FLV提取AAC音频单独播放并实现可视化的频谱

FLV提取AAC音频单独播放并实现可视化的频谱_第1张图片

如上图,要实现对FLV直播流中音频的识别,并展示成一个音频相关的动态频谱。

 

一. 首先了解下什么是声音?

能量波,有频率有振幅,频率高低就是音调,振幅大小就是音量;采样率是对频率采样,采样精度是对幅度采样。

人耳能听到的频率范围是200-20KHz

音频数字化就是将模拟的(连续的)声音波形数字化(离散化),以便利用数字计算机进行处理的过程,主要参数包括采样频率(Sample Rate)和采样数位/采样精度(Quantizing,也称量化级)两个方面,这二者决定了数字化音频的质量。

二. 获取音频的可视化数据

音频的可视化简单来说可以通过反复收集当前音频的时域数据, 并绘制为一个示波器风格的输出(频谱)。

时域time domain)是描述数学函数或物理信号对时间的关系。例如一个信号的时域波形可以表达信号随着时间的变化。

频域(frequency domain)是指在对函数或信号进行分析时,分析其和频率有关部分,而不是和时间有关的部分[1],和时域一词相对。

 

一般来说,可视化是通过获取各个时间上的音频数据(通常是振幅或频率),之后运用图像技术将其处理为视觉输出(例如一个图像)来实现的。网页音频接口提供了一个不会改变输入信号的音频节点 AnalyserNode,通过它可以获取声音数据并传递到像  等等一样的可视化工具。

 

 1. 什么是AnalyserNode?以及如何创建AnalyserNode?

 AnalyserNode 赋予了节点可以提供实时频率及时间域分析的信息。它使一个 AudioNode通过音频流不做修改的从输入到输出, 但允许你获取生成的数据, 处理它并创建音频可视化.

 

AnalyserNode是一个节点名称,并不是html5的API,它可以通过 AudioContext 创建。

var audioCtx = new(window.AudioContext || window.webkitAudioContext)();
var analyser = audioCtx.createAnalyser();

 

AudioContext 即为本文实现方案的一个重点API,它是html5处理音频的API,MDN中解释如下:

AudioContext接口表示由音频模块连接而成的音频处理图,每个模块对应一个AudioNodeAudioContext可以控制它所包含的节点的创建,以及音频处理、解码操作的执行。做任何事情之前都要先创建AudioContext对象,因为一切都发生在这个环境之中。

 

总结一下实现方案就是,AudioContext创建一个AnalyserNode节点,通过该节点拿到频谱数据(可以理解为一定范围内的数字),进行图形化显示。

 

2. 那如何通过AnalyserNode节点获取频谱数据呢?

先上代码:

this.analyser = this.audioCtx.createAnalyser()
this.analyser.fftSize = 1024
...
let array = new Uint8Array(this.analyser.frequencyBinCount)  // 创建frequencyBinCount长度的Uint8Array数组,用于存放音频数据
this.analyser.getByteFrequencyData(array) // 将音频数据填充到数组当中

 

这里的array值即为音频的时域数据数组,数组中的每个数据的最大值为256。

为什么最大值为256?
音频的每个数据占用一个字节,当音频无数据时,array中的值均为0。每一个字节有8位,最大值为2的8次方,即256

 

再解释几个名词:

  1. fftSize(Fast Fourier Transfor 快速傅里叶变换)

AnalyserNode 接口的 fftSize 属性的值是一个无符号长整型的值, 表示(信号)样本的窗口大小。fftSize 属性的值必须是从32到32768范围内的2的非零幂; 其默认值为2048。

  简单理解即为要获取的音频数据的长度。

  2. frequencyBinCount

  frequencyBinCount 的值固定为 AnalyserNode 接口中fftSize值的一半. 该属性通常用于可视化的数据值的数量。
  fftSize越大,可视化的数据值的数量越多,显示的波形越细密。
 
   3. getByteFrequencyData

  getByteFrequencyData()方法将当前频率数据复制到传入的Uint8Array(无符号字节数组)中。

 

至此我们已经获取到可以用于可视化的音频数据数组!音频数据已知,音频数据的最大值已知,即可根据这些绘制出想要的可视化图形。

细心的同学可能发现,以上我们并没有接入任何音频,那哪来的音频数据?

