Qt音视频开发04-保存音频文件（pcm/wav/aac）

一、前言

音频的保存相对来说比视频的要简单，具有通用性，不需要经过ffmpeg的编码，ffmpeg解码出来后一般会转换成pcm原始的数据用来播放，所以对数据直接写文件即可，但是这种格式是无法用播放器直接播放的，因为采样率、通道等参数未知，除非手动指定，所以就多出来一个wav格式，这个格式就是在pcm格式前面加上44字节的文件头，所以wav格式的音频文件永远比pcm的文件大44字节，简单来说pcm加上wav头文件就变成了wav。所以这些就好办了，在开始存储的时候先写入这个文件头就行，后面一直插入pcm音频数据即可。

由于wav文件体积很大，所以需要一个压缩的播放器可以直接播放的，这样就需要用aac格式存储。ffmpeg收到后还没有解码出来在没有转换前默认的数据一般以aac格式居多，也有部分的是mp3之类的，所以如果要存储为aac格式，直接存储最原始的packet的数据即可，这个数据是aac格式的压缩过的音频数据，每个数据包前面插入ADTS头即可。可能你会有疑问每个包都插入了头部字节，那不是文件体积更大，其实不是的，毕竟aac格式是一种声音数据的文件压缩格式，有着极高的压缩比，这点头部字节数据简直是毛毛雨。

终上所述，三种格式的音频数据可以满足所有的情况，如果检测到音频解码器用的aac则存储aac格式，非aac则全部存储成wav格式，如果不需要播放器支持就存储成pcm格式即可。

二、效果图

三、体验地址

1. 国内站点：https://gitee.com/feiyangqingyun
2. 国际站点：https://github.com/feiyangqingyun

四、相关代码

//保存视频文件类型
enum SaveVideoType {
    SaveVideoType_None = 0,     //不保存
    SaveVideoType_Yuv = 1,      //原始数据
    SaveVideoType_H264 = 2,     //解码后的裸流
    SaveVideoType_Mp4 = 3       //标准视频文件
};

//保存音频文件类型
enum SaveAudioType {
    SaveAudioType_None = 0,     //不保存
    SaveAudioType_Pcm = 1,      //原始数据
    SaveAudioType_Wav = 2,      //wav文件
    SaveAudioType_Aac = 3,      //aac文件
};

#include "savehelper.h"
void SaveHelper::pcmToWav(const QString &pcmFile, const QString &wavFile, int sampleRate, int channelCount, bool deleteFile)
{
    //wav音频文件固定头部字节(数据有顺序要求)
    struct WaveFileHeader {
        //RIFF头
        char riffName[4];
        quint32 riffLen;

        //数据类型标识符
        char wavName[4];

        //格式块中的块头
        char fmtName[4];
        quint32 fmtLen;

        //音频编码格式
        quint16 audioFormat;
        //通道数量
        quint16 numChannels;
        //采样率
        quint32 sampleRate;
        //波形数据传输速率
        quint32 bytesPerSecond;
        //数据块对齐单位
        quint16 bytesPerSample;
        //每次采样得到的样本数据位数
        quint16 bitsPerSample;

        //数据块中的块头
        char dataName[4];
        quint32 dataLen;
    };

    WaveFileHeader header;
    qstrcpy(header.riffName, "RIFF");
    qstrcpy(header.wavName, "WAVE");
    qstrcpy(header.fmtName, "fmt ");
    qstrcpy(header.dataName, "data");

    header.fmtLen = 16;
    header.audioFormat = 1;
    header.numChannels = channelCount;
    header.sampleRate = sampleRate;
    header.bytesPerSecond = channelCount * sampleRate;
    header.bytesPerSample = 2;
    header.bitsPerSample = 16;

    QFile filePcm(pcmFile);
    QFile fileWav(wavFile);
    if (!filePcm.open(QIODevice::ReadOnly) || !fileWav.open(QIODevice::WriteOnly)) {
        return;
    }

    //计算对应的长度大小
    int sizeHeader = sizeof(header);
    quint32 sizeData = filePcm.bytesAvailable();
    header.riffLen = (sizeData - 8 + sizeHeader);
    header.dataLen = sizeData;

    //先写入头部信息
    fileWav.write((const char *)&header, sizeHeader);
    //再写入音频数据
    fileWav.write(filePcm.readAll());

    //关闭文件
    filePcm.close();
    fileWav.close();

    //删除文件
    if (deleteFile) {
        QFile(pcmFile).remove();
        qDebug() << TIMEMS << QString("删除文件 -> 文件: %1").arg(pcmFile);
    }
}

int SaveHelper::getSamplingFrequencyIndex(int sampleRate)
{
    int freqIdx = 3;
    if (sampleRate == 96000) {
        freqIdx = 0;
    } else if (sampleRate == 88200) {
        freqIdx = 1;
    } else if (sampleRate == 64000) {
        freqIdx = 2;
    } else if (sampleRate == 48000) {
        freqIdx = 3;
    } else if (sampleRate == 44100) {
        freqIdx = 4;
    } else if (sampleRate == 32000) {
        freqIdx = 5;
    } else if (sampleRate == 24000) {
        freqIdx = 6;
    } else if (sampleRate == 22050) {
        freqIdx = 7;
    } else if (sampleRate == 16000) {
        freqIdx = 8;
    } else if (sampleRate == 12000) {
        freqIdx = 9;
    } else if (sampleRate == 11025) {
        freqIdx = 10;
    } else if (sampleRate == 8000) {
        freqIdx = 11;
    }

    return freqIdx;
}

void SaveHelper::adtsHeader(char *header, int len, int sampleRate, int channelCount, int profile)
{
    //抽取音频命令 ffmpeg -i d:/1.mp4 -vn -y -acodec copy d:/1.aac
    //音频adts头部数据 https://blog.csdn.net/u013113678/article/details/123134860
    int chanCfg = channelCount;
    int freqIdx = getSamplingFrequencyIndex(sampleRate);
    int adtsLen = len + 7;

