编码与格式 / 系统课时

音频重采样

音频重采样

本课完成一次可运行的音频重采样:把 48 kHz、双声道、平面浮点样本转换为 44.1 kHz、单声道、交错 16 位整数样本,并掌握输出缓冲区的安全计算方法。

学习目标

  • 区分采样率、样本格式与声道布局三类转换
  • 使用 libswresample 初始化并执行重采样
  • 根据延迟和采样率计算输出缓冲容量

重采样真正改变什么

音频重采样不只是“改采样率”。实际处理中,常常需要同时统一三项参数:采样率决定每秒样本数,样本格式决定单个样本的存储方式,声道布局决定通道数量及其语义。

例如,解码器可能输出 48 kHz + FLTP + stereo,而播放设备要求 44.1 kHz + S16 + mono。此时转换器需要完成降采样、平面转交错、浮点转整数以及双声道下混四项工作。

音频重采样处理链路

计算输出缓冲区

重采样器内部可能保存尚未输出的历史样本,因此不能只按 输入样本数 × 输出采样率 ÷ 输入采样率 分配空间。安全容量应把当前延迟一并计算:

Nout=⌈(D+Nin)×RoutRin⌉N_{out}=\left\lceil\frac{(D+N_{in})\times R_{out}}{R_{in}}\right\rceil

其中,DD 是按输入采样率表示的内部延迟,NinN_{in} 是本次输入样本数,RinR_{in} 和 RoutR_{out} 分别是输入、输出采样率。FFmpeg 中可用 swr_get_delay 和 av_rescale_rnd 完成同样的整数计算,避免浮点误差和容量不足。

对于交错格式,缓冲字节数还要乘以声道数和每样本字节数;对于平面格式,每个声道拥有独立数据平面,应分别确认平面数量和每平面容量。

使用 libswresample 完成转换

下面的完整程序生成 1024 个双声道浮点样本,转换后刷新重采样器内部延迟,并输出最终样本总数。

c
#include <math.h>
#include <stdint.h>
#include <stdio.h>

#include <libavutil/channel_layout.h>
#include <libavutil/mem.h>
#include <libavutil/samplefmt.h>
#include <libavutil/mathematics.h>
#include <libswresample/swresample.h>

int main(void) {
    const int in_rate = 48000;
    const int out_rate = 44100;
    const int in_samples = 1024;

    AVChannelLayout in_layout = AV_CHANNEL_LAYOUT_STEREO;
    AVChannelLayout out_layout = AV_CHANNEL_LAYOUT_MONO;
    SwrContext *swr = NULL;

    int ret = swr_alloc_set_opts2(
        &swr,
        &out_layout, AV_SAMPLE_FMT_S16, out_rate,
        &in_layout, AV_SAMPLE_FMT_FLTP, in_rate,
        0, NULL
    );
    if (ret < 0 || swr_init(swr) < 0) {
        fprintf(stderr, "无法初始化重采样器\n");
        swr_free(&swr);
        return 1;
    }

    float *left = av_malloc_array(in_samples, sizeof(*left));
    float *right = av_malloc_array(in_samples, sizeof(*right));
    if (!left || !right) {
        fprintf(stderr, "输入缓冲区分配失败\n");
        av_free(left);
        av_free(right);
        swr_free(&swr);
        return 1;
    }

    const float pi = 3.14159265358979323846f;
    for (int i = 0; i < in_samples; ++i) {
        float sample = 0.5f * sinf(2.0f * pi * 440.0f * i / in_rate);
        left[i] = sample;
        right[i] = sample;
    }

    const uint8_t *in_data[2] = {
        (const uint8_t *)left,
        (const uint8_t *)right
    };

    int out_capacity = (int)av_rescale_rnd(
        swr_get_delay(swr, in_rate) + in_samples,
        out_rate,
        in_rate,
        AV_ROUND_UP
    );

    uint8_t *out_data = NULL;
    int out_linesize = 0;
    if (av_samples_alloc(
            &out_data,
            &out_linesize,
            out_layout.nb_channels,
            out_capacity,
            AV_SAMPLE_FMT_S16,
            0) < 0) {
        fprintf(stderr, "输出缓冲区分配失败\n");
        av_free(left);
        av_free(right);
        swr_free(&swr);
        return 1;
    }

    int total = swr_convert(
        swr,
        &out_data,
        out_capacity,
        in_data,
        in_samples
    );
    if (total < 0) {
        fprintf(stderr, "重采样失败\n");
        av_freep(&out_data);
        av_free(left);
        av_free(right);
        swr_free(&swr);
        return 1;
    }

    while (total < out_capacity) {
        uint8_t *dst = out_data +
            total * av_get_bytes_per_sample(AV_SAMPLE_FMT_S16);
        int produced = swr_convert(
            swr,
            &dst,
            out_capacity - total,
            NULL,
            0
        );
        if (produced <= 0) {
            break;
        }
        total += produced;
    }

    printf("输入样本数: %d\n", in_samples);
    printf("输出缓冲容量: %d\n", out_capacity);
    printf("刷新后输出样本数: %d\n", total);

    av_freep(&out_data);
    av_free(left);
    av_free(right);
    swr_free(&swr);
    av_channel_layout_uninit(&in_layout);
    av_channel_layout_uninit(&out_layout);
    return 0;
}

在已安装 FFmpeg 开发库的 Linux 环境中编译并运行:

bash
gcc resample.c -o resample \
  $(pkg-config --cflags --libs libswresample libavutil) -lm
./resample

预期输出:

text
输入样本数: 1024
输出缓冲容量: 941
刷新后输出样本数: 941

不同 FFmpeg 构建的滤波器实现可能影响单次 swr_convert 的即时产出,但在正确刷新后,总样本数应与采样率换算结果一致。

关键边界

连续处理多个音频帧时,应复用同一个 SwrContext,否则每帧重新初始化会丢失滤波器历史状态并产生边界噪声。流结束时还必须用空输入刷新延迟样本,不能把最后一小段音频留在重采样器内部。

重采样会改变每帧包含的样本数。若后续需要编码或同步播放,应依据输出采样率累计音频时间戳,而不是继续沿用输入帧的样本计数。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

音频重采样

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通