对的,我们还需要接入音频才能拿到进行上面的这些操作。

 

三. 音频的接入和播放

音频源可以提供一个片段一个片段的音频采样数据(以数组的方式),一般,一秒钟的音频数据可以被切分成几万个这样的片段。这些片段可以是经过一些数学运算得到 (比如OscillatorNode),也可以是音频或视频的文件读出来的(比如AudioBufferSourceNodeMediaElementAudioSourceNode),又或者是音频流(MediaStreamAudioSourceNode

音频接入

方式一:createMediaElementSource

MediaElementAudioSourceNode 接口代表着某个由HTML5  或  元素所组成的音频源。



AudioContextdestination 属性返回一个 AudioDestinationNode 表示 context 中所有音频(节点)的最终目标节点,一般是音频渲染设备,比如扬声器。

方式二:createBufferSource

AudioContext.createBufferSource() 创建一个 AudioBufferSourceNode 对象, 他可以通过 AudioBuffer 对象来播放和处理包含在内的音频数据。
AudioBuffer可以用AudioContext 接口的 decodeAudioData() 方法异步解码音频文件中的 ArrayBuffer。ArrayBuffer数据可以通过XMLHttpRequest和FileReader来获取。
这是从音频轨道创建用于web audio API音频源的首选方法。
 
获取到arrayBuffer后的播放步骤:
function decodeBuffer(arrayBuffer) {
    audioContext.decodeAudioData(arrayBuffer, function(buffer) {
        play(buffer);
    });
}
function play(buffer) {
    var audioBufferSourceNode = audioContext.createBufferSource();
    audioBufferSourceNode.connect(analyser);
    // 用于连接到终端设备进行播放声音
    analyser.connect(audioContext.destination);
    audioBufferSourceNode.buffer = buffer;
    audioBufferSourceNode.start();
}

 

两种获取ArrayBuffer的方式一种是fileReader, 一种是XMLHttpRequest。

第一种方式:fileReader



 

第二种:XHR(也是我获取FLV音频的方式)

getBuffer () {
    let _this = this
    // Fetch中的Response.body实现了getReader()方法用于渐增的读取原始字节流
    // 处理器函数一块一块的接收响应体,而不是一次性的。当数据全部被读完后会将done标记设置为true。 在这种方式下,每次你只需要处理一个chunk,而不是一次性的处理整个响应体。

    let myRequest = new Request(this.config.url)
    fetch(myRequest, {
        method: 'GET'
    })
    .then(
        response => {
            _this._pump(response.body.getReader())
        },
        error => {
            console.error('audio stream fetch Error:', error)
        }
    )
    .catch((e) => {
        console.log('e:', e)
    })
  }

  _pump (reader) {
    var _this = this
    return reader.read()
            .then(
                ({ value, done }) => {
                    if (done) {
                        _this.debug('Stream reader done')
                    } else {
                        let arrayBuffer = value.buffer
                        ...

                        // 获取下一个chunk
                        _this._pump(reader)
                    }
                })
            .catch((e) => {
                console.log('[flv audio]read stream:', e)
            })
  }

 至此,音频源的接入和播放即可完成,但对于flv的音频流,是不能直接用于 decodeAudioData 的,需要增加adts头部信息方可decode。

 

四. Flv音频的异步解码

AAC ES流无法直接播放,一般需要封装为ADTS格式才能再次使用,一般是在AAC ES流前添加7个字节的ADTS header。

ES--Elementary  Streams  (原始流)是直接从编码器出来的数据流,可以是编码过的视频数据流(H.264,MJPEG等),音频数据流(AAC),或其他编码数据流的统称。ES是只包含一种内容的数据流,如只含视频或只含音频等。

什么是ADTS header呢?可以参考这篇

1. 那如何添加ADTS header呢?

FLV提取AAC音频单独播放并实现可视化的频谱_第2张图片

 

在 视音频编解码学习工程:FLV封装格式分析器 中介绍了FLV的封装格式(如上图),我们可以知道Flv body由若干个tag组成,每个tag包含Tag Header和Tag Data部分,TagData部分又可以分为AudioTagHeader和AudioTagBody,如下:

(图片来自:https://www.jianshu.com/p/d68d6efe8230)

 

AudioTagHeader包括音频的配置信息有音频编码类型、采样率、精度、类型,当SoundFormat为10的时候,即当音频是aac的时候,AudioTagHeader还包括一个字节的AACPacketType(值为0或1),它表示后面的AudioTagBody是AudioSpecificConfig还是AACframe data,如下图:

FLV提取AAC音频单独播放并实现可视化的频谱_第3张图片

(参考:https://www.adobe.com/content/dam/acom/en/devnet/flv/video_file_format_spec_v10.pdf)

AAC sequence header包含了AudioSpecificConfig,有更详细音频的信息,但这种包只出现一次,而且是第一个Audio Tag,因为后面的音频ES流需要该header的ADTS(Audio Data Transport Stream)头。AAC raw则包含音频ES流了,也就是audio payload。

注释: (8-Byte Unsigned Integer)

 有关AudioSpecificConfig的详细信息可以参考 ISO_IEC_14496 1.6.2.1

 ADTS的头信息有7个字节,都可以从 AudioSpecificConfig 中获取,上代码:

  /**
    * 计算adts头部, aac文件需要增加adts头部才能被audioContext decode
    * @typedef {Object} AdtsHeadersInit
    * @property {number} audioObjectType
    * @property {number} samplingFrequencyIndex
    * @property {number} channelConfig
    * @property {number} adtsLen
    * @param {AdtsHeadersInit} init
    * 添加aac头部参考:https://github.com/Xmader/flv2aac/blob/master/main.js
    */
  getAdtsHeaders (init) {
    const { audioObjectType, samplingFrequencyIndex, channelConfig, adtsLen } = init
    const headers = new Uint8Array(7)

    headers[0] = 0xff // syncword:0xfff                           高8bits
    headers[1] = 0xf0 // syncword:0xfff                           低4bits
    headers[1] |= (0 << 3) // MPEG Version:0 for MPEG-4,1 for MPEG-2   1bit
    headers[1] |= (0 << 1) // Layer:0                                  2bits
    headers[1] |= 1 // protection absent:1                      1bit

    headers[2] = (audioObjectType - 1) << 6 // profile:audio_object_type - 1                      2bits
    headers[2] |= (samplingFrequencyIndex & 0x0f) << 2 // sampling frequency index:sampling_frequency_index  4bits
    headers[2] |= (0 << 1) // private bit:0                                      1bit
    headers[2] |= (channelConfig & 0x04) >> 2 // channel configuration:channel_config               高1bit

    headers[3] = (channelConfig & 0x03) << 6 // channel configuration:channel_config     低2bits
    headers[3] |= (0 << 5) // original:0                               1bit
    headers[3] |= (0 << 4) // home:0                                   1bit
    headers[3] |= (0 << 3) // copyright id bit:0                       1bit
    headers[3] |= (0 << 2) // copyright id start:0                     1bit

    headers[3] |= (adtsLen & 0x1800) >> 11 // frame length:value    高2bits
    headers[4] = (adtsLen & 0x7f8) >> 3 // frame length:value    中间8bits
    headers[5] = (adtsLen & 0x7) << 5 // frame length:value    低3bits
    headers[5] |= 0x1f // buffer fullness:0x7ff 高5bits
    headers[6] = 0xfc

    return headers
  }

 

 其中 audioObjectType, samplingFrequencyIndex, channelConfig, adtsLen  即可从 AAC sequence header 中获取,幸运的是,flv.js pr354 的作者已经把这部分信息解析出来了,省去了我们很多麻烦。

在flv.js源码的  demux/flv-demuxer.js  中,有_parseAudioData函数:

...
      if (aacData.packetType === 0) { // AAC sequence header (AudioSpecificConfig)
        if (meta.config) {
          Log.w(this.TAG, 'Found another AudioSpecificConfig!')
        }
        let misc = aacData.data
        meta.audioSampleRate = misc.samplingRate
        meta.channelCount = misc.channelCount
        meta.codec = misc.codec
        meta.originalCodec = misc.originalCodec
        meta.config = misc.config
        // added by qli5
        meta.configRaw = misc.configRaw
        // added by Xmader
        meta.audioObjectType = misc.audioObjectType
        meta.samplingFrequencyIndex = misc.samplingIndex
        meta.channelConfig = misc.channelCount
        // The decode result of Fan aac sample is 1024 PCM samples
        meta.refSampleDuration = 1024 / meta.audioSampleRate * meta.timescale
        Log.v(this.TAG, 'Parsed AudioSpecificConfig')

        if (this._isInitialMetadataDispatched()) {
          // Non-initial metadata, force dispatch (or flush) parsed frames to remuxer
          if (this._dispatch && (this._audioTrack.length || this._videoTrack.length)) {
            this._onDataAvailable(this._audioTrack, this._videoTrack)
          }
        } else {
          this._audioInitialMetadataDispatched = true
        }
        // then notify new metadata
        this._dispatch = false
        // metadata中的信息提供给外部封装aac的adts头部
        this._onTrackMetadata('audio', meta)

        let mi = this._mediaInfo
        mi.audioCodec = meta.originalCodec
        mi.audioSampleRate = meta.audioSampleRate
        mi.audioChannelCount = meta.channelCount
        if (mi.hasVideo) {
          if (mi.videoCodec != null) {
            mi.mimeType = 'video/x-flv; codecs="' + mi.videoCodec + ',' + mi.audioCodec + '"'
          }
        } else {
          mi.mimeType = 'video/x-flv; codecs="' + mi.audioCodec + '"'
        }
        if (mi.isComplete()) {
          this._onMediaInfo(mi)
        }
      }

...

