音频开发 / 系统课时

验证编解码后的时长与质量

验证编解码后的时长与质量

音频能正常播放,不代表编解码链路就是正确的。本节建立一套最小验收流程:先核对样本帧数和时长,再看电平与波形,最后判断差异来自正常的有损编码,还是延迟、补零、时间信息或解码参数错误。

学习目标

  • 用样本帧数和采样率核对真实时长
  • 对比编码前后的电平,并正确看待有损差异
  • 根据波形错位定位延迟、补零和采样率参数错误

先检查不会骗人的量

对 PCM,时长应由“每声道样本帧数 ÷ 采样率”得到。立体声的左右两个样本属于同一个时间点,不能把两个声道的样本数相加后再除采样率。容器元数据也要核对,但遇到矛盾时,应继续追踪解码后的 PCM 帧数和时间戳。

电平适合发现整体增益异常、削波或静音,但不能单独代表听感质量。Opus 是有损编码器,即使时长完全正确,解码后的逐样本值也通常不会与原始 PCM 相等。

做一次可重复的往返验证

下面脚本生成 3 秒单声道参考信号,编码为 Opus,再解码回 PCM,并比较帧数、时长、RMS 电平与逐样本相等性。

bash
set -e

# 固定参考信号与采样率,保证时长差异来自编解码链路而不是输入变化。
ffmpeg -hide_banner -loglevel error \
  -f lavfi -i "sine=frequency=997:sample_rate=48000:duration=3" \
  -c:a pcm_s16le -y reference.wav

ffmpeg -hide_banner -loglevel error -i reference.wav \
  -c:a libopus -b:a 64k -frame_duration 20 -y encoded.opus

ffmpeg -hide_banner -loglevel error -i encoded.opus \
  -c:a pcm_s16le -y decoded.wav

python3 - <<'PY'
import array
import math
import wave

def read_pcm16_mono(path):
    with wave.open(path, "rb") as w:
        if w.getnchannels() != 1 or w.getsampwidth() != 2:
            raise ValueError("expected mono 16-bit PCM WAV")
        # getnframes() 是时间轴上的样本帧数,不需要再乘声道数。
        rate = w.getframerate()
        frames = w.getnframes()
        samples = array.array("h", w.readframes(frames))
    return rate, frames, samples

def rms_dbfs(samples):
    mean_square = sum(x * x for x in samples) / len(samples)
    rms = math.sqrt(mean_square)
    return 20 * math.log10(rms / 32768.0)

rr, rf, rs = read_pcm16_mono("reference.wav")
dr, df, ds = read_pcm16_mono("decoded.wav")

# 先验证时间和电平,再把逐样本不相等解释为正常的有损差异。
print(f"reference_frames={rf}")
print(f"decoded_frames={df}")
print(f"reference_duration_s={rf / rr:.6f}")
print(f"decoded_duration_s={df / dr:.6f}")
print(f"duration_delta_ms={(df / dr - rf / rr) * 1000:.3f}")
print(f"reference_level_dbfs={rms_dbfs(rs):.2f}")
print(f"decoded_level_dbfs={rms_dbfs(ds):.2f}")
print(f"level_delta_db={rms_dbfs(ds) - rms_dbfs(rs):.2f}")
print(f"sample_equal={rs == ds}")
PY

预期输出

text
reference_frames=144000
decoded_frames=<FRAMES>
reference_duration_s=3.000000
decoded_duration_s=<TIME>
duration_delta_ms=<DELTA_MS>
reference_level_dbfs=<DBFS>
decoded_level_dbfs=<DBFS>
level_delta_db=<DELTA_DB>
sample_equal=False

<FRAMES>、<TIME> 和电平差会随 FFmpeg 与 libopus 版本略有不同。正常链路中,容器通常会利用 Opus 的 pre-skip 和尾部信息补偿编码延迟,因此解码后的有效时长应与参考音频非常接近;逐样本不相等则是有损编码的正常现象。

用波形错位判断异常来源

编解码前后波形的对齐与异常模式

若波形整体向后平移,但形状相似,优先检查编码延迟、容器的 pre-skip、时间戳以及解码器是否正确应用它们。若前半段正常、末尾多出静音,检查尾部 padding 和最终时间信息。若播放时长和音高一起改变,重点检查裸 PCM 的采样率参数是否写错;仅改“解释采样率”而不重采样,会让同一批样本以错误速度播放。

验收时把“时长正确”“电平合理”“波形已对齐”“听感满足目标”分开记录。这样即使出现异常,也能迅速判断它属于时间信息、参数解释还是编码质量问题。

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

验证编解码后的时长与质量

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