mp3精确的框架尺寸计算

Question

我知道这里已经有几个问题了，但是它们并未完全解释答案中介绍的公式。

我正在编写一个解析器，该解析器应该能够处理MPEG-1,2,2.5音频层I，II，III框架标头。 目的是计算框架的确切尺寸，包括标题， crc （如果存在）和任何 data 或或 metadata < /strong>该框架（基本上是一个标头开始与下一个字节开始之间的字节数）。

在Internet上通常看到的代码段之一/公式之一是 （在没有特定的编程语言中）：

padding = doesThisFramehavePadding ? 1 : 0;
coefficient = sampleCount / 8;

// makes sense to me. the slot size seems to be the smallest addressable space in an mp3 frame 
// and is thus important for padding.
slotSize = mpegLayer == Layer1 ? 4 : 1;

// all fine here. bitRate / sampleRate yields bits per sample, multiplied by that weird 
// coefficient from earlier probably gives us <total bytes> per <all samples in this frame>.
// then add padding times slotSize.
frameSizeInBytes = ((coefficient * bitRate / sampleRate) + padding) * slotSize;

关于上述代码段我有多个问题：

1. 这个“系数”到底是什么？因为它只是 samplecount / 8 < / code>，可能只是用于在最终计算中将单元从位转换为字节的东西，对吗？
2. 如果我的假设是1。是正确的：如果（系数 * bittrate / samplerate）< / code>已经在字节中产生某些东西，那么我专门为音频层实现了插槽大小而将其倍增？这是否意味着的单位（系数 * bittrate / samplatier）< / code>应该是较早的“插槽”，而不是“字节”？如果是这样，那么系数会做什么，例如为什么要除以8，即使是音频第1层帧？这甚至正确吗？
3. 问题1和2。使我相信上面的代码段甚至可能是不正确的。如果是这样，MPEG版本1,2,3.5和I，II和III的正确计算将是什么样的？
4. 如果在框架标头中设置了CRC保护位，是否仍会产生正确的结果（即将16个附加的CRC字节附加到标头上）？
5. 说到标题：生成的 frameizeInbytes 中包含4个标题字节，还是结果表示帧数据/主体的长度？

基本上，所有这些子问题都可以总结到：

是什么公式是什么公式，包括标头在内的字节中当前帧的总长度，以及CRC，例如CRC或Xing和Lake Meta数据框架等最终？

Answer 1

我写道，在Delphi/Pascal中，该功能返回 0 的范围不好或其确切的字节大小。它基于多个网站 - 前两个说明并解释了一个具有完整精度的MPEG音频框架标题，而第三个则具有关键添加，例如公式（S）：

• http://checkmate.gissen.nl/headers.php （第二次副本，但带有更多颜色）
• http://www.mp3-tech.org/progmmer/framegmer/frame_header.html

• 对于第I层向我们归档了此公式： FrameLengthinbytes =（12 * bitrate / samplerate + Padding） * 4 < / code>
对于第二层＆amp; iii文件使用此公式： FrameLengthnbytes = 144 * bittrate/samplater + Padding

• 带有一个很好的图片，说明了标题
• https://www.codeproject.com/articles/8295/mpeg-audio-frame-header 有关VBR框架的更多详细信息以及如何计算整体播放持续时间

const
  MPEG_BITRATE: Array[0.. 1, 1.. 3, 0.. 14] of Word=  // MPEG 2/1, Layer III/II/I
  ( ( ( 0,  8, 16, 24,  32,  40,  48,  56,  64,  80,  96, 112, 128, 144, 160 )  // 2 Layer III
    , ( 0,  8, 16, 24,  32,  40,  48,  56,  64,  80,  96, 112, 128, 144, 160 )  // 2 Layer II
    , ( 0, 32, 48, 56,  64,  80,  96, 112, 128, 144, 160, 176, 192, 224, 256 )  // 2 Layer I
    )
  , ( ( 0, 32, 40, 48,  56,  64,  80,  96, 112, 128, 160, 192, 224, 256, 320 )  // 1 Layer III
    , ( 0, 32, 48, 56,  64,  80,  96, 112, 128, 160, 192, 224, 256, 320, 384 )  // 1 Layer II
    , ( 0, 32, 64, 96, 128, 160, 192, 224, 256, 288, 320, 352, 384, 416, 448 )  // 1 Layer I
    )
  );

  MPEG_SAMPLERATE: Array[0.. 3, 0.. 2] of Word=  // MPEG 2.5/?/2/1
  ( ( 11025, 12000,  8000 )
  , (     0,     0,     0 )
  , ( 22050, 24000, 16000 )
  , ( 44100, 48000, 32000 )
  );


// Read from a file and give back a positive 16-bit value of the PAYLOAD size,
// excluding the 4 bytes header size. Make sure we can read at least 4 byte off the 
// file. If a non-standard condition is met, the function exits with size 0,
// indicating a bad frame.
function IsValidMpegHeader( oIn: TStream ): Word;
var
  aHead: Array[1.. 4] of Byte;  // 4 bytes.
  iBitRateKilo, iSampleRate: Word;  // 16-bit; looked up from the array constants above.
  iPadding, iSlotSize, iSamples: Byte;  // 8-bit.
begin
  oIn.Read( aHead[1], 4 );  // Read next 4 bytes into array.



  // 11 bits sync:
  if (aHead[1]<> $FF) then exit;  // First 8 bits.
  if (aHead[2] and $E0)<> $E0 then exit;  // Next 3 bits.

  // 2 bits MPEG version:
  if (aHead[2] and $18)= $08 then exit;  // $00=2.5; $08=reserved; $10=2; $18=1

  // 2 bits Audio Layer:
  if (aHead[2] and $06)= $00 then exit;  // $00=reserved; $02=III; $04=II; $06=I

  // 1 bit "Protection" flag. End of 16 bits.



  // 4 bits Bitrate:
  if (aHead[3] and $F0)= $F0 then exit;  // 0=free, thus allowed; all 4 bits set=bad

  // 2 bits Frequency:
  if (aHead[3] and $0C)= $0C then exit;  // All bits=reserved.

  // 1 bit "Padding" flag.

  // 1 bit "Private" flag. End of 24 bits.



  // 2 bits "Channel Mode": 0=stereo; 1=joint stereo; 2=dual channel; 3=mono

  // 2 bits Mode Extension.

  // 1 bit "Copyright" flag.

  // 1 bit "Original" flag.

  // 2 bits Emphasis. End of 32 bit.
  if (aHead[4] and $03)= $02 then exit;  // $00=none; $01=50/15 ms; $02=reserved; $03=CCIT J.17



  // 1 upper bit from 2nd byte, shifted 3 bits to the right  = MPEG version
  // 2 bits      from 2nd byte, shifted 1 bit  to the right  = Audio Layer
  // 4 bits      from 3rd byte, shifted 4 bits to the right  = Bitrate
  iBitRateKilo:= MPEG_BITRATE[(aHead[2] shr 3) and 1][(aHead[2] shr 1) and 3][(aHead[3] shr 4) and $F];

  // Layer II disallows specific combinations.
  if (aHead[2] and $06)= $04 then
  case iBitRateKilo of
    32, 48, 56, 80:     if (aHead[4] and $C0)<> $C0 then exit;  // Only single channel allowed.
    224, 256, 320, 384: if (aHead[4] and $C0)= $C0 then exit;  // No single channel allowed.
  end;

  // Samples per frame in bytes, not bits.
  if (aHead[2] and $18)= $18 then begin  // MPEG v1
    case aHead[2] and $06 of
      $06: iSamples:= 12;  // Layer I
    else 
      iSamples:= 144;  // Layer II and III
    end;
  end else begin  // MPEG v2 and v2.5
    case aHead[2] and $06 of
      $06: iSamples:= 12;  // Layer I
      $04: iSamples:= 144;  // Layer II
    else 
      iSamples:= 72;  // Layer III
    end;
  end;

  // Set slot size and padding (in bytes).
  if (aHead[2] and $06)= $06 then iSlotSize:= 4 else iSlotSize:= 1;  // Layer I = 32 bits.
  if (aHead[3] and $02)= $02 then iPadding := 1 else iPadding := 0;  // Padding bit.

  // 2 bits from second byte, shifted 3 bits to the right  = MPEG version
  // 2 bits from third byte,  shifted 2 bits to the right  = Frequency
  iSampleRate:= MPEG_SAMPLERATE[(aHead[2] shr 3) and 3][(aHead[3] shr 2) and 3];
  if iSampleRate= 0 then exit;


  // The division itself is a real/float one, not an Integer division. The quotient
  // must not be rounded, but instead its Integer part must be cut off from any decimals. 
  // If it is 1152.9 then it still means 1152 bytes, not 1153. This calculation works
  // for all MPEG versions, not just v1.
  result:= Trunc( ((iSamples* iBitRateKilo* 1000/ iSampleRate)+ iPadding)* iSlotSize );


  (* Originally I thought the hash sum would make the frame bigger, but after experiencing 
     a couple of files the 2 CRC bytes are meant to be in the frame payload already. This
     is also confirmed by https://hydrogenaud.io/index.php/topic,119033.0.html indicating
     that this was never meant for (stored) files, but instead only for (network) transmissions
     and would indeed waste 16 valuable bits.
  if (aHead[2] and $01)= $00 then Inc( result, 2 );  // 16-bit CRC after header. *)
end;

如果该功能返回 0 您很可能在任何元数据标签的区域中。计算出的帧大小用于其有效载荷=内容，并且不计算标头数据的4个字节。这正是在文件中寻求向前的字节的数量。

1. 是的。
2. 围绕公式，这可以解释 更好：
   

   填充用于完全适合比特率。示例：128K 44.1KHz第II层使用很多418个字节，而417个字节长帧中的某些则可以获得确切的128K比特率。对于I层的插槽长32位，对于II层和第三层插槽长8位。

   首先，让我们区分两个框架尺寸和框架长度。帧大小是框架中包含的样品数量。它是恒定的，对于I层和III层和第三层的1152个样品总是384个样本。帧长度是压缩时框架的长度。它是在插槽中计算的。一个插槽是第I层长4个字节，一个字节长于II层和第三层。当您读取MPEG文件时，您必须对此进行计算以找到每个连续的帧。请记住，由于填充或比特率切换，框架长度可能会因框架而变化。

3. 这是正确的（尽管我也不完全理解它的写作）。自从我编写代码以来，我已经使用了所有MP3的所有变体对其进行测试，并且我总是以准确的预期位置找到下一个帧。
4. 是的，因为“ 添加到标题”仅表示主题明智而不是上下文。框架有效载荷的前两个字节恰恰是16位CRC哈希。
5. 不，框架标头尺寸始终为4个字节，不包含在框架长度中。

我将其写入以确切计数的MP3文件中编码的可变比特率，其中框架大小的长度可能非常不同。我受够了懒惰的总体计算，只能做猜测。

也可以很好地检测到不包含音频的“特殊” VBR帧，而是其他信息也可以很好地检测到。为此，我们需要知道帧的“侧面信息”：

const
  // https://www.codeproject.com/Articles/8295/MPEG-Audio-Frame-Header
  MPEG_SIDEINFO: Array[0.. 1, FALSE.. TRUE] of Byte=   // MPEG 2/1, Mono/Non-mono
  ( (  9, 17 )
  , ( 17, 32 )  // Only MPEG 1 non-mono has the offset after 32 bytes
  );


// Returns TRUE if one of the identifications matches.
function IsVbrFrame( oIn: TStream ): Boolean;
var
  iSideInfo: Byte;
  aIdent: Array[1.. 4] of Char;  // Like bytes, but treating it as ASCII.
begin
  // 1 upper bit from 2nd byte, shifted 3 bits to the right  = MPEG version
  // 2 highest bits from 4th byte (Channel Mode) equal mode "Mono"?
  iSideInfo:= MPEG_SIDEINFO[(aHead[2] shr 3) and 1][(aHead[4] and $C0)<> $C0];

  // After we read the 4 bytes from the header, go forward either 9, 17 or 32 
  // bytes and read 4 bytes of identification for almost any VBR frame.
  oIn.Seek( iSideInfo, soCurrent );
  oIn.Read( aIdent[1], 4 );

  if (aIdent= 'Xing')
  or (aIdent= 'Info')
  or (aIdent= 'LAME')
  or (aIdent= 'UUUU')
  or (aIdent= 'GOGO')
  or (aIdent= 'MPGE') then begin
    result:= TRUE;
  end else begin
    // Go back the 4 bytes we just read and the sideinfo portion we skipped
    // to then always jump 32 bytes forwards, regardless of MPEG version and
    // Channel Mode. Then read 4 bytes again and check for the only known ID.
    oIn.Seek( 0- 4- iSideInfo, soCurrent );
    oIn.Seek( 32, soCurrent );
    oIn.Read( aIdent[1], 4 );

    result:= (aIdent= 'VBRI');
  end;
end;

您可能还需要阅读

• 在哪个为了在其中解析mp3文件元数据标签 and
• 在mp3 files中存在/gp3文件中存在哪个元数据标签

...这也很有用要知道要在哪里找到第一个音频框架（在文件开始时标记之后）以及您到达最后一个音频框架（在文件末尾的标签之前）。