 

 因此我们可以通过 _onTrackMetadata 获得metadata数据。接着我们就可以对AAC data添加ADTS头部信息:

  /**
     * 获取添加adts头部信息的aac数据
     *
     * @param {*} metadata
     * @param {*} aac
     * @returns
     */
  getNewAac (aac) {
    const {
      audioObjectType,
      samplingFrequencyIndex,
      channelCount: channelConfig
    } = this.metadata

    let output = []
    let _this = this
    // aac音频需要增加adts头部后才能被解析播放
    aac.samples.forEach((sample) => {
      const headers = _this.getAdtsHeaders({
        audioObjectType,
        samplingFrequencyIndex,
        channelConfig,
        adtsLen: sample.length + 7
      })
      output.push(...headers, ...sample.unit)
    })

    return new Uint8Array(output)
  }

 

此时flv-demuxer.js具有两大作用:

  1. 获取ADTS头部信息
  2. 获取AAC ES流

最后我们对ES流添加ADTS头部,交给AudioContext.decodeAudioData解码并播放。

(此处我们只考虑利用flv-demuxer.js解析flv音频的功能,处理视频和MSE喂给video部分不考虑)

 

2. 对交给demuxer的chunk添加FLV header

每一个被解析的flv音频需要有一个header头部,标志flv的一些基本信息,以便flv-demuxer.js进行识别处理。
通过上文我们可以知道flv音频最开始的9个字节即为FlvHeader。我们需要进行保存,然后对每个Fetch Reader的音频流都要先加flv header,再交给demuxer处理。
addFlvHeader (chunk) {
    let audioBuffer = null
    if (this.flvHeader == null) {
        // copy first 9 bytes (flv header)
        this.flvHeader = chunk.slice(0, 9)
        audioBuffer = chunk
    } else {
        audioBuffer = this.appendBuffer(this.flvHeader, chunk)
    }
    return audioBuffer
}

 

 五. FLV音频的连续播放

 Fetch获取音频流是一段段的,每一段时间都很短,大概100ms左右,经过添加ADST头部后,这些一段段的AAC音频如何连续播放?如此高频的解码音频是否有性能问题?

让音频连续的播放起来目前有两种方式:

第一种堆积播放:

flv-demuxer.js默认的方式,会对之前的音频进行堆积:

...
if
(aacData.packetType === 1) { // AAC raw frame data let dts = this._timestampBase + tagTimestamp let aacSample = { unit: aacData.data, length: aacData.data.byteLength, dts: dts, pts: dts } track.samples.push(aacSample) track.length += aacData.data.length }
...

 

每次从flv-demuxer.js获取的AAC ES流都包含上一次解析的流内容,此时解码后播放需要定位到上次播放的时间,以上次播放到的时间点为起始点,播放当前的音频流,播放时长为本次流时长减去上次播放的流时长。

此种情况下,利用AudioContext.decodeAudioData的音频数据会越来越大,延时也就越来越高,消耗的性能也是越来越大。最终会导致浏览器的内存溢出,浏览器崩溃。

第二种分段播放:

此种情况为了避免上种情况的内存溢出,每次交给demuxer音频数据时,先对 track.samples 进行清空:

// 清空audio之前的metadata数据
_this.flvDemuxerObj._audioMetadata = null
// 此为清除之前的audio流,得到fetch流对应的音频;若不清除,parseChunk后得到的是从开始累积的aac数据
_this.flvDemuxerObj._audioTrack = { type: 'audio', id: 2, sequenceNumber: 0, samples: [], length: 0 }

 

这样每次从demuxer拿到的数据即为Fetch Reader交给它的数据,没有对历史数据的累积。

每次播放时,只单独播放每个片段的音频数据。我们会把处理好的音频数据存放在音频数组 audioStack 内,每次播放从数组内取出第一个  this.audioStack.shift() 

我们会在上一段音频播放结束后,进行出栈播放的操作:

audioBufferSourceNode.onended = function (e) {
    _this.loopPlayBuffers()
}

 

