收集來自libav的解碼音頻成倍

Question

我目前正在嘗試收集解碼的音頻數據（來自多種格式）以執行某些音頻操作（使用* .wav文件進行測試）。

我有一個通過FFmpeg libav處理所有解碼的類。 如果我將數據作為unit8_t提取到向量中，並且

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

到原始文件並通過play -t raw -r 44100 -b16 -c 1 -e signed sound.raw它聽起來很不錯。

但是，當文件為每個樣本2個字節並且frame->data信息指定為uint8_t時，如何將所有正確的信息加倍？ 我測試過的wav文件是44100 / 16bits / 1通道。 （我已經有將uint8_t *更改為double的代碼）

使用Scilab打開相同的文件將顯示字節向量大小的一半為兩倍。

Scilab中的wav文件以雙精度數組形式顯示：
-0.1，-0.099，-0.098，...，0.099，+ 0.1

與字節向量：
51、243、84、243、117、243，...

51和243真的可以構成雙倍嗎？ 關於如何解決這個問題有什么建議嗎？

以下代碼供參考：

 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

將兩個字節轉換為浮點數的快速方法：

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;

打印時（更精確的-0.001861572265625 （xx）;），此代碼產生-0.001861572265625 ，這是Scilab使用相同文件給出的第一個數字。

希望這對遇到類似問題的人有所幫助。

Answer 2

音頻數據以許多不同的格式存儲。 獲得uint8_t[]數組的意義很小。 不是每個數組一個字節。 相反，您需要知道格式。 這里-b16告訴我uint8_t[]數據實際上是16位PCM編碼的數據，即從-32768到+32767的范圍。 Scilab似乎更喜歡浮點刻度，因此可以除以32768.0。 那只是表象的改變。 只是將比例縮小為-1.0，+ 1.0。

將其與角度進行比較：pi / 2弧度上的直角為90度； 確切的數字無關緊要，但是兩者都是一個完整圓的1/4。