FFmpeg学习3：播放音频

参考dranger tutorial，本文将介绍如何使用FFmpeg解码音频数据，并使用SDL将解码后的数据输出。

本文主要包含以下几方面的内容：

• 关于播放音频的需要的一些基础知识介绍
• 使用SDL2播放音频
• 数据队列
• 音频格式的转换

dranger tutorial确实入门FFmpeg比较好的教程，虽然作者在2015年的时候根据新版本的FFmpeg更新了，



但是其中还是有不少API过时了。特别是,教程中使用的是SDL1.0，和现在的SDL2的API也有很大的不同，并且不能兼容。

1. 关于音频的一些基础知识

和视频一样，音频数据也会被打包到一个容器中，其文件的扩展名并不是其编码的方法，只是其打包文件的格式。

现实世界中，我们所听到的声音是一个个连续的波形，但是计算机无法存储和处理这种拥有无限点的波形数据。所以通过重采样，按照一定的

频率（1秒采集多少个点），将有无限个点的连续波形数据转换为有有限个点的离散数据，这就是通常说的A/D转换（模数转换，将模拟数据转换为数字数据）。

通过上面转换过程的描述可以知道，一个数字音频通常由以下三个部分组成：

• 采样频率 采样是在拥有无限个点的连续波形上选取有限个离散点，采集到的离散点越多，也就越能真实的波形。由于声音是在时间上的连续波形，其采样点的间隔就是两次采样的时间间隔。通俗来说，采样率指的是每秒钟采样的点数，单位为HZ。采样率的倒数是采样周期，也就是两次采样的时间间隔。采样率越大，则采集到的样本点数就越多，采样得到的数字音频也就更接近真实的声音波形，相应的其占用的存储空间也就越大。常用的采样频率有：

  • 22k Hz 无限广播所用的采样率
  • 44.1k Hz CD音质
  • 48k Hz 数字电视，DVD
  • 96k Hz 192k Hz 蓝光盘，高清DVD

• 采样精度 采集到的点被称为样本（sample），每个样本占用的位数就是采样精度。这点和图像的像素表示比较类似，可以使用8bit，16bit或者24bit来表示采集到的一个样本。同样，一个样本占用的空间越大其表示的就越接近真实的声音。

• 通道 支持不同发声的音响的个数。常用的声道有单声道、双声道、4声道、5.1声道等。不同的声道在采样的时候是不同的，例如双声道，在每次采样的时候有采集两个样本点。

下图是一个三通道的音频示例

• 比特率 指的是每秒传送的比特（bit）数，其单位是bps（Bit Per Second），是间接衡量声音质量的一个标准。

  • 没有压缩编码的音频数据，其比特率 = 采样频率 * 采样精度 * 通道数，通过该公式可以看出，比特率越高，采样得到的声音质量就越高，相应的占用的存储空间也就越大。

  • 经过压缩编码后的音频数据也有一个比特率，这时候的比特率也可以称之为码率，因为其反映了压缩编码的效率。码率越高，压缩后的数据越大，得到音频质量越好，相应的压缩的效率也就越低。
    
    码率 = 音频文件的大小 / 时长，在时长一定的情况下，码率越高则音频文件越大，其音频的品质也就越高。常见的一些码率：

    • 96 Kbps FM质量
    • 128 - 160 Kbps 比较好的音频质量
    • 192Kbps CD质量
    • 256Kbps 320Kbps 高质量音频

通常我们所说的比特率（码率）指的是编码后的每秒钟的数据量。码率越高，压缩比就越小，音频文件就越大，相对的音频质量也就越好。码率可以反映出音频的质量，码率越高，音频质量就越，反之亦然。

2.SDL2播放音频

使用SDL播放解码后的音频数据，SDL播放音频数据的流程如下：

使用SDL播放声音前，首先要设置一些关于音频的选项：采样率，通道数，采样精度，然后还要指定一个回调函数callback以及用户数据（在播放时需要用到的数据指针）。播放音频的时候，SDL将调用回调函数将待播放的音频数据填充到一个特定的缓冲区中。

2.1 SDL_AudioSpec

SDL中的结构体SDL_AudioSpec包含了关于音频的格式信息（采样率，通道数，采样精度）和回调函数以及用户数据指针，其声明如下：

typedef struct SDL_AudioSpec
{
    int freq;                   /**< DSP frequency -- samples per second */
    SDL_AudioFormat format;     /**< Audio data format */
    Uint8 channels;             /**< Number of channels: 1 mono, 2 stereo */
    Uint8 silence;              /**< Audio buffer silence value (calculated) */
    Uint16 samples;             /**< Audio buffer size in samples (power of 2) */
    Uint16 padding;             /**< Necessary for some compile environments */
    Uint32 size;                /**< Audio buffer size in bytes (calculated) */
    SDL_AudioCallback callback; /**< Callback that feeds the audio device (NULL to use SDL_QueueAudio()). */
    void *userdata;             /**< Userdata passed to callback (ignored for NULL callbacks). */
} SDL_AudioSpec;

• freq 每秒钟发送给音频设备的sample frame的个数，通常是11025，220502，44100和48000。（sample frame = 样本精度 * 通道数）
• fromat 每个样本占用的空间大小及格式，例如 AUDIO_S16SYS，样本是有符号的16位整数，字节顺序（大端还是小端）和系统一样。更多的格式可参考SDL_AudioFormat。
• channels 通道数，在SDL2.0中支持1（mono），2（stereo），4（quad）和6（5.1）
• samples 缓冲区的大小（ sample frame为单位）。
• silence 音频数据中表示静音的值是多少
• size 缓冲区的大小（字节为单位）
• callback 用来音频设备缓冲区的回调函数
• userdata 在回调函数中使用的数据指针

2.2 回调函数

callback用来取音频数据给音频设备，其声明如下：

void (SDLCALL * SDL_AudioCallback) (void *userdata, Uint8 * stream,int len)  ;

• userdata 就是SDL_AudioSpec结构体中的userdata字段
• stream 要填充的缓冲区
• len 缓冲区的大小

在回调函数内要首先初始化缓冲区stream，并且在回调函数返回结束后，缓冲区就不再可用了。对于多声道的音频数据在缓冲区中是交错存放的

• 双声道 LRLR
• 四声道 front-left / front-right / rear-left /rear-right
• 5.1 front-left / front-right / center / low-freq / rear-left / rear-right

2.3 打开音频设备

在设置后需要参数（填充好SDL_AudioSpec的各个字段）后，下面要做的就是打开音频设备。函数SDL_OpenAudioDevice用来打开声音设备，其声明如下：

SDL_OpenAudioDevice(const char  *device,int iscapture,const SDL_AudioSpec *desired, SDL_AudioSpec *obtained,int allowed_changes);

• 该函数需要的第一个参数是音频设备的名称，调用SDL_GetAudioDeviceName根据设备的编号获取到设备的名称。下面这段代码用来输出所有的设备名称：

    int count = SDL_GetNumAudioDevices(0);
    for (int i = 0; i < count; i++)
    {
        cout << "Audio device " << i << " : " << SDL_GetAudioDeviceName(i, 0);
    }

• iscapture 设为0，非0的值在当前SDL2版本还不支持
• desired 期望得到的音频输出格式
• obtained 实际的输出格式
• allowed_changes 期望和实际总是有差别，该参数用来指定 当期望和实际的不一样时，能不能够对某一些输出参数进行修改。
  
  设为0，则不能修改。设为如下的值，则可对相应的参数修改：
  • SDL_AUDIO_ALLOW_FREQUENCY_CHANGE
  • SDL_AUDIO_ALLOW_FORMAT_CHANGE
  • SDL_AUDIO_ALLOW_CHANNELS_CHANGE
  • SDL_AUDIO_ALLOW_ANY_CHANGE

调用 SDL_OpenAudioDevice打开音频设备后，就会为callback函数单独开启一个线程，不断的将音频发送的音频设备进行播放.

