.0
s_touch.setRateChange(-50.0); //////////////////////////////////////////////////////////////
// 3. 传入sample,并接收处理后的sample // 将解码后的buffer(uint8*)转换为soundtouch::SAMPLETYPE,也就是singed int 16
auto len = nb * dst_channels * av_get_bytes_per_sample(dst_format);
for (auto i = 0; i < len; i++)
{
touch_buffer[i] = (buffer[i * 2] | (buffer[i * 2 + 1] << 8));
} // 传入Sample
s_touch.putSamples(touch_buffer, nb);
do
{
// 接收处理后的sample
nb = s_touch.receiveSamples(touch_buffer, 96000); auto length = nb * dst_channels * av_get_bytes_per_sample(dst_format);
ofs.write((char*)touch_buffer, length); pcm_data_size += length;
} while (nb != 0); ///////////////////////////////////////////////
// 4. 接收管道内余下的处理后数据
s_touch.flush();
int nSamples;
do
{
nSamples = s_touch.receiveSamples(touch_buffer, 96000); auto length = nSamples * dst_channels * av_get_bytes_per_sample(dst_format);
ofs.write((char*)touch_buffer, length); pcm_data_size += length;
} while (nSamples != 0);

SoundTouch内部使用通道的方式来管理sample数据,所以在主循环接收好,要接收管道内剩余的sample。

使用的时候需要注意以下几点

  • sample的类型。SoundTouch支持两种类型sample类型:16位有符号整数和32位浮点数,默认使用的是32为浮点数。其sample类型在头文件STTypes.h中声明为SAMPLETYPE。在该文件的开始位置,使用宏SOUNDTOUCH_INTEGER_SAMPLESSOUNDTOUCH_FLOAT_SAMPLES来决定使用那种sample类型。
        #define SOUNDTOUCH_INTEGER_SAMPLES     1    //< 16bit integer samples
//#define SOUNDTOUCH_FLOAT_SAMPLES 1 //< 32bit float samples

另外,为了防止计算时有溢出,也支持32为有符号整数和64位浮点数,其类型为LONG_SAMPLETYPE

  • 速度和pitch参数的设置
    • 变调不变速

      • setPitch(double newPitch)源pitch = 1.0,小于1音调变低;大于1音调变高
      • setPitchOctaves(double newPitch) 在源pitch的基础上,使用八度音(Octave)设置新的pitch [-1.00, 1.00]。
      • setPitchSemiTones(double or int newPitch) 在源pitch的基础上,使用半音(Semitones)设置新的pitch [-12.0,12.0]
    • 变速不变调

      • setRate(double newRate) 设置新的rate,源rate=1.0,小于1变慢;大于1变快
      • setRateChange(double newRate) 在源rate的基础上,以百分比设置新的rate[-50,100]
      • setTempo(double newTempo) 设置新的节拍tempo,源tempo=1.0,小于1则变慢;大于1变快
      • setTempoChange(double newTempo) 在源tempo的基础上,以百分比设置新的tempo[-50,100]

3. FFmpeg + SoundTouch 变调、变速

有了前面的实现,只需要在FFmepg解码后,将解码后的数据发送到SoundTouch中进行处理即可。有一点需要注意,FFmpeg解码后的数据存放在类型为uint8的缓存中,在将sample发送给SoundTouch处理前,需要根据SoundTouchSAMPLETYPE进行相应的转换。本文使用的SAMPLETYPE的是S16,首先将uint8两个字节组合一个S16(小端)

			// 将解码后的buffer(uint8*)转换为soundtouch::SAMPLETYPE,也就是singed int 16
auto len = nb * dst_channels * av_get_bytes_per_sample(dst_format);
for (auto i = 0; i < len; i++)
{
touch_buffer[i] = (buffer[i * 2] | (buffer[i * 2 + 1] << 8));
}

首先计算缓存中的字节数,然后按照小端的方式组合为16为有符号整数。然后将转换后的buffer传送给SoundTouch即可。

			s_touch.putSamples(touch_buffer, nb);
do
{
// 接收处理后的sample
nb = s_touch.receiveSamples(touch_buffer, 96000); auto length = nb * dst_channels * av_get_bytes_per_sample(dst_format);
ofs.write((char*)touch_buffer, length); pcm_data_size += length;
} while (nb != 0);

变调变速的处理结果如下图:

FFmpeg + SoundTouch实现音频的变调变速

频谱图,上图为原始音频的频谱;下图为使用setPitch(0.1)将pitch设为原始的10%得到的频谱图

FFmpeg + SoundTouch实现音频的变调变速

波形图,上图为原始的波形图;下图为使用setRateChange(-50.0)设置速度减少50%得到的波形图

4. 总结

本文使用FFmepg + SoundTouch相结合的方式,将音频从视频从提取出来,进行变调变速处理后保存为WAV文件。结合前面的学习总结,可以很容易的实现音频的变调变速播放。

本文中的使用的代码: