ffmpeg:使用 Microsoft PCM 导出为 24 位波形,不可扩展(使用 Lavf58.76.100)

ffmpeg:使用 Microsoft PCM 导出为 24 位波形,不可扩展(使用 Lavf58.76.100)

我注意到,当我使用 FFMPEG 将 mod 导出为 24 位或更高位的 wave 时,FFMPEG 决定使用可扩展编码而不是常规 PCM 编码,并使用“Lavf58.76.100”(无论它是什么)。我使用 exiftool 检查导出的 wav,结果如下:

---- File ----
File Type                       : WAV
File Type Extension             : wav
MIME Type                       : audio/x-wav
---- RIFF ----
Encoding                        : Extensible
Num Channels                    : 2
Sample Rate                     : 48000
Avg Bytes Per Sec               : 288000
Bits Per Sample                 : 24
Software                        : Lavf58.76.100

问题是,许多程序不理解这种可扩展的 wav 格式。有没有办法告诉 FFMPEG 改用常规 PCM?我注意到其他程序(例如 bass 库)可以使用常规 PCM 编码导出为 24 位 wav。

这是我正在使用的命令:

ffmpeg -y -loglevel error -f libopenmpt -i c:\temp\sometrack.IT -map_metadata -1 -c:a pcm_s24le c:\temp\sometrack.wav

编辑

当我写这个问题时,我有点沮丧,缺乏知识。现在,一切都很清楚了;位深度高于 16 位的波形文件应该有 WAVE_FORMAT_EXTENSIBLE 标签(这是有道理的,请参阅答案)。我用来将 mod 文件渲染到 wave 的软件(除了 FFmpeg)不遵守这条规则。感谢 Tom Yan 的澄清。

答案1

(我的评论并非全部准确/正确,因此如果您有兴趣,请参阅以下内容。)

理论上请讲,PCMWAVEFORMAT可以用于位深度高于 16 的音频。标头结构不会造成任何阻止其自身支持此类音频的限制。

然而,显然有几个原因导致 ffmpeg 没有为这种音频写入这种格式的 WAVE 标头。

首先,该格式已被取代WAVEFORMATEX,并且根据文档:

...

wBitsPerSample

... If wFormatTag is WAVE_FORMAT_PCM, then wBitsPerSample should be equal to
8 or 16. ...

...

除上述要求外,对于位深度高于 16 的 PCM 音频,没有定义wFormatTag其他值。WAVE_FORMAT_EXTENSIBLE

中定义的“扩展”是否WAVEFORMATEXTENSIBLEwFormatTag当它WAVE_FORMAT_EXTENSIBLE不是很清楚时,可以省略。WAVEFORMATEX,其中指出:

...

wFormatTag


... When this structure is included in a WAVEFORMATEXTENSIBLE structure,
this value must be WAVE_FORMAT_EXTENSIBLE. ...

...

有了这样的说法,可能没有人会/应该认为这是允许的。

如果你读WAVEFORMATEXWAVEFORMATEXTENSIBLE仔细观察,您会注意到后者存在的真正原因(就位深度而言)是,它允许前者存储 8 的倍数容器大小,而“实际”样本大小存储在后者定义的扩展之一中。例如,对于某些(讨厌的)20 位 PCM 流,分别为 24 和 20。

不过,据wav我所知,ffmpeg 的复用器不支持(至少不能正确支持)刚才提到的奇怪情况。(0我认为,如果这样的流没有被拒绝,那么两个字段的值都会被写入。)

PCMWAVEFORMAT如果你确实需要 ffmpeg 以某些 24 位音频的格式写入标题,你可以考虑使用以下补丁来构建它:

diff --git a/libavformat/riff.h b/libavformat/riff.h
index 85d6786663..5794857f53 100644
--- a/libavformat/riff.h
+++ b/libavformat/riff.h
@@ -57,6 +57,11 @@ void ff_put_bmp_header(AVIOContext *pb, AVCodecParameters *par, int for_asf, int
  */
 #define FF_PUT_WAV_HEADER_SKIP_CHANNELMASK      0x00000002
 
