《FFmpeg Basics》中文版-16-数字音频

写在前面如果您对音视频技术感兴趣，可以订阅我的专题:音视频专辑也可以关注我的简书账户：张芳涛，我后期会发布更多的音视频以及图像处理方面的文章。正文“数字音频”一词与“数字视频”一词相比，它是一种处理和显示移动图像的技术，而音频则与声音有关。数字音频是一种技术，用于捕获、记录、编辑、编码和复制声音，这些声音通常由脉冲编码调制(PCM)进行编码。FFmpeg支持许多音频格式，包括AAC、MP3、Vorbis、WAV、WMA等。FFmpeg中所有的音频格式都在第二章中列出。关于数字音频的介绍由耳朵感知的声音可分为音调和噪音，音调是由不规则振动产生的常规物质振动和噪音产生的。 机械振动以鼓膜感知的压力波的形式传递到听觉系统，并转换为神经信号。

音频量化和采样由于人类听觉系统的生理限制，压力波的连续值可以用有限的一系列值代替，这些值可以作为数字存储在计算机文件中。 计算机使用二进制数字，所以常见的音频位深度（音频分辨率）是两个幂：

位深度值计算描述8 bit2^8 =256用于电话，旧设备12 bit2^12 =4,096DV(数字视频)的标准，用于数码相机等14 bit2^14 =16,384用于NICAM压缩，电视立体声，等等16 bit2^16 =65,536标准音频CD和DAT(数字音频磁带)，是当今最常见的20 bit2^20 =1,048,576附加标准的超级音频CD和DVD音频24 bit2^24 =16,777,216标准的超级音频CD和DVD音频32 bit2^32 =4,294,967,296专业设备,蓝光技术模拟音频信号（大组数值）通过在每个时间单位创建一组较小的采样数字化，常见采样频率（采样率）在表中描述：8000 Hz用于电话、无线网络和麦克风等11025 Hz用于低质量PCM和MPEG音频等16000 Hz电话宽带(2倍8000 Hz)，用于VOIP设备等22050 Hz用于低质量PCM和MPEG音频等32000 Hz用于DAT, NICAM，迷你DV相机，无线麦克风等44100 Hz音频CD标准，用于MPEG-1, PAL电视等48000 Hz专业使用标准费率，为消费者提供DV、DVD、数字电视等96000 Hz标准的DVD-音频，蓝光光盘，HD DVD等192000 Hz用于DVD-音频，蓝光光盘，HD DVD，专业设备352800 Hz数字极端定义，用于超级音频光盘音频文件格式量化和采样音频被保存在不同的媒体文件格式，下一个表描述特定的文件格式，仅用于音频(MP3格式支持也包括图像):未压缩的无损压缩有损压缩ALACAIFF (PCM)AACAUALSAC-3BWFATRACAMRPCM (raw, without header)FLACMP2, MP3WAV (PCM)WavPackMusepackWMASpeexVorbis (OGG)声音合成声音是由在固定位置振动的物体的振动而产生的，规则的振动被称为音调，可以用不同振幅和频率的正弦和余弦波来表示。用一个表达式sin(tone_height2PI*t)来创建一定高度的连续色调，在Hz中，tone_height为给定频率，PI是一个数学常量，t是在秒内指定时间的变量。为了用数学表达式创建声音，我们可以使用音频源aevalsrc，它的输出可以作为音频文件保存。输出声音可以包含多个通道，每个通道由一个带有三个可能变量的表达式指定，详细信息在表中:描述创建一个由一个(mono)、两个(立体声)或更多表达式指定的音频信号语法aevalsrc=exprs[::options]exprs:是一个冒号分隔的表达式列表，每个新表达式都指定了新通道options:键=值对的冒号分隔列表表达式exprs中可用变量的描述n评估样本的数量，从0开始t以秒为单位的时间，从0开始s采样率可用选项的描述c or channel_layout通道布局，通道数量必须等于表达式的数量d or durationmax。持续时间，如果没有指定，或者是负数，音频将生成直到程序停止n or nb_samples每个通道每个输出帧的样本数量，默认为1024个样本s or sample_rate采样率，默认值为44100 Hz根据音符A4的音调标准，下一个表格包含从C1到B8的音调频率，频率为440 Hz。 人声范围从E2（男低音）到C6（女高音）。为了产生音符A4，音高的调优标准，我们可以将tone_height设置为440 Hz:ffmpeg -f lavfi -i aevalsrc=sin(440*2*PI*t) -t 10 noteA4.mp3我的测试命令是：ffmpeg -f lavfi -i aevalsrc=sin\(440*2*PI*t\) -t 10 /Users/zhangfangtao/Desktop/001.mp3*显示结果生成一个10秒钟的音频文件。立体声和更复杂的声音要使用aevalsrc音频源创建多声道声音，我们为每个声道指定一个定义表达式，声道由冒号分隔，然后在双冒号后指定其定位。 表格中描述了可以使用-layout选项显示的可用通道布局：例如，在左边的通道中创建C4音调，在右边的C5音调中，我们可以使用命令:ffplay -f lavfi -i aevalsrc=sin(261.63*2*PI*t):cos(523.25*2*PI*t)::c=FL+FR我的电脑上上面的命令会报错，我使用的测试命令如下;ffplay -f lavfi -i aevalsrc=sin\(261.63*2*PI*t\)|cos\(523.25*2*PI*t\)::c=FL+FR减轻压力的双耳音调立体声的特殊类型是双耳音（节拍） - 两个频率差约30Hz或更小的音，两个音的频率必须低于1000Hz。 使用立体声耳机收听双耳音可以为听众带来积极的影响，如减轻压力，提高学习能力和对大脑功能产生的其他积极影响，但结果因使用的频率基准和频率差异而有所不同。 要在基频为500 Hz时以10 Hz的差异创建双耳节拍，我们会指定具有略微不同声道的立体声：ffplay -f lavfi -i aevalsrc=sin(495*2*PI*t):sin(505*2*PI*t)::c=FL+FR我的测试命令：ffplay -f lavfi -i aevalsrc=sin\(495*2*PI*t\)|sin\(505*2*PI*t\)::c=FL+FR音量设置声音音量应该仔细调整，以保护我们的耳朵和ffmpeg提供2种方法。第一个使用-vol选项，它接受从0到256的整数值，其中256是最大值，例如:ffmpeg -i sound.wav -vol 180 sound_middle_loud.wav我的测试命令ffmpeg -i /Users/zhangfangtao/Desktop/DYZDJ.mp3 -vol 128 /Users/zhangfangtao/Desktop/DYZDJ3.mp3另一种方法是使用表中描述的卷过滤器:描述将输入音频卷更改为指定的值语法volume=volvol的描述参数vol参数vol是一个表达式，其值可以通过以下两种方式来指定:1.作为一个小数，那么output_volume = vol * input_volume2.作为一个十进制数与dB后缀,然后output_volume = 10 ^(卷/ 20)* input_volume例如，将音量降低到三分之二，我们可以使用以下命令:ffmpeg -i music.wav -af volume=2/3 quiet_music.wav我的测试命令：ffmpeg -i /Users/zhangfangtao/Desktop/DYZDJ.mp3 -af volume=1/3 /Users/zhangfangtao/Desktop/DYZDJ4.mp3为了增加10分贝的音量，我们可以使用以下命令:ffmpeg -i sound.aac -af volume=10dB louder_sound.aac我的测试命令：ffmpeg -i /Users/zhangfangtao/Desktop/DYZDJ.mp3 -af volume=20dB /Users/zhangfangtao/Desktop/DYZDJ5.mp3多个声音混合到一个输出为了混合不同长度的声音并指定一个过渡段，我们可以使用amix过滤器。描述音频混频器，从多个音频输入中创建一个指定持续时间的输出，输入中断持续时间——可以指定输入之间的转换时间语法amix=inputs=ins[:duration=dur[:dropout_transition=dt]]参数描述inputs输入的数量，默认值是2。duration指定如何确定流的结束，可用选项为(下面对应着序列号是0~2):1.最长持续时间最长的输入，默认值2.最短时间的最短输入3.第一次输入的持续时长dropout_transition当输入流结束时，用于进行卷重正化的转换时，默认值为2例如，下一个命令将4个输入音频文件混合到一个，它的持续时间与最长输入的持续时间相同，而特定声音输入之间的转换是5秒:ffmpeg -i sound1.wav -i sound2.wav -i sound3.wav -i sound4.wav ^ -filter_complex amix=inputs=4:dropout_transition=5 sounds.wav我的测试命令：ffmpeg -i /Users/zhangfangtao/Desktop/DYZDJ.mp3 -i /Users/zhangfangtao/Desktop/NWDSL.mp3 -filter_complex amix=inputs=2:dropout_transition=5 /Users/zhangfangtao/Desktop/NWDSL2.mp3结果是生成了一个新的音乐文件，时长是这两个里面最长的那个时间，而且，里面的声音也是时长比较长的那个音乐的声音，音乐信息确实前者的。*下面的是添加了一些添加了结束时间的参数，具体的命令如下：ffmpeg -i /Users/zhangfangtao/Desktop/DYZDJ.mp3 -i /Users/zhangfangtao/Desktop/NWDSL.mp3 -filter_complex amix=inputs=2:duration=0:dropout_transition=5 /Users/zhangfangtao/Desktop/NWDSL2.mp3结果表明：duration可选范围是0，1，2，不过只有当我把参数结果设置成0的时候才会生成一个有最长时长的音频文件，其他的参数类型情况下生成的音乐长度都是0.将立体声调至单声道，环绕立体声要将立体声声音缩混为单声道声音，我们可以使用表格中所述的平移滤波器：描述根据输入的通道布局混合具有特定增益级别的通道，接着是一组通道定义。 典型用途是将立体声改为单声道，将5 + 1声道改为立体声等。声像滤波器还可以重新映射音频流的声道。语法pan=layout:channel_def[:channel_def[:channel_def...]]主要参数layout输出通道布局或通道数channel_def通道定义的形式：ch_name = [gain *] in_name [+ [gain *] in_name ...]通道定义参数ch_name通道定义，通道名称(FL, FR，等等)或通道数(c0, c1，等等)gain通道的乘法系数，值1保持体积不变in_name输入通道使用，指定与ch_name相同的方式，不要混合命名和编号的输入通道下面的几个例子将立体音响与单声道的声音联系在一起:左右通道和相同的音量混合在一起。ffmpeg -i stereo.wav -af pan=1:c0=0.5*c0+0.5*c1 mono.wav我的测试命令：ffmpeg -i /Users/zhangfangtao/Desktop/NWDSL.mp3 -af pan=1|c0=0.5*c0+0.5*c1 /Users/zhangfangtao/Desktop/NWDSL2.mp3结果是，生成了一个0kb的音乐文件，原因是这个歌曲是单声道的，没有设置的意义或者使用下面简单的方式：ffmpeg -i stereo.wav -af pan=mono mono.wav ffmpeg -i stereo.wav -af pan=1 mono.wav*左通道与更大的音量混合，而不是正确的通道ffmpeg -i stereo.wav -af pan=1:c0=0.6*c0+0.4*c1 mono.wav右通道与比左通道更大的音量混合ffmpeg -i stereo.wav -af pan=1:c0=0.7*c0+0.3*c1 mono.wav一个简单的方法，没有过滤器，如何将多通道音频与超过2个通道混合使用，使用-ac[:stream_specifier]选项，该选项包含一个整数参数，该参数指定输出通道的数量:ffmpeg -i 5_1_surround_sound.wav -ac 2 stereo.wav为了指定其他的参数，比如一个特定通道的增益，我们使用pan过滤器。下一个例子自动减少到立体声，3,4,5或7频道的多通道音频:ffmpeg -i surround.wav -af pan=stereo:^ FL<FL+0.5*FC+0.6*BL+0.6*SL:FR<FR+0.5*FC+0.6*BR+0.6*SR stereo.wav简单的音频分析仪每个输入音频帧的详细信息由一个ashowinfo过滤器提供，该过滤器输出10个不同的参数，每一个音频帧，并在表中描述。描述显示每个输入音频帧的一行，其中包含组织到键=值对的参数信息语法-af ashowinfo描述生成的参数n帧的序号，从0开始pts表示时间戳的输入框，表示为若干时间单位pts_time输入框的表示时间戳，表示为若干秒pos输入流中的帧位置，值-1表示该参数不可用或没有意义(例如合成音频)fmt样本格式名称chlayout通道布局(mono，立体声等)nb_samples当前帧中每个通道的采样数rate音频帧采样率checksum输入帧中所有飞机的Adler-32校验和的十六进制值plane_checksum每个输入帧平面的Adler-32校验和的十六进制值，在形式中表示[c0 c1 c2 c3 c5 c6 c7]因为ashowinfo输出可以很长，所以应该用-report选项保存到文件中。ffmpeg -report -i audio.wav -af ashowinfo -f null /dev/null在44100 Hz中编码10秒的立体声音频的结果，s16在图片中说明:我的测试命令：ffmpeg -report -i /Users/zhangfangtao/Desktop/NWDSL.mp3 -af ashowinfo -f null /Users/zhangfangtao/Desktop/null效果图：调整耳机听音为了增加输入音频文件的立体声效果，我们可以使用表格中描述的耳垢过滤器:描述将立体图像的位置从内部(耳机的标准)改变到外部和听众的前方(比如扬声器)。