Qt/C++音视频开发66-音频变速不变调/重采样/提高音量/变速变调/倍速播放/sonic库使用

一、前言

之前在做倍速这个功能的时候，发现快速播放会有滴滴滴的破音出现，正常1倍速没有这个问题，尽管这个破音间隔很短，要放大音量才能听到，但是总归是不完美的，后面发现，通过修改qaudiooutput的采样率，可以规避这个问题，破音不在出现了，但是音调变了，倍速越大变得越快，人声越发不清晰，变得尖锐，也就是通常说的变速变调了。当然这是正常现象，所有搞音视频播放开发者都会遇到这个现象，因为这就是默认的正常现象，但是我们希望听到的是变速不变调，速度可以快，但是要尽量保持人声能够识别。所以就需要有个算法能够将收到的可以直接播放的pcm数据运算，运算后的pcm数据是尽量保证了人声的数据，这样保持采样率不变的情况下，播放出来的声音效果非常好。

对比过很多播放器，有些著名的播放器早期也是没有考虑到这个变速变调的问题，是后来的版本才慢慢加上去的。还有些著名的组件比如qtav等，也一直是没有解决变速变调的问题，包括著名的推流大佬obs，调整到2倍速推流，声音也是变调了的。通过查阅资料得知，保证变速不变调，通常用两个库来实现，一个是soundtouch，一个是sonic，本人更喜欢用sonic，集成简单，就一个h和一个c文件，纯c语言编写的，整个源码就几千行代码。要学习也是非常容易的，通用任何平台和编译器。毕竟就是个数学运算库，只要是能支持C语言的场景就都支持。

Qt调用sonic库基本步骤：

创建对象 sonicCreateStream，传入采样率和通道。
设置倍速 sonicSetSpeed，还可以设置音调sonicSetPitch、设置语速sonicSetRate等。
写入数据 sonicWriteShortToStream，将收到的可以直接播放的pcm音频数据传入。
取出数据 sonicReadShortFromStream，将取出的数据再发给qaudiooutput播放即可。

视频演示步骤：

演示不做任何处理的倍速声音。
演示通过更改采样率的倍速声音。
演示通过音效库处理的声音。
演示音调变化，正常语速，变化音调。
演示音量变化，正常音量，通过修改声音数据，强制提高音量。
演示麦克风正常语速变调，不同通道。
对比vlc、mpv、qtav的倍速处理。
在其他系统上编译测试是否也都兼容。

二、效果图

三、体验地址

国内站点：https://gitee.com/feiyangqingyun
国际站点：https://github.com/feiyangqingyun
个人作品：https://blog.csdn.net/feiyangqingyun/article/details/97565652
体验地址：https://pan.baidu.com/s/1d7TH_GEYl5nOecuNlWJJ7g 提取码：01jf 文件名：bin_video_demo。
视频主页：https://space.bilibili.com/687803542

四、功能特点

4.1. 基础功能

支持各种音频视频文件格式，比如mp3、wav、mp4、asf、rm、rmvb、mkv等。
支持本地摄像头设备和本地桌面采集，支持多设备和多屏幕。
支持各种视频流格式，比如rtp、rtsp、rtmp、http、udp等。
本地音视频文件和网络音视频文件，自动识别文件长度、播放进度、音量大小、静音状态等。
文件可以指定播放位置、调节音量大小、设置静音状态等。
支持倍速播放文件，可选0.5倍、1.0倍、2.5倍、5.0倍等速度，相当于慢放和快放。
支持开始播放、停止播放、暂停播放、继续播放。
支持抓拍截图，可指定文件路径，可选抓拍完成是否自动显示预览。
支持录像存储，手动开始录像、停止录像，部分内核支持暂停录像后继续录像，跳过不需要录像的部分。
支持无感知切换循环播放、自动重连等机制。
提供播放成功、播放完成、收到解码图片、收到抓拍图片、视频尺寸变化、录像状态变化等信号。
多线程处理，一个解码一个线程，不卡主界面。

4.2. 特色功能

同时支持多种解码内核，包括qmedia内核（Qt4/Qt5/Qt6）、ffmpeg内核（ffmpeg2/ffmpeg3/ffmpeg4/ffmpeg5/ffmpeg6）、vlc内核（vlc2/vlc3）、mpv内核（mpv1/mp2）、mdk内核、海康sdk、easyplayer内核等。
非常完善的多重基类设计，新增一种解码内核只需要实现极少的代码量，就可以应用整套机制，极易拓展。
同时支持多种画面显示策略，自动调整（原始分辨率小于显示控件尺寸则按照原始分辨率大小显示，否则等比缩放）、等比缩放（永远等比缩放）、拉伸填充（永远拉伸填充）。所有内核和所有视频显示模式下都支持三种画面显示策略。
同时支持多种视频显示模式，句柄模式（传入控件句柄交给对方绘制控制）、绘制模式（回调拿到数据后转成QImage用QPainter绘制）、GPU模式（回调拿到数据后转成yuv用QOpenglWidget绘制）。
支持多种硬件加速类型，ffmpeg可选dxva2、d3d11va等，vlc可选any、dxva2、d3d11va，mpv可选auto、dxva2、d3d11va，mdk可选dxva2、d3d11va、cuda、mft等。不同的系统环境有不同的类型选择，比如linux系统有vaapi、vdpau，macos系统有videotoolbox。
解码线程和显示窗体分离，可指定任意解码内核挂载到任意显示窗体，动态切换。
支持共享解码线程，默认开启并且自动处理，当识别到相同的视频地址，共享一个解码线程，在网络视频环境中可以大大节约网络流量以及对方设备的推流压力。国内顶尖视频厂商均采用此策略。这样只要拉一路视频流就可以共享到几十个几百个通道展示。
自动识别视频旋转角度并绘制，比如手机上拍摄的视频一般是旋转了90度的，播放的时候要自动旋转处理，不然默认是倒着的。
自动识别视频流播放过程中分辨率的变化，在视频控件上自动调整尺寸。比如摄像机可以在使用过程中动态配置分辨率，当分辨率改动后对应视频控件也要做出同步反应。
音视频文件无感知自动切换循环播放，不会出现切换期间黑屏等肉眼可见的切换痕迹。
视频控件同时支持任意解码内核、任意画面显示策略、任意视频显示模式。
视频控件悬浮条同时支持句柄、绘制、GPU三种模式，非绝对坐标移来移去。
本地摄像头设备支持指定设备名称、分辨率、帧率进行播放。
本地桌面采集支持设定采集区域、偏移值、指定桌面索引、帧率、多个桌面同时采集等。还支持指定窗口标题采集固定窗口。
录像文件同时支持打开的视频文件、本地摄像头、本地桌面、网络视频流等。
瞬间响应打开和关闭，无论是打开不存在的视频或者网络流，探测设备是否存在，读取中的超时等待，收到关闭指令立即中断之前的操作并响应。
支持打开各种图片文件，支持本地音视频文件拖曳播放。
视频流通信方式可选tcp/udp，有些设备可能只提供了某一种协议通信比如tcp，需要指定该种协议方式打开。
可设置连接超时时间（视频流探测用的超时时间）、读取超时时间（采集过程中的超时时间）。
支持逐帧播放，提供上一帧/下一帧函数接口，可以逐帧查阅采集到的图像。
音频文件自动提取专辑信息比如标题、艺术家、专辑、专辑封面，自动显示专辑封面。
视频响应极低延迟0.2s左右，极速响应打开视频流0.5s左右，专门做了优化处理。
支持H264/H265编码（现在越来越多的监控摄像头是H265视频流格式）生成视频文件，内部自动识别切换编码格式。
支持用户信息中包含特殊字符（比如用户信息中包含+#@等字符）的视频流播放，内置解析转义处理。
支持滤镜，各种水印及图形效果，支持多个水印和图像，可以将OSD标签信息和各种图形信息写入到MP4文件。
支持视频流中的各种音频格式，AAC、PCM、G.726、G.711A、G.711Mu、G.711ulaw、G.711alaw、MP2L2等都支持，推荐选择AAC兼容性跨平台性最好。
内核ffmpeg采用纯qt+ffmpeg解码，非sdl等第三方绘制播放依赖，gpu绘制采用qopenglwidget，音频播放采用qaudiooutput。
内核ffmpeg和内核mdk支持安卓，其中mdk支持安卓硬解码，性能非常凶残。
可以切换音视频轨道，也就是节目通道，可能ts文件带了多个音视频节目流，可以分别设置要播放哪一个，可以播放前设置好和播放过程中动态设置。
可以设置视频旋转角度，可以播放前设置好和播放过程中动态改变。
视频控件悬浮条自带开始和停止录像切换、声音静音切换、抓拍截图、关闭视频等功能。
音频组件支持声音波形值数据解析，可以根据该值绘制波形曲线和柱状声音条，默认提供了声音振幅信号。
标签和图形信息支持三种绘制方式，绘制到遮罩层、绘制到图片、源头绘制（对应信息可以存储到文件）。
通过传入一个url地址，该地址可以带上通信协议、分辨率、帧率等信息，无需其他设置。
保存视频到文件支持三种策略，自动处理、仅限文件、全部转码，转码策略支持自动识别、转264、转265，编码保存支持指定分辨率缩放或者等比例缩放。比如对保存文件体积有要求可以指定缩放后再存储。
支持加密保存文件和解密播放文件，可以指定秘钥文本。
提供的监控布局类支持64通道同时显示，还支持各种异型布局，比如13通道，手机上6行2列布局。各种布局可以自由定义。
支持电子放大，在悬浮条切换到电子放大模式，在画面上选择需要放大的区域，选取完毕后自动放大，再次切换放大模式可以复位。
各组件中极其详细的打印信息提示，尤其是报错信息提示，封装的统一打印格式。针对现场复杂的设备环境测试极其方便有用，相当于精确定位到具体哪个通道哪个步骤出错。
同时提供了简单示例、视频播放器、多画面视频监控、监控回放、逐帧播放、多屏渲染等单独窗体示例，专门演示对应功能如何使用。
监控回放可选不同厂家类型、回放时间段、用户信息、指定通道。支持切换回放进度。
可以从声卡设备下拉框选择声卡播放声音，提供对应的切换声卡函数接口。
支持编译到手机app使用，提供了专门的手机app布局界面，可以作为手机上的视频监控使用。
代码框架和结构优化到最优，性能强悍，注释详细，持续迭代更新升级。
源码支持windows、linux、mac、android等，支持各种国产linux系统，包括但不限于统信UOS/中标麒麟/银河麒麟等。还支持嵌入式linux。
源码支持Qt4、Qt5、Qt6，兼容所有版本。

