iOS 使用 Lame 转码 MP3 的最正确姿势

前言

最近在项目中, 做有关 AVAudioRecorder 的录音开发, 需要把录制的格式转成 MP3, 遇到了转码之后的MP3文件, 无法获取正确的时长问题.
为了解决这个问题, 真的是反复来修改录音配置, 浪费了不知道多少的时间来分析这个问题.
中间我去某某群去找大神提问问题,结果遭到了鄙视, 都统统质疑我的录音配置, 最后甩给我一个demo, 结果我一测试, 也是一样的问题, 我就呵呵了.
所以, 我今天来写一篇文章来认真剖析这个问题, 为什么起名 ? iOS 使用 Lame 转码 MP3 的最正确姿势 ! 是因为我在百度搜索到的各种有关于 Lame 转码的代码, 至少很大一部分都是不完全正确的.

概述

我将会在本篇文章分析以下几点内容

AVAudioRecorder 配置和 Lame 编码压缩配置
解决录音时长读取不正确的问题
边录制边转码的实现
测试 Demo

AVAudioRecorder 配置和 Lame 编码压缩配置

AVAudioRecorder 配置的注意事项

关于 AVAudioRecorder 录音的相关配置和 Lame 包的编译工作, 这里忽略不讲, 主要是想说一下需要注意的地方

Lame 的转码压缩, 是把录制的 PCM 转码成 MP3, 所以录制的 AVFormatIDKey 设置成 kAudioFormatLinearPCM , 生成的文件可以是 caf 或者 wav.
caf 文件是 Mac OS X 原本支持的众多音频格式中最新增加的一种. iPhone 短信就是这种格式, 录制出的文件会比较大.
AVNumberOfChannelsKey 必须设置为双声道, 不然转码生成的 MP3 会声音尖锐变声.
AVSampleRateKey 必须保证和转码设置的相同.

Lame 编码压缩的相关配置

我们需要录音源文件路径和生成MP3的路径 FILE *pcm 和 FILE *mp3,

//source 被转换的音频文件位置
FILE *pcm = fopen([cafFilePath cStringUsingEncoding:1], "rb");  
//skip file header 跳过 PCM header 能保证录音的开头没有噪音 
fseek(pcm, 4*1024,  SEEK_CUR); 
//output 输出生成的Mp3文件位置
FILE *mp3 = fopen([mp3FilePath cStringUsingEncoding:1], "wb+");

通过 fopen 需要注意打开文件的模式. 是扩展的的 C 语言的文件打开模式, 为什么要说这些, 比如我使用 wb 来打开 mp3, 就意味着我只允许写数据, 而如果你有对文件的读取操作,将会出现错误, 这也是我被坑过的地方.

C 语言的 文件打开模式

w+以纯文本方式读写，而wb+是以二进制方式进行读写。
mode说明：
w 打开只写文件，若文件存在则文件长度清为0，即该文件内容会消失。若文件不存在则建立该文件。
w+ 打开可读写文件，若文件存在则文件长度清为零，即该文件内容会消失。若文件不存在则建立该文件。
wb 只写方式打开或新建一个二进制文件，只允许写数据。
wb+ 读写方式打开或建立一个二进制文件，允许读和写。
r 打开只读文件，该文件必须存在，否则报错。
r+ 打开可读写的文件，该文件必须存在，否则报错。
rb+ 读写方式打开一个二进制文件，只允许读写数据。
a 以附加的方式打开只写文件。若文件不存在，则会建立该文件，如果文件存在，写入的数据会被加到文件尾，即文件原先的内容会被保留。（EOF符保留）
a+ 以附加方式打开可读写的文件。若文件不存在，则会建立该文件，如果文件存在，写入的数据会被加到文件尾后，即文件原先的内容会被保留。 （原来的EOF符不保留）
ab+ 读写打开一个二进制文件，允许读或在文件末追加数据。
加入b 字符用来告诉函数库打开的文件为二进制文件，而非纯文字文件。

然后是 lame_init() 来初始化, lame_set_num_channels(lame,1) 默认转码为2双通道, 设置单声道会更大程度减少压缩后文件的体积.
接下来是执行一个 do while 的循环来反复读取 FILE* stream , 直到 read != 0 , 结束转码,释放 lame_close(lame); fclose(mp3); fclose(pcm);

解决录音时长读取不正确的问题

Lame 的转码配置网上有很多, 网上可以搜到很多相关的代码, 作为小白 copy 使用, 由于不懂源码实现,直接拿来用就出现了不可预料的问题. 我出现的播放时间不准确的问题, 无论是 AVPlayer 或者 AVAudioPlayer 均无法读取正确的长度, 要么是多几秒, 要么是少几秒, 还可能是超过10s的的误差, 但是播放的过程中, 定时器的计数会和总时间显示不吻合, 就比如一个显示 2:30 的录音, 活生生放到了 2:50, 你能想象是多么的尴尬Bug.