它使用CD音频(44,1 kHz频率)，它插入特殊的提示语法-af earwax例如，在.mp3文件音乐中扩大音频的立体声效果，我们可以使用以下命令:ffmpeg -i music.mp3 -af earwax -q 1 music_headphones.mp3我的测试命令如下：ffmpeg -i /Users/zhangfangtao/Desktop/NWDSL.mp3 -af earwax -q 1 /Users/zhangfangtao/Desktop/NWDSL2.mp3结果就是生成了一个立体声效果更加显著的音乐。。。。听起来确实很明显使用-map_channel选项进行音频修改-map_channel选项可以更改各种音频参数，其语法为:-map_channel [in_file_id.stream_spec.channel_id|-1][:out_file_id.stream_spec]如果out_file_id。stream_spec参数没有设置，音频通道被映射到所有音频流上如果使用“-1”而不是in_file_id.stream_spec。channel_id，映射是一个静音通道-map_channel选项的顺序决定了输出流中通道的顺序，输出通道的布局是从映射的通道数计算出来的(如果使用了一个-map_channel选项，如果使用了两个-map_channel选项，等等)如果输入和输出通道布局不匹配(例如两个“-map_channel”选项和“-ac 6”)，与-map_channel组合使用的-ac选项将使通道增益级别得到更新在立体声输入中切换音频通道若要在立体声音频文件中以正确的通道交换左通道，我们可以使用以下命令:ffmpeg -i stereo.mp3 -map_channel 0.0.1 -map_channel 0.0.0 ch_switch.mp3我的测试命令：ffmpeg -i /Users/zhangfangtao/Desktop/NWDSL.mp3 -map 0:0 -map_channel 0.0.0:0.0 -map_channel 0.0.1:0.1 /Users/zhangfangtao/Desktop/NWDSL2.mp3结果：生成了一个新的mp3音乐，左右声道换了，听不出来将立体声声音分割成两个不同的流将立体声输入的2个通道分成2个不同的流，编码为1个输出文件，我们使用命令(MP3只能包含1个音频流，因此输出格式必须是AAC、OGG、WAV等):ffmpeg -i stereo.mp3 -map 0:0 -map 0:0 -map_channel 0.0.0:0.0 ^ -map_channel 0.0.1:0.1 output.aac我的测试命令：ffmpeg -i /Users/zhangfangtao/Desktop/NWDSL.mp3 -map 0:0 -map 0:0 -map_channel 0.0.0:0.0 -map_channel 0.0.1:0.1 /Users/zhangfangtao/Desktop/NWDSL2.aac结果生成了一个新的aac文件，不过新的文件播放起来，像是一种慢放。。。。那种声音。。。销魂。。。从立体声输入中调出一个频道要从输入中关闭特定的通道，我们可以使用-map_channel选项的-1值。例如，为了使第一个通道从立体声声音中静音，我们可以使用以下命令:ffmpeg -i stereo12.mp3 -map_channel -1 -map_channel 0.0.1 mono2.mp3我的测试命令：ffmpeg -i /Users/zhangfangtao/Desktop/NWDSL.mp3 -map_channel -1 -map_channel 0.0.1 /Users/zhangfangtao/Desktop/NWDSL2.mp3显示的结果是：生成了一个只有右声道的音乐文件。将两个音频流合并到一个多通道流要将2个音频流连接到1个多通道流，我们可以使用一个有1个可选参数输入的amerge过滤器，该参数值设置输入文件的数量，默认值为2。所有输入文件都必须使用相同的采样率和文件格式进行编码。例如，将2个文件中的2个mono声音合并到一个单一的立体声流中，我们可以使用这个命令(总持续时间等于较短输入的持续时间):ffmpeg -i mono1.mp3 -af amovie=mono2.mp3[2];[in][2]amerge stereo.mp3音频流转发与缓冲buffet order控制。两个音频输入的流同步可以由astreamsync过滤器控制，它有一个参数，可以由一个可选的表达式和多个变量来设置值。表达式的默认值是t2-t1(如下所示)，这意味着总是以较小的时间戳转发流。描述转发两个音频流并控制转发缓冲区的顺序语法astreamsync[=expr]如果expr < 0，则将第一个流转发，否则将转发第二个流在表达式中可以使用的变量b1, b2到现在流1和流2的缓冲区的数量s1, s2到目前为止，在第1条和第2条上转发的样品数量t1, t2stream1和stream2的当前时间戳