4.3. 视频控件

可动态添加任意多个osd标签信息，标签信息包括名字、是否可见、字号大小、文本文字、文本颜色、背景颜色、标签图片、标签坐标、标签格式（文本、日期、时间、日期时间、图片）、标签位置（左上角、左下角、右上角、右下角、居中、自定义坐标）。
可动态添加任意多个图形信息，这个非常有用，比如人工智能算法解析后的图形区域信息直接发给视频控件即可。图形信息支持任意形状，直接绘制在原始图片上，采用绝对坐标。
图形信息包括名字、边框大小、边框颜色、背景颜色、矩形区域、路径集合、点坐标集合等。
每个图形信息都可指定三种区域中的一种或者多种，指定了的都会绘制。
内置悬浮条控件，悬浮条位置支持顶部、底部、左侧、右侧。
悬浮条控件参数包括边距、间距、背景透明度、背景颜色、文本颜色、按下颜色、位置、按钮图标代码集合、按钮名称标识集合、按钮提示信息集合。
悬浮条控件一排工具按钮可自定义，通过结构体参数设置，图标可选图形字体还是自定义图片。
悬浮条按钮内部实现了录像切换、抓拍截图、静音切换、关闭视频等功能，也可以自行在源码中增加自己对应的功能。
悬浮条按钮对应实现了功能的按钮，有对应图标切换处理，比如录像按钮按下后会切换到正在录像中的图标，声音按钮切换后变成静音图标，再次切换还原。
悬浮条按钮单击后都用名称唯一标识作为信号发出，可以自行关联响应处理。
悬浮条空白区域可以显示提示信息，默认显示当前视频分辨率大小，可以增加帧率、码流大小等信息。
视频控件参数包括边框大小、边框颜色、焦点颜色、背景颜色（默认透明）、文字颜色（默认全局文字颜色）、填充颜色（视频外的空白处填充黑色）、背景文字、背景图片（如果设置了图片优先取图片）、是否拷贝图片、缩放显示模式（自动调整、等比缩放、拉伸填充）、视频显示模式（句柄、绘制、GPU）、启用悬浮条、悬浮条尺寸（横向为高度、纵向为宽度）、悬浮条位置（顶部、底部、左侧、右侧）。