3. 数据队列

上面已经设定音频输出的格式，打开了音频设备，并且开启了传送音频数据的线程（callback函数），就等着FFmpeg解码的音频数据了。

在介绍音频数据的组织之前，先来看下在本文中音频的播放的整个流程，如下图所示：

前期的准备工作，如打开音频文件，查找音频流，找到音频解码器等过程，和视频类似，这里不再赘述。

从上图可知，首先不再对从音频流中读取到的AvPacket进行解码，而是将其缓存到一个AVPacket队列中。当callback函数从缓冲区中

取数据发送到音频设备时，从AVPacket队列中取出Packet，解码后填充到缓冲区。

所以首先要做的就是创建一个AVPacket队列，可以使用FFmpeg中的AVPacketList作为队列的一个节点，队列的声明如下：

typedef struct PacketQueue
{
    AVPacketList *first_pkt; // 队头
    AVPacketList *last_pkt; // 队尾
    int nb_packets; //包的个数
    int size; // 占用空间的字节数
    SDL_mutex* mutext; // 互斥信号量
    SDL_cond* cond; // 条件变量
}PacketQueue;

注意，AVPacket队列实际会有两个线程访问：主线程和callback函数，所以这里声明了一个互斥信号量来保证对队列的正确读写，

以及一个条件变量进行线程的同步操作。

对队列的操作有下面两个方法：

• packet_queue_put 向队尾插入一个Packet

    SDL_LockMutex(q->mutext);
    if (!q->last_pkt) // 队列为空，新插入元素为第一个元素
        q->first_pkt = pktl;
    else // 插入队尾
        q->last_pkt->next = pktl;
    q->last_pkt = pktl;
    q->nb_packets++;
    q->size += pkt->size;
    SDL_CondSignal(q->cond);
    SDL_UnlockMutex(q->mutext);

在向队尾插入元素时要先进行lock操作，插入完成SDL_CondSignal(q->cond)通知取数据的线程，已有新插入的数据。

• packet_queue_get，取出队首Packet。由于向队列的插入数据实在主线程中完成的，而取数据则是在callback线程中进行的，所以有可能在
  
  取数据的时候，队列为空。在packet_queue_get中有一个block参数，指定在无数据的时候是否阻塞线程等待。

    while (true)
    {
        pktl = q->first_pkt;
        if (pktl)
        {
            q->first_pkt = pktl->next;
            if (!q->first_pkt)
                q->last_pkt = nullptr;
            q->nb_packets--;
            q->size -= pktl->pkt.size;
            *pkt = pktl->pkt;
            av_free(pktl);
            ret = 1;
            break;
        }
        else if (!block)
        {
            ret = 0;
            break;
        }
        else
        {
            SDL_CondWait(q->cond, q->mutext);
        }
    }

在队列无数据的时候，设定为阻塞等待则SDL_CondWait(q->cond, q->mutext)等待，不然就直接返回。

4. 解码音频及其格式转换

已经准备好了Packet队列，下面要做的就是从 Audio File中取出Packet并填充到Packet Queue中，然后在callback函数中对Packet进行

解码，并将解码后的数据传送到音频设备播放。

4.1 插入Packet

    packet_queue_init(&audioq);
    SDL_PauseAudio(0);
    AVPacket packet;
    while (av_read_frame(pFormatCtx, &packet) >= 0)
    {
        if (packet.stream_index == audioStream)
            packet_queue_put(&audioq, &packet);
        else
            av_free_packet(&packet);
    }

首先初始化PacketQueue，SDL_PauseAudio是让音频设备开始播放，如果没有提供数据，则播放静音。接着一个while循环将，从音频

流中提取Packet，放入到队列中。插入到队列中的Packet没有被free，等到packet被解码后，才会被free掉。

4.2 取出Packet并解码

Packet已经放入到队列中，接下来就要在callback函数中，取出packet并解码传送到音频设备。

void audio_callback(void* userdata, Uint8* stream, int len)
{
    AVCodecContext* aCodecCtx = (AVCodecContext*)userdata;
    int len1, audio_size;
    static uint8_t audio_buff[(MAX_AUDIO_FRAME_SIZE * 3) / 2];
    static unsigned int audio_buf_size = 0;
    static unsigned int audio_buf_index = 0;
    SDL_memset(stream, 0, len);
    while (len > 0)
    {
        if (audio_buf_index >= audio_buf_size)
        {
            audio_size = audio_decode_frame(aCodecCtx, audio_buff, sizeof(audio_buff));
            if (audio_size < 0)
            {
                audio_buf_size = 1024;
                memset(audio_buff, 0, audio_buf_size);
            }
            else
                audio_buf_size = audio_size;
            audio_buf_index = 0;
        }
        len1 = audio_buf_size - audio_buf_index;
        if (len1 > len)
            len1 = len;
        memcpy(stream, (uint8_t*)(audio_buff + audio_buf_index), audio_buf_size);
        len -= len1;
        stream += len1;
        audio_buf_index += len1;
    }
}

