使用AVFoundation准确提取音频块

Question

问题

我希望从视频文件中的音轨中提取样本精确的LPCM音频范围.目前,我正在寻找实现这一目标用AVAssetReaderTrackOutput对一个AVAssetTrack从读取交付AVURLAsset.

尽管准备并确保使用AVURLAssetPreferPreciseDurationAndTimingKeyset to 初始化资产,但在资产中YES寻找样本准确的位置似乎是不准确的.

NSDictionary *options = @{ AVURLAssetPreferPreciseDurationAndTimingKey : @(YES) };
_asset = [[AVURLAsset alloc] initWithURL:fileURL options:options];

这表现为例如可变比特率编码的AAC流.虽然我知道VBR音频流在准确搜索时会产生性能开销,但我愿意为此付费,前提是我提供了准确的样本.

当使用例如扩展音频文件服务和ExtAudioFileRefAPI时,我可以实现样本精确的搜索和音频提取.同样地AVAudioFile,因为它建立在之上ExtAudioFileRef.

然而,问题是我还想从媒体容器中提取音频文件只有API拒绝但在AVFoundation 中支持的音频AVURLAsset.

方法

提取的样本准确时间范围使用CMTime和定义CMTimeRange,并设置在AVAssetReaderTrackOutput.然后迭代地提取样本.

-(NSData *)readFromFrame:(SInt64)startFrame
      requestedFrameCount:(UInt32)frameCount
{
    NSUInteger expectedByteCount = frameCount * _bytesPerFrame;
    NSMutableData *data = [NSMutableData dataWithCapacity:expectedByteCount];

    //
    // Configure Output
    //

    NSDictionary *settings = @{ AVFormatIDKey               : @( kAudioFormatLinearPCM ),
                                AVLinearPCMIsNonInterleaved : @( NO ),
                                AVLinearPCMIsBigEndianKey   : @( NO ),
                                AVLinearPCMIsFloatKey       : @( YES ),
                                AVLinearPCMBitDepthKey      : @( 32 ),
                                AVNumberOfChannelsKey       : @( 2 ) };

    AVAssetReaderOutput *output = [[AVAssetReaderTrackOutput alloc] initWithTrack:_track outputSettings:settings];

    CMTime startTime    = CMTimeMake( startFrame, _sampleRate );
    CMTime durationTime = CMTimeMake( frameCount, _sampleRate );
    CMTimeRange range   = CMTimeRangeMake( startTime, durationTime );

    //
    // Configure Reader
    //

    NSError *error = nil;
    AVAssetReader *reader = [[AVAssetReader alloc] initWithAsset:_asset error:&error];

    if( !reader )
    {
        fprintf( stderr, "avf : failed to initialize reader\n" );
        fprintf( stderr, "avf : %s\n%s\n", error.localizedDescription.UTF8String, error.localizedFailureReason.UTF8String );
        exit( EXIT_FAILURE );
    }

    [reader addOutput:output];
    [reader setTimeRange:range];
    BOOL startOK = [reader startReading];

    NSAssert( startOK && reader.status == AVAssetReaderStatusReading, @"Ensure we've started reading." );

    NSAssert( _asset.providesPreciseDurationAndTiming, @"We expect the asset to provide accurate timing." );

    //
    // Start reading samples
    //

    CMSampleBufferRef sample = NULL;
    while(( sample = [output copyNextSampleBuffer] ))
    {
        CMTime presentationTime = CMSampleBufferGetPresentationTimeStamp( sample );
        if( data.length == 0 )
        {
            // First read - we should be at the expected presentation time requested.
            int32_t comparisonResult = CMTimeCompare( presentationTime, startTime );
            NSAssert( comparisonResult == 0, @"We expect sample accurate seeking" );
        }

        CMBlockBufferRef buffer = CMSampleBufferGetDataBuffer( sample );

        if( !buffer )
        {
            fprintf( stderr, "avf : failed to obtain buffer" );
            exit( EXIT_FAILURE );
        }

        size_t lengthAtOffset = 0;
        size_t totalLength = 0;
        char *bufferData = NULL;

        if( CMBlockBufferGetDataPointer( buffer, 0, &lengthAtOffset, &totalLength, &bufferData ) != kCMBlockBufferNoErr )
        {
            fprintf( stderr, "avf : failed to get sample\n" );
            exit( EXIT_FAILURE );
        }

        if( bufferData && lengthAtOffset )
        {
            [data appendBytes:bufferData length:lengthAtOffset];
        }

        CFRelease( sample );
    }

    NSAssert( reader.status == AVAssetReaderStatusCompleted, @"Completed reading" );

    [output release];
    [reader release];

    return [NSData dataWithData:data];
}

笔记

CMSampleBufferGetPresentationTimeStamp给我的呈现时间似乎与我追求的相符 - 但由于它似乎不准确,所以我没有机会纠正和对齐我检索的样本.

有关如何做到这一点的任何想法？

另外,有一种方法来适应AVAssetTrack由使用AVAudioFile或ExtAudioFile？

是否可以通过音频轨道访问AudioFileOpenWithCallbacks？

是否有可能在macOS中以不同的方式从视频容器中获取音频流？

Answer 1

一种可行的方法是使用 AVAssetReader 读取压缩的 AV 文件，结合 AVAssetWriter 写入音频样本的新原始 LPCM 文件。然后，人们可以快速索引这个新的 PCM 文件（或内存映射数组，如果需要）以提取精确的样本精确范围，而不会导致 VBR 每数据包解码大小异常或依赖于无法控制的 iOS CMTimeStamp 算法。

这可能不是最节省时间或内存的过程，但它确实有效。