+/**
+ * Tell ff_put_wav_header() not to write WAVEFORMATEXTENSIBLE extensions if possible.
+ */
+#define FF_PUT_WAV_HEADER_FORCE_PCMWAVEFORMAT      0x00000004
+
 /**
  * Write WAVEFORMAT header structure.
  *
diff --git a/libavformat/riffenc.c b/libavformat/riffenc.c
index ffccfa3d48..4dc8ca6e0f 100644
--- a/libavformat/riffenc.c
+++ b/libavformat/riffenc.c
@@ -80,9 +80,9 @@ int ff_put_wav_header(AVFormatContext *s, AVIOContext *pb,
     waveformatextensible = (par->channels > 2 && par->channel_layout) ||
                            par->channels == 1 && par->channel_layout && par->channel_layout != AV_CH_LAYOUT_MONO ||
                            par->channels == 2 && par->channel_layout && par->channel_layout != AV_CH_LAYOUT_STEREO ||
-                           par->sample_rate > 48000 ||
                            par->codec_id == AV_CODEC_ID_EAC3 ||
-                           av_get_bits_per_sample(par->codec_id) > 16;
+                           ((par->sample_rate > 48000 || av_get_bits_per_sample(par->codec_id) > 16) &&
+                            !(flags & FF_PUT_WAV_HEADER_FORCE_PCMWAVEFORMAT));
 
     if (waveformatextensible)
         avio_wl16(pb, 0xfffe);
diff --git a/libavformat/wavenc.c b/libavformat/wavenc.c
index 2317700be1..bd41d6eeb3 100644
--- a/libavformat/wavenc.c
+++ b/libavformat/wavenc.c
@@ -83,6 +83,7 @@ typedef struct WAVMuxContext {
     int peak_block_pos;
     int peak_ppv;
     int peak_bps;
+    int extensible;
 } WAVMuxContext;
 
 #if CONFIG_WAV_MUXER
@@ -324,9 +325,10 @@ static int wav_write_header(AVFormatContext *s)
     }
 
     if (wav->write_peak != PEAK_ONLY) {
+        int flags = !wav->extensible ? FF_PUT_WAV_HEADER_FORCE_PCMWAVEFORMAT : 0;
         /* format header */
         fmt = ff_start_tag(pb, "fmt ");
-        if (ff_put_wav_header(s, pb, s->streams[0]->codecpar, 0) < 0) {
+        if (ff_put_wav_header(s, pb, s->streams[0]->codecpar, flags) < 0) {
             av_log(s, AV_LOG_ERROR, "Codec %s not supported in WAVE format\n",
                    avcodec_get_name(s->streams[0]->codecpar->codec_id));
             return AVERROR(ENOSYS);
@@ -494,6 +496,7 @@ static const AVOption options[] = {
     { "peak_block_size", "Number of audio samples used to generate each peak frame.",   OFFSET(peak_block_size), AV_OPT_TYPE_INT, { .i64 = 256 }, 0, 65536, ENC },
     { "peak_format",     "The format of the peak envelope data (1: uint8, 2: uint16).", OFFSET(peak_format), AV_OPT_TYPE_INT,     { .i64 = PEAK_FORMAT_UINT16 }, PEAK_FORMAT_UINT8, PEAK_FORMAT_UINT16, ENC },
     { "peak_ppv",        "Number of peak points per peak value (1 or 2).",              OFFSET(peak_ppv), AV_OPT_TYPE_INT, { .i64 = 2 }, 1, 2, ENC },
+    { "extensible",      "Write WAVEFORMATEXTENSIBLE extensions.",                      OFFSET(extensible), AV_OPT_TYPE_BOOL, { .i64 = 1 }, 0, 1, ENC },
     { NULL },
 };
 

然后通过在输出文件路径/名称前添加-extensible 0,您应该能够获得所谓的“常规” 24 位 WAVE 文件。

相关内容