收集来自libav的解码音频成倍

Question

我目前正在尝试收集解码的音频数据（来自多种格式）以执行某些音频操作（使用* .wav文件进行测试）。

我有一个通过FFmpeg libav处理所有解码的类。 如果我将数据作为unit8_t提取到向量中，并且

for (int i = 0; i < bytevector.size(); i++) {
    fwrite(&bytevector[i], sizeof (uint8_t), 1, outfile2);
}

到原始文件并通过play -t raw -r 44100 -b16 -c 1 -e signed sound.raw它听起来很不错。

但是，当文件为每个样本2个字节并且frame->data信息指定为uint8_t时，如何将所有正确的信息加倍？ 我测试过的wav文件是44100 / 16bits / 1通道。 （我已经有将uint8_t *更改为double的代码）

使用Scilab打开相同的文件将显示字节向量大小的一半为两倍。

Scilab中的wav文件以双精度数组形式显示：
-0.1，-0.099，-0.098，...，0.099，+ 0.1

与字节向量：
51、243、84、243、117、243，...

51和243真的可以构成双倍吗？ 关于如何解决这个问题有什么建议吗？

以下代码供参考：

 while ((av_read_frame(formatContext, &readingPacket)) == 0) {
        if (readingPacket.stream_index == audioStreamIdx) {
            AVPacket decodingPacket = readingPacket;

            while (decodingPacket.size > 0) {
                int gotFrame = 0;
                int result = avcodec_decode_audio4(context, frame, &gotFrame, &decodingPacket);

                if (result < 0) {
                    break;
                }

                decoded = FFMIN(result, decodingPacket.size);

                if (gotFrame) {
                    data_size = (av_get_bytes_per_sample(context->sample_fmt));
                    if (data_size < 0) {
                    }

                    // Only for 1 channel temporarily
                    for (int i = 0; i < frame->nb_samples; i++) {
                        for (int ch = 0; ch < context->channels; ch++) {
                            for (int j = 0; j < data_size; j++) {
                                bytevector.push_back(*(frame->data[ch] + data_size * i + j)); 
                            }
                        }
                    }
                } else {
                    decodingPacket.size = 0;
                    decodingPacket.data = NULL;
                }
                decodingPacket.size -= result;
                decodingPacket.data += result;
            }
        }
        av_free_packet(&readingPacket);
    }

Answer 1

将两个字节转换为浮点数的快速方法：

byte bits[] = {195,255}; //first sample in the test s16 wav file
int16_t sample;
memcpy(&sample,&bits,sizeof(bits));
std::cout<<sample*(1.0f/32768.0f)<<std::endl;

打印时（更精确的-0.001861572265625 （xx）;），此代码产生-0.001861572265625 ，这是Scilab使用相同文件给出的第一个数字。

希望这对遇到类似问题的人有所帮助。

Answer 2

音频数据以许多不同的格式存储。 获得uint8_t[]数组的意义很小。 不是每个数组一个字节。 相反，您需要知道格式。 这里-b16告诉我uint8_t[]数据实际上是16位PCM编码的数据，即从-32768到+32767的范围。 Scilab似乎更喜欢浮点刻度，因此可以除以32768.0。 那只是表象的改变。 只是将比例缩小为-1.0，+ 1.0。

将其与角度进行比较：pi / 2弧度上的直角为90度； 确切的数字无关紧要，但是两者都是一个完整圆的1/4。