此时我们忽略了从音频出栈到audioContext播放此音乐的程序运行时间,实际上是非常短暂的,我们几乎听不出有停顿。但有一种情况会产生延迟,在音频出栈的时候,发现音频栈为空,此时可能是因为网络原因fetch流产生较大的延迟,这个时候我们必须等待有新的处理好的音频入栈,才能接着播放,此时我们就会感知到一个短暂的停顿。

计算延迟时间如下:

...

if (this.audioStack.length == 0) {
    console.warn('audioStack为空,等待audio入栈(音频解析速度慢或遇到问题)')
    this.delayStartTime = (new Date()).getTime()
    this.audioPlaying = false
    return
}

if (this.delayStartTime !== 0) {
    let nowTime = (new Date()).getTime()
    let gap = nowTime - this.delayStartTime
    this.delayStartTime = 0
    this.debugFunc('延迟时间:' + gap + ' ms')
}

...

 

六. 音频可视化波形实现

 通过上文第二点可知我们已经获取到了音频可视化的频谱数据数组audioArray。

我们只需要按照一定规则把数组数据绘制在canvas上即可。

这里我们实现一个圆形的音频波形。

FLV提取AAC音频单独播放并实现可视化的频谱_第4张图片

首先要理解圆形周围的每个柱形都是一个音谱数据,它的值value就是audioArray数组中的一个值,范围为[0-256]。

  canvas.height / 2 - round.r  为波形的最大高度。那每个音谱数据对应的柱形高度即为:
let meterHeight = value * (wave.cheight / 2 - wave.cr) / 256 

我们可以自定义一个圆周要有多少个柱形组成,假设由 meterNum 代表柱形的个数,那我们就要从audioArray中取样,取出meterNum 个数据来:

// 计算采样步长
var step = Math.round(array.length / meterNum)

然后我们对audioArray频谱数组每隔step个数据取一个样本,进行柱形的绘制,并以圆心为中心进行旋转,旋转的度数为:

(360 / meterNum) * (wave.PI / 180)

 

for (let i = 0; i < meterNum; i++) {
      let value = array[i * step]
      // wave.cheight / 2 - wave.cr 为波形的最大高度
      let meterHeight = value * (wave.cheight / 2 - wave.cr) / 256 || wave.minHeight
      // 根据圆心为中心点旋转
      wave.ctx.rotate((360 / meterNum) * (wave.PI / 180))
      wave.ctx.fillRect(-wave.meterWidth / 2, -wave.cr - meterHeight, wave.meterWidth, meterHeight)
    }
    wave.ctx.restore()
}

以上就是每一次绘制需要进行的操作,然后我们利用  requestAnimationFrame  进行循环以上绘制。

 

以上部分的完整源代码已经在github, 欢迎大家star试用,有任何问题也欢迎大家及时提出,一起讨论改进。

github地址:https://github.com/saysmy/flv-audio-visualization

 

 


2019-05-16补充更新:

第四大点:FLV音频的异步解码中 AACPacketType ,一般情况下如果音频格式标准,整个音频流只有一个 AACPacketType 为0的tag,但也有例外,有一些音频流会出现多次 AACPacketType值为0的情况, AACPacketType值为0和1交替出现,不影响解码:

FLV提取AAC音频单独播放并实现可视化的频谱_第5张图片

 

 


 已知问题:

如果你的音视频无法播放,打开debug,发现有如下图的warning提示:

则你的flv音视频格式并不很规范,规范的flv音视频解析的flvtrunk如下:

 

 它的前9个字节为FLV Header,前三个字节是固定的70,76,86,代表文件标志F、L、V。紧接着是4个字节的previousTagSize, 也是固定的0,0,0,0 ,因为它的前一个tag不存在,大小都为0。再接着便是flv tag,第一个字节是tag type,一般是8(音频),9(视频),18(scriptData)。如果不是这样的格式,就会解析失败,出现上图的warning提示。

 

附:

FLV提取AAC音频单独播放并实现可视化的频谱_第6张图片

详情见:https://cconcolato.github.io/media-mime-support/#audio/mp4;%20codecs=%22mp4a.40%22

 

参考文章:

https://lucius0.github.io/2017/12/27/archivers/media-study-03/

https://www.jianshu.com/p/d68d6efe8230

https://blog.csdn.net/tx3344/article/details/7414543

https://segmentfault.com/a/1190000017090438

https://github.com/Xmader/flv2aac

 

 


 

以上涉及源码的github地址:https://github.com/saysmy/flv-audio-visualization

 

转载于:https://www.cnblogs.com/saysmy/p/10716886.html

你可能感兴趣的:(FLV提取AAC音频单独播放并实现可视化的频谱)