C++ 音频 - 技术栈

一、采样频率

当前主流的采样频率为22.05K Hz、44.1K Hz、48KHz

22.05KHz ：为FM广播声音品质

44.1KHz ：为理论上最高的CD声音品质（直播，录像，acc）

48KHz ：人耳可分辨的最高采样频率

（比如 " 44100Hz 16bit stereo " 表示采样频率44.1 KHz，每个采样点占2 字节，双声道）

（比如 " 22050Hz 8bit mono " 表示采样频率22.05 KHz，每个采样点占1 字节，单声道）

二、PCM

PCM（Pulse Code Modulation）为脉冲编码调制。PCM中的声音数据没有被压缩。

一般情况下，一帧PCM由2048次采样获得。

注意：双声道时，采样低字节在前，高字节在后。

1分钟的PCM声音大小 = 44100 × 2(声道) × 2(字节) 60(秒) ÷ 1024 ÷ 1024 ≈ 10MB(兆)

直接传输非常大，因此需要对PCM流进行压缩。（最常见的压缩方式：aac）

三、aac

aac是音频流PCM最常用的压缩方式，除此以外还有g711，opus，mp3等。

3.1 数据格式

acc有两种数据格式：

ADIF（Audio Data Interchage Format）：音频数据交换格式。只有一个统一的头，

必须得到所有数据后才能解码，适用于本地文件。

ADTS（Audio Data Transport Stream）：音频数据传输流。每一帧都有头信息，

任意帧解码，适用于传输流。

cpp 复制代码

struct AdtsHeader {        
    unsigned int syncword;  //12 bit 同步字 '1111 1111 1111'，一个ADTS帧的开始
    uint8_t id;        //1 bit 0代表MPEG-4, 1代表MPEG-2。
    uint8_t layer;     //2 bit 必须为0
    uint8_t protectionAbsent;  //1 bit 1代表没有CRC，0代表有CRC

    uint8_t profile;           //2 bit AAC级别（MPEG-2 AAC中定义了3种profile，MPEG-4 AAC中定义了6种profile）
    uint8_t samplingFreqIndex; //4 bit 采样率（4表示44100Hz）
    uint8_t privateBit;        //1bit 编码时设置为0，解码时忽略
    uint8_t channelCfg;        //3 bit 声道数量
    uint8_t originalCopy;      //1bit 编码时设置为0，解码时忽略
    uint8_t home;               //1 bit 编码时设置为0，解码时忽略

    uint8_t copyrightIdentificationBit;   //1 bit 编码时设置为0，解码时忽略
    uint8_t copyrightIdentificationStart; //1 bit 编码时设置为0，解码时忽略
    unsigned int aacFrameLength;               //13 bit 一个ADTS帧的长度包括ADTS头和AAC原始流
    unsigned int adtsBufferFullness;           //11 bit 缓冲区充满度，0x7FF说明是码率可变的码流，不需要此字段。CBR可能需要此字段，不同编码器使用情况不同。这个在使用音频编码的时候需要注意。

    /* number_of_raw_data_blocks_in_frame
     * 表示ADTS帧中有number_of_raw_data_blocks_in_frame + 1个AAC原始帧
     * 所以说number_of_raw_data_blocks_in_frame == 0
     * 表示说ADTS帧中有一个AAC数据块并不是说没有。(一个AAC原始帧包含一段时间内1024个采样及相关数据)
     */
    uint8_t numberOfRawDataBlockInFrame; //2 bit
};