问题猜测

我把录制完成的文件, 使用 iTunes 来播放可以显示出正确的长度, 但是使用 QuickTime Player 会出现和 AVPlayer 一样的错误时长 !!!

所以分析造成这个问题的原因可能是:

1. AVPlayer 不能正确读取长度
1. MP3的编码出现了错误...

然后网上也有人遇到了同样的问题,给出的解决方法是换一种 AVPlayer 读取方法:
我总结了 AVPlayer 获取总时长的以下方法 ,结果测试结果都是相近,

way 1

 CMTime time = _player.currentItem.duration;
    if (time.timescale == 0) {
        return 0;
    }
    return time.value / time.timescale;

way 2

    if (self.player && self.player.currentItem && self.player.currentItem.asset) {
        return  CMTimeGetSeconds(self.player.currentItem.asset.duration);

    } else{
        return 0;
    }

way 3

    AVURLAsset* audioAsset = [AVURLAsset URLAssetWithURL:self.playingURL options:nil];
    CMTime audioDuration = audioAsset.duration;
    float audioDurationSeconds = CMTimeGetSeconds(audioDuration);
    return (NSInteger)audioDurationSeconds;

其中 , 使用 Asset 可以解决获取总时间是 NA 的这种错误情况. 实际中我并没有出现过.
我的测试中 AVPlayer 使用这几个方法, 均无法得到正确的值, 所以应该就是生成文件的问题了.

了解MP3编码格式

然后,通过对MP3编码格式调研, 了解到如下信息:

MP3使用的是动态码率方式，而这种方式每一帧的长度应该是不等的。那会不会是 AVPlayer 是把文件当做每帧相等的方式来计算的总时间，所以才不对？
不断输出 AVPlayer duration来看, 每次都会有不同的结果, 而 AVPlayer 是支持Mp3 VBR格式文件播放的。所以应该还是我们的生成的文件有问题
了解到 MP3 VBR头这个东西,有它记录了整个文件的帧总数量，就能直接算出duration.所以是不是我们Lame编码的时候,没有写入 VBR 头呢.

Lame 源码分析

搜索 Lame 源码 VBR关键字可以得到

/*
  1 = write a Xing VBR header frame.
  default = 1
  this variable must have been added by a Hungarian notation Windows programmer :-)
*/
int CDECL lame_set_bWriteVbrTag(lame_global_flags *, int);
int CDECL lame_get_bWriteVbrTag(const lame_global_flags *);

源码写的很简单, 就是设置了 gfp->write_lame_tag值, 看看所有调用 write_lame_tag 的地方吧。第一个就找到了lame_encode_mp3_frame(..)函数。这不就是用来每次灌buffer给lame做MP3编码的方法嘛！也就是说每次都会给给帧添加VBR信息，这和之前看的编码资料描述的一样。
接下来, 就是需要找到写入VBR头的函数, 搜索源码可得 PutLameVBR() 被调用在lame_get_lametag_frame()函数里, 然后我们来看看这个函数:

/*
 * OPTIONAL:
 * lame_mp3_tags_fid will rewrite a Xing VBR tag to the mp3 file with file
 * pointer fid.  These calls perform forward and backwards seeks, so make
 * sure fid is a real file.  Make sure lame_encode_flush has been called,
 * and all mp3 data has been written to the file before calling this
 * function.
 * NOTE:
 * if VBR  tags are turned off by the user, or turned off by LAME because
 * the output is not a regular file, this call does nothing
 * NOTE:
 * LAME wants to read from the file to skip an optional ID3v2 tag, so
 * make sure you opened the file for writing and reading.
 * NOTE:
 * You can call lame_get_lametag_frame instead, if you want to insert
 * the lametag yourself.
*/
void CDECL lame_mp3_tags_fid(lame_global_flags *, FILE* fid);

原来这个函数是应该在lame_encode_flush()之后调, 当所有数据都写入完毕了再调用。仔细想想也很合理, 这时才能确定文件的总帧数。

问题解决

现在的思路就比较清晰了, 由于在Lame编码的过程中, 我们没有对VBR头进行写入, 导致了 AVPlayer duration 以每帧相同的方式来计算出现的错误.
解决方法是, 在lame文件全部写入之后, lame释放之前, 使用 lame_mp3_tags_fid 写入 VBR 头文件, 测试通过, 读取时间正常.
而这行代码 lame_mp3_tags_fid 我在网上搜索的各种配置中发现都没有写.

边录制边转码的实现

通常我们是在录制结束之后, 再进行转码; 当录制的时间较长, 会消耗的时间比较长. 用户需要等待转码结束后,才能操作; 但是如果我们使用边录制,边转码的方式, 开另外一个线程同时进行转码,则几乎没有等待的时间,效率上会比较的高.

核心代码实现

            do {
                curpos = ftell(pcm);
                long startPos = ftell(pcm);
                fseek(pcm, 0, SEEK_END);
                long endPos = ftell(pcm);
                long length = endPos - startPos;
                fseek(pcm, curpos, SEEK_SET);
                
                if (length > PCM_SIZE * 2 * sizeof(short int)) {
                    
                    if (!isSkipPCMHeader) {
                        //Uump audio file header, If you do not skip file header
                        //you will heard some noise at the beginning!!!
                        fseek(pcm, 4 * 1024, SEEK_CUR);
                        isSkipPCMHeader = YES;
                        NSLog(@"skip pcm file header !!!!!!!!!!");
                    }
                    
                    read = (int)fread(pcm_buffer, 2 * sizeof(short int), PCM_SIZE, pcm);
                    write = lame_encode_buffer_interleaved(lame, pcm_buffer, read, mp3_buffer, MP3_SIZE);
                    fwrite(mp3_buffer, write, 1, mp3);
                    NSLog(@"read %d bytes", write);
                } else {
                    [NSThread sleepForTimeInterval:0.05];
                    NSLog(@"sleep");
                }
                
            } while (! weakself.stopRecord);

边录边转码, 只是我们在录制结果后,重新开一个线程来进行文件的转码,
当录音进行中时, 会持续读取到指定大小文件,进行编码, 读取不到,则线程休眠
在 while 的条件中, 我们收到录音结束的条件,则会结束 do while 的循环.
我们需要在录制结束后发送一个信号, 让 do while 跳出循环

测试 Demo

为了让遇到相同问题的人, 能够更加对这些问题有一点的了解, 我会在这里贴一个我测试的Demo 这只是一个实例程序, 并不具备完整的逻辑功能, 请熟知.

关于Demo, 可以在 ViewController 中 #define ENCODE_MP3 1 使用 1 和 0 , 来测试普通转码和边录制边转码.
ConvertAudioFile 是录音转码封装的源码
边录边转的用法

        [[ConvertAudioFile sharedInstance] conventToMp3WithCafFilePath:self.cafPath
                                                           mp3FilePath:self.mp3Path
                                                            sampleRate:ETRECORD_RATE callback:^(BOOL result)
        {
            NSLog(@"---- 转码完成  --- result %d  ---- ", result);
        }];;

录制完成转码的用法

    [ConvertAudioFile conventToMp3WithCafFilePath:self.cafPath
                      mp3FilePath:self.mp3Path
                       sampleRate:ETRECORD_RATE callback:^(BOOL result)
     {
         NSLog(@"---- 转码完成  --- result %d  ---- ", result);
     }];

Demo 见文章底部, 如果Demo 有什么不理解和不准确的地方,还麻烦指正...

结语

由于时间有限, 我并不会写太多细致的内容, 只是对这几天的研究做一个总结,和列举一些注意事项,如果在做音频录制转码中遇到相同的问题,则会有比较大的帮助.

总结

这次解决这个问题,让我受益匪浅, 很多地方的收获是超过问题本身的:

在使用别人的示范代码时,如果不进行一定的剖析;当出现问题的时间,会比较的难判断问题的来源
iOS的相关技术博客,现在网上可以搜到很多相关示范代码, 但是由于很多人可能也是贴出了并不是很准确的东西, 相关给别人带来了错误的示范.
作为 iOS 开发者, 对很多东西,如果想要有更加深层次的理解,则需要 1. 计算机基础扎实 2. iOS底层理解够深 3.架构设计模式理解够深 4.代码平时写的必须够优雅
Google 会比 Baidu 靠谱呀; 虽然我之前也是这么想的,但这次对我有帮助的文章均来自 Google, 相反Baidu 给了很多错误的示范.

Link

Demo - GitHub
个人博客

致谢

对我有帮助的文章

https://itony.me/365.html
http://www.jianshu.com/p/57f38f075ba0

iOS 使用 Lame 转码 MP3 的最正确姿势

前言

概述

AVAudioRecorder 配置 和 Lame 编码压缩配置

AVAudioRecorder 配置的注意事项

Lame 编码压缩 的相关配置

解决录音时长读取不正确的问题

问题猜测

了解MP3编码格式

Lame 源码分析

问题解决

边录制边转码的实现

测试 Demo

结语

总结

Link

致谢

你可能感兴趣的:(iOS 使用 Lame 转码 MP3 的最正确姿势)

AVAudioRecorder 配置和 Lame 编码压缩配置

Lame 编码压缩的相关配置