五、相关代码

cpp 复制代码

void AudioPlayer::openSonic(bool useSonic, int sampleRate, int channelCount, float speed, float pitch, float rate, float volume)
{
    this->closeSonic();
    if (useSonic) {
        //开辟临时存放运算后的音频数据内存空间
        sonicData = new float[sonicSize];
        //创建变速运算流
        sonicObj = SonicCpp::sonicCreateStream(sampleRate, channelCount);
        //设置音速
        SonicCpp::sonicSetSpeed(sonicObj, speed);
        //设置音调
        SonicCpp::sonicSetPitch(sonicObj, pitch);
        //设置语速
        SonicCpp::sonicSetRate(sonicObj, rate);
        //声音大小/可以通过改变声音数据强制提高音量
        SonicCpp::sonicSetVolume(sonicObj, volume);
    }
}

void AudioPlayer::closeSonic()
{
    //释放变声库临时数据
    if (sonicData) {
        delete[] sonicData;
        sonicData = NULL;
    }

    //释放变声库对象
    if (sonicObj) {
        SonicCpp::sonicDestroyStream(sonicObj);
        sonicObj = NULL;
    }
}

void AudioPlayer::playSonicData(const char *data, qint64 len)
{
    //为什么是这个尺寸 https://blog.csdn.net/qq_40170041/article/details/127727153
    //写入的时候用真实的数据长度除以这个值/取出的时候用运算后的真实数据长度乘以这个值
    //先将音频数据写入流/然后从流中取出运算后的数据
    int offset, numSamples;
    if (sampleSize == 8) {
        offset = SonicCpp::sonicGetNumChannels(sonicObj) * 1;
        SonicCpp::sonicWriteUnsignedCharToStream(sonicObj, (uchar *)data, len / offset);
        numSamples = SonicCpp::sonicReadUnsignedCharFromStream(sonicObj, (uchar *)sonicData, sonicSize);
    } else if (sampleSize == 16) {
        offset = SonicCpp::sonicGetNumChannels(sonicObj) * 2;
        SonicCpp::sonicWriteShortToStream(sonicObj, (short *)data, len / offset);
        numSamples = SonicCpp::sonicReadShortFromStream(sonicObj, (short *)sonicData, sonicSize);
    } else {
        offset = SonicCpp::sonicGetNumChannels(sonicObj) * 4;
        SonicCpp::sonicWriteFloatToStream(sonicObj, (float *)data, len / offset);
        numSamples = SonicCpp::sonicReadFloatFromStream(sonicObj, (float *)sonicData, sonicSize);
    }

    //写入运算后的音频数据
    deviceOutput->write((const char *)sonicData, numSamples * offset);
}

void AudioPlayer::playAudioData(const char *data, qint64 len)
{
#ifdef multimedia
    if (deviceOutput) {
        //发送收到音频播放数据信号
        emit receiveOutputData(data, len);
        //限定静音状态下不写入数据减轻压力
        if (!muted) {
            if (sonicObj) {
                this->playSonicData(data, len);
            } else {
                deviceOutput->write(data, len);
            }
        }

        //获取音频数据振幅
        if (level) {
            qreal leftLevel, rightLevel;
            AudioHelper::getAudioLevel(audioOutput->format(), data, len, leftLevel, rightLevel);
            emit receiveLevel(leftLevel, rightLevel);
        }
    }
#endif
}