在callback函数中，设置了一个静态的数据缓冲区 static uint8_t audio_buff[(MAX_AUDIO_FRAME_SIZE * 3) / 2]，callback函数每次向音频设备传送数据时，首先检测静态缓存区中是否有数据，有则直接复制到stream中 memcpy(stream, (uint8_t*)(audio_buff + audio_buf_index), audio_buf_size);；否则调用audio_decode_frame函数，从Packet 队列中取出Packet，将解码后的数据填充到静态缓冲区，然后再传送到音频设备。

4.3 解码数据并进行格式转换

在callback函数中调用audio_decode_frame函数，解码Packet队列中的Packet。audio_decode_frame声明如下：

int audio_decode_frame(AVCodecContext* aCodecCtx, uint8_t* audio_buf, int buf_size)

audio_buf是callback函数中定义的静态缓存空间，该函数将解码后的数据填充到该空间。

int got_frame = 0;
len1 = avcodec_decode_audio4(aCodecCtx, &frame, &got_frame, &pkt);
if (len1 < 0) // 出错，跳过
{
    audio_pkt_size = 0;
    break;
}
audio_pkt_data += len1;
audio_pkt_size -= len1;
data_size = 0;
if (got_frame)
{
    data_size = av_samples_get_buffer_size(nullptr, aCodecCtx->channels, frame.nb_samples, aCodecCtx->sample_fmt, 1);
    assert(data_size <= buf_size);
    memcpy(audio_buf, frame.data[0], data_size);
}

得到解码后的数据后，还有一个问题就是，输入的音频格式可能和SDL打开的音频设备所支持的格式不一致，所以在将数据放入到callback的静态缓冲区前，需要做一个数据格式的转换。

首先创建一个SwrContext，并设定好转换参数，并初始化该SwrContext。

SwrContext* swr_ctx = nullptr;
if (swr_ctx)
{
    swr_free(&swr_ctx);
    swr_ctx = nullptr;
}

swr_ctx = swr_alloc_set_opts(nullptr, wanted_frame.channel_layout, (AVSampleFormat)wanted_frame.format, wanted_frame.sample_rate,
    frame.channel_layout, (AVSampleFormat)frame.format, frame.sample_rate, 0, nullptr);
if (!swr_ctx || swr_init(swr_ctx) < 0)
{
    cout << "swr_init failed:" << endl;
    break;
}

设定的swr选项有三个：数据布局channel_layout，样本的精度format和每秒的sample个数sample_rate，需要设定转换前后的这三个参数。

int dst_nb_samples = av_rescale_rnd(swr_get_delay(swr_ctx, frame.sample_rate) + frame.nb_samples,
    wanted_frame.sample_rate, wanted_frame.format, AVRounding(1));
int len2 = swr_convert(swr_ctx, &audio_buf, dst_nb_samples,
    (const uint8_t**)frame.data, frame.nb_samples);

参数设定好后，在进行转换前，还需要计算出转换后的sample的个数，上面代码中的dst_nb_samples。然后调用swr_convert就完成了输入的音频到输出音频格式的转换

5 总结

本文主要参考dranger tutorial的播放音频教程，对使用FFmpeg + SDL播放音频做了个总结。主要以下内容：

• 关于音频的一些基础知识：采样率，通道，比特率等
• SDL2播放音频的流程
• 使用Packet队列，FFmpeg解码
  
  在FFmpeg解码，然后发送给音频设备的时候要进行音频格式的转换，不然在播放的时候有可能有杂音。

接下来打算对AVPacket这个结构体进行个分析，在总结的时候发现AVPacket中的数据缓存管理还是有点复杂的。而且，在本文代码中使用的av_dup_packet和av_packet_free已经废弃了。

/**
 * Free a packet.
 *
 * @deprecated Use av_packet_unref
 *
 * @param pkt packet to free
 */
attribute_deprecated
void av_free_packet(AVPacket *pkt); 

/**
 * @warning This is a hack - the packet memory allocation stuff is broken. The
 * packet is allocated if it was not really allocated.
 *
 * @deprecated Use av_packet_ref
 */
attribute_deprecated
int av_dup_packet(AVPacket *pkt);

本文代码FFmpeg3.cpp