☰

ffmpeg：使用 Microsoft PCM 匯出為 24 位元波形，無法擴充（使用 Lavf58.76.100）

tag-icon • tag-icon ffmpeg export wav
ffmpeg：使用 Microsoft PCM 匯出為 24 位元波形，無法擴充（使用 Lavf58.76.100）

我注意到，當我使用 FFMPEG 將 mod 匯出為 24 位元或更高位的波形時，FFMPEG 決定使用可擴展編碼而不是常規 PCM 編碼，並使用“Lavf58.76.100”，無論它是什麼。我使用 exiftool 檢查導出的 wav，結果如下：

---- 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

問題是，許多程式不理解這種可擴展的 wav 格式。有沒有辦法告訴 FFMPEG 使用常規 PCM 代替？我注意到其他程式（例如 bass 庫）可以使用常規 PCM 編碼匯出為 24 位元 wav。

這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

編輯

當我寫這個問題的時候，我有點沮喪，缺乏知識。現在，一切都清楚了；位元深度高於 16 位元的波形檔案應該具有 WAVE_FORMAT_EXTENSIBLE 標記（這是有道理的，請參閱答案）。我用來將 mod 檔案渲染為 Wave 的軟體（FFmpeg 除外）不遵守此規則。謝謝湯姆·揚的澄清。

答案1

（並非我所有的評論都是準確/正確的，所以如果您有興趣，請參閱以下內容。）

理論上請講，PCMWAVEFORMAT可用於位元深度高於 16 的音訊。

然而，顯然有幾個原因導致 ffmpeg 不為這種音訊編寫這種格式的 WAVE 標頭。

其一，該格式已被WAVEFORMATEX，並且根據文件：

...

wBitsPerSample

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

...

除了上述要求外，除了位元深度高於 16 的 PCM 音訊定義的wFormatTag值外，沒有其他值。WAVE_FORMAT_EXTENSIBLE

是否定義了“擴展名”WAVEFORMATEXTENSIBLEwFormatTag不太WAVE_FORMAT_EXTENSIBLE清楚時可以省略。在WAVEFORMATEX，指出：

...

wFormatTag


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

...

有了這樣的聲明，可能沒有人會/不應該認為它是被允許的。

如果你讀過WAVEFORMATEX和WAVEFORMATEXTENSIBLE仔細地，您會注意到後者存在的真正原因（就位深度而言）是，它允許前者存儲 8 的倍數容器大小，並將“真實”樣本大小存儲在擴展之一中後者定義。例如，對於某些（討厭的）20 位元 PCM 串流，分別為 24 和 20。

但據記錄，wav據我所知，ffmpeg 的複用器不（至少不正確）支援剛才提到的奇怪情況。 （0我認為，如果這樣的流不被拒絕，這兩個欄位都將寫入 的值。）

PCMWAVEFORMAT如果您確實需要 ffmpeg 以24 位元音訊的格式編寫標頭，您可以考慮使用以下修補程式來建立它：

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 },
 };

然後透過在輸出檔案路徑/名稱之前添加-extensible 0，您應該能夠獲得所謂的「常規」24 位元 WAVE 檔案。

相關內容