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：AVFormateContext、AVCodecContext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AVFormatContext和AVCodecContext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音频文件格式和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

从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类
  • 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_SAMPLES和SOUNDTOUCH_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SoundTouch的SAMPLETYPE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：

相关文章