使用libmp3lame库编码mp3

原文链接https://blog.csdn.net/bjrxyz/article/details/73435407?locationNum=15&fps=1

LAME

lame是一个有名的开源mp3编码库,但是目前网上使用lame库的教程基本都是直接贴一篇代码,没有任何的解释,而每个使用者需要编码的需求都不一样,这些所谓的教程基本没什么作用。

这篇文章将会介绍如何调用lame库的接口编码出mp3。不同于目前网上的大多数lame教程,本文不会干巴巴的贴一屏幕代码,而是尽量对lame库提供的各种参数设置的接口做讲解。让读者能够举一反三,根据自己的需求编码出各种格式的mp3。

lame库编译

lame对linux的编译支持比较好,但是对于vc的支持基本停留在10年以前。所幸编码库的代码只有几个文件(下载的代码还包括命令行程序代码和gui程序代码,我们在此只需要编码库的代码,在libmp3lame目录中),自己新建个项目包含进来编译就行。

MP3

mp3(MPEG Layer III)这种格式在生活中很常见,但是mp3有很多种参数,这里讨论一下mp3编码所必须知道的一些参数。

采样率(sampleRate):采样率越高声音的还原度越好。

比特率(bitrate):每秒钟的数据量,越高音质越好。

声道数(channels):声道的数量,通常只有单声道和双声道,双声道即所谓的立体声。

比特率控制模式:ABR、VBR、CBR,这3中模式含义很容易查询到,不在赘述。

MPEG Layer III

MPEG有几个版本的协议,不同版本的协议能够支持的参数能力是不同的。编码库的使用者必须清楚不同版本的区别才能正确的设置参数。

有以下3个版本的协议,MPEG1、MPEG2、MPEG2.5。其中MPEG2.5是非官方的标准,但是流传广泛,所以基本也都支持。他们的区别主要集中在支持的比特率和采样率不同。

采样率支持(Hz)

MPEG1MPEG2MPEG2.5

441002205011025

480002400012000

32000160008000

比特率支持(bit/s)

MPEG1MPEG2MPEG2.5

3288

401616

482424

563232

644040

804848

965656

1126464

12880

16096

192112

224128

256144

320160

编码

流程

使用lame库只需要包含lame.h头文件,编码mp3基本上遵循以下的流程,

初始化编码参数

lame_init:初始化一个编码参数的数据结构,给使用者用来设置参数。

设置编码参数

lame_set_in_samplerate:设置被输入编码器的原始数据的采样率。

lame_set_out_samplerate:设置最终mp3编码输出的声音的采样率,如果不设置则和输入采样率一样。

lame_set_num_channels:设置被输入编码器的原始数据的声道数。

lame_set_mode:设置最终mp3编码输出的声道模式,如果不设置则和输入声道数一样。参数是枚举,STEREO代表双声道,MONO代表单声道。

lame_set_VBR:设置比特率控制模式,默认是CBR,但是通常我们都会设置VBR。参数是枚举,vbr_off代表CBR,vbr_abr代表ABR(因为ABR不常见,所以本文不对ABR做讲解)vbr_mtrh代表VBR。

lame_set_brate:设置CBR的比特率,只有在CBR模式下才生效。

lame_set_VBR_mean_bitrate_kbps:设置VBR的比特率,只有在VBR模式下才生效。

其中每个参数都有默认的配置,如非必要可以不设置。这里只介绍了几个关键的设置接口,还有其他的设置接口可以参考lame.h(lame的文档里只有命令行程序的用法,没有库接口的用法)。

初始化编码器器

lame_init_params:根据上面设置好的参数建立编码器

编码PCM数据

lame_encode_buffer或lame_encode_buffer_interleaved:将PCM数据送入编码器,获取编码出的mp3数据。这些数据写入文件就是mp3文件。

其中lame_encode_buffer输入的参数中是双声道的数据分别输入的,lame_encode_buffer_interleaved输入的参数中双声道数据是交错在一起输入的。具体使用哪个需要看采集到的数据是哪种格式的,不过现在的设备采集到的数据大部分都是双声道数据是交错在一起。

单声道输入只能使用lame_encode_buffer,把单声道数据当成左声道数据传入,右声道传NULL即可。

调用这两个函数时需要传入一块内存来获取编码器出的数据,这块内存的大小lame给出了一种建议的计算方式:采样率/20+7200。

结束编码

lame_encode_flush:刷新编码器缓冲,获取残留在编码器缓冲里的数据。这部分数据也需要写入mp3文件

写入VBRTAG

lame_mp3_tags_fid:向一个文件指针中写入XING规范的VBRTAG。

VBRTAG的作用是记录整个mp3的一些信息,通常用于VBR模式下的编码,因为VBR模式下比特率不固定,无法直接计算出播放的时长和跳跃点,所以在mp3的开头部分插入一个VBRTAG。

VBRTAG有几种规范,但是lame支持的是最通用的XING规范。

注意lame_mp3_tags_fid函数的参数需要一个FILE *类型代表要写入的文件,这个文件一定是之前编码时写入了mp3数据的文件,VBRTAG是需要卸载mp3的开头的,之前的编码过程中会自动空出写入VBRTAG所需要的空间,这个函数内会自动寻找合适的文件偏移然后覆盖,所以当前的文件偏移是无关紧要的,但是打开文件的时候一定要以读写模式打开。

注意我提到了之前的编码过程中会自动空出写入VBRTAG所需要的空间,所以如果结束编码后不调用lame_mp3_tags_fid写入VBRTAG就会导致这部分内容为空,虽然不影响播放,但是会影响很多播放器对于时长和跳跃点的计算。

那么对于非VBR模式也需要写入VBRTAG吗?是的,lame对于非VBR模式也会预留出VBRTAG的空间,所以非VBR模式的编码最后也需要写入VBRTAG。

销毁编码器

lame_close销毁编码器,释放资源。

参数的有效性

不规范的参数

对于编码器的参数设置,所能接受的参数值并不是任意的。上一节的表格中列出了编码器器能够支持的参数值,如果我们设置的参数值不在其中,那么编码器会自动帮我们选择一个最近的值。

不一致的版本

但是如果仔细看了上面表格中的参数后会发现一个问题,每个版本支持的参数范围不一致,假如设置了MPEG2的比特率又设置了MPEG1的采样率那么会发生什么?

这里先给结论,lame库会优先服从采样率(这里指的是输出采样率)设置,根据采样率选择协议版本,然后在这个版本所能支持的比特率中选一个和设置比特率最接近的。

这个结论是我研究了lame的源码后分析得到的,lame的文档中并没有对此有任何描述,网上也没有任何相关的资料描述这一问题,接下来给出源码分析,如果不关心的可以跳过这一节。


首先如果没有设置输出采样率,调用map2MP3Frequency根据输入采样率算出输出采样率,默认和输入采样率一致的。

然后根据输出采样率调用SmpFrqIndex计算出MPEG版本,这里注意将MPEG2和MPEG2.5都视为MPEG2。

根据已经设置的比特率、输出采样率、版本调用FindNearestBitrate去寻找合适的比特率。FindNearestBitrate在相应的版本的能力范围中找一个最接近的值的索引。



原文链接https://blog.csdn.net/bjrxyz/article/details/73435407?locationNum=15&fps=1

你可能感兴趣的:(使用libmp3lame库编码mp3)