ffmpeg之pcm音频参数笔记

一、概述

ffmpeg音频参数主要有如下三个：

1、声道数（nb_channels）：常见的有单声道，双声道，5.1环绕立体声道。

2、采样频率（nb_samples）：每秒钟取得声音样本的次数。如下图所示，把音频文件放大，实际上都是一个一个的点，一秒钟有多少个横坐标的点，就是该音频的采样频率。

 3、采样深度 （sample_fmt）：比特深度决定了文件的动态分辨率，类似照片分辨率。每个样本所含的比特越多，代表着动态范围越大。这并不意味，比特深度越高，音量越大；而是更高的比特深度听起来会更加真实，因为它们可以尽量减少音频失真度。如上图所示，每个点的纵坐标的刻度到底有多细。纵坐标越粗，音频失真越大。反之越细，音频失真越少。

目前ffmpeg支持的sample_fmt类型如下：

AVSampleFormat枚举	数据类型	存储方式	name	占用bit位
AV_SAMPLE_FMT_U8	unsigned 8 bits	packed	u8	8bit
AV_SAMPLE_FMT_S16	signed 16 bits	packed	s16	16bit
AV_SAMPLE_FMT_S32	signed 32 bits	packed	s32	32bit
AV_SAMPLE_FMT_FLT	float	packed	flt	32bit
AV_SAMPLE_FMT_DBL	double	packed	dbl	64bit
AV_SAMPLE_FMT_U8P	unsigned 8 bits	planar	u8p	8bit
AV_SAMPLE_FMT_S16P	signed 16 bits	planar	s16p	16bit
AV_SAMPLE_FMT_S32P	signed 32 bits	planar	s32p	32bit
AV_SAMPLE_FMT_FLTP	float	planar	fltp	32bit
AV_SAMPLE_FMT_DBLP	double	planar	dblp	64bit
AV_SAMPLE_FMT_S64	signed 64 bits	packed	s64	64bit
AV_SAMPLE_FMT_S64P	signed 64 bits	planar	s64p	64bit

 备注：

1、该数据是参考ffmpeg代码中的static const SampleFmtInfo sample_fmt_info表格。

2、packed和planar含义：

• packed：多个声道数据交错存放，所有声道的数据交错排放在frame.data[0]，数据长度为linesize[0](单位:字节)
• planar：每个声道数据单独存放，声道0的起始地址为 frame.data[0]，声道1的起始地址为 frame.data[1]，以此类推。每个声道的数据长度都为linesize[0](单位:字节)

二、码率计算

根据上述描述，一帧PCM音频长度计算公式如下：若单帧是20ms持续时长

framesize=通道数*20ms对应采样点数*采样深度占用bit数。

同理，码率=通道数*1秒对应采样点数*采样深度占用bit数

例如PCMA数据，通道数为单声道，采样率为8000HZ，采样深度为8bit。当10ms一帧时，

单帧的长度为：通道数1*(采样率8000/1000ms)*10ms*8bit=640bit=80字节

码率为：通道数1*采样率8000*8bit=64kbps

可参考ffmpeg的av_samples_get_buffer_size函数：