    //绝大部分音频都是1或者-99未设置(有部分是4表示高压缩率)
    //网上的算法缺少下面这个计算导致部分文件保存的音频文件不正常
    if (profile > 1) {
        freqIdx += (profile - 1);
    }
    profile = 1;

#if 1
    header[0] = (char)0xff;
    header[1] = (char)0xf1;
    header[2] = (char)(((profile) << 6) + (freqIdx << 2) + (chanCfg >> 2));
    header[6] = (char)0xfc;

    header[3] = (char)(((2 & 3) << 6) + (adtsLen >> 11));
    header[4] = (char)((adtsLen & 0x7f8) >> 3);
    header[5] = (char)(((adtsLen & 0x7) << 5) + 0x1f);
#else
    header[0] = 0xff;
    header[1] = 0xf0;
    header[1] |= (0 << 3);
    header[1] |= (0 << 1);
    header[1] |= 1;

    header[2] = (profile) << 6;
    header[2] |= (freqIdx & 0x0f) << 2;
    header[2] |= (0 << 1);
    header[2] |= (chanCfg & 0x04) >> 2;

    header[3] = (chanCfg & 0x03) << 6;
    header[3] |= (0 << 5);
    header[3] |= (0 << 4);
    header[3] |= (0 << 3);
    header[3] |= (0 << 2);
    header[3] |= ((adtsLen & 0x1800) >> 11);

    header[4] = (uint8_t)((adtsLen & 0x7f8) >> 3);
    header[5] = (uint8_t)((adtsLen & 0x7) << 5);
    header[5] |= 0x1f;
    header[6] = 0xfc;
#endif
}

五、功能特点

5.1 基础功能

1. 支持各种音频视频文件格式，比如mp3、wav、mp4、asf、rm、rmvb、mkv等。
2. 支持本地摄像头设备，可指定分辨率、帧率。
3. 支持各种视频流格式，比如rtp、rtsp、rtmp、http等。
4. 本地音视频文件和网络音视频文件，自动识别文件长度、播放进度、音量大小、静音状态等。
5. 文件可以指定播放位置、调节音量大小、设置静音状态等。
6. 支持倍速播放文件，可选0.5倍、1.0倍、2.5倍、5.0倍等速度，相当于慢放和快放。
7. 支持开始播放、停止播放、暂停播放、继续播放。
8. 支持抓拍截图，可指定文件路径，可选抓拍完成是否自动显示预览。
9. 支持录像存储，手动开始录像、停止录像，部分内核支持暂停录像后继续录像，跳过不需要录像的部分。
10. 支持无感知切换循环播放、自动重连等机制。
11. 提供播放成功、播放完成、收到解码图片、收到抓拍图片、视频尺寸变化、录像状态变化等信号。
12. 多线程处理，一个解码一个线程，不卡主界面。

5.2 特色功能

1. 同时支持多种解码内核，包括qmedia内核（Qt4/Qt5/Qt6）、ffmpeg内核（ffmpeg2/ffmpeg3/ffmpeg4/ffmpeg5）、vlc内核（vlc2/vlc3）、mpv内核（mpv1/mp2）、海康sdk、easyplayer内核等。
2. 非常完善的多重基类设计，新增一种解码内核只需要实现极少的代码量，就可以应用整套机制。
3. 同时支持多种画面显示策略，自动调整（原始分辨率小于显示控件尺寸则按照原始分辨率大小显示，否则等比例缩放）、等比例缩放（永远等比例缩放）、拉伸填充（永远拉伸填充）。所有内核和所有视频显示模式下都支持三种画面显示策略。
4. 同时支持多种视频显示模式，句柄模式（传入控件句柄交给对方绘制控制）、绘制模式（回调拿到数据后转成QImage用QPainter绘制）、GPU模式（回调拿到数据后转成yuv用QOpenglWidget绘制）。
5. 支持多种硬件加速类型，ffmpeg可选dxva2、d3d11va等，mpv可选auto、dxva2、d3d11va，vlc可选any、dxva2、d3d11va。不同的系统环境有不同的类型选择，比如linux系统有vaapi、vdpau，macos系统有videotoolbox。
6. 解码线程和显示窗体分离，可指定任意解码内核挂载到任意显示窗体，动态切换。
7. 支持共享解码线程，默认开启并且自动处理，当识别到相同的视频地址，共享一个解码线程，在网络视频环境中可以大大节约网络流量以及对方设备的推流压力。国内顶尖视频厂商均采用此策略。这样只要拉一路视频流就可以共享到几十个几百个通道展示。
8. 自动识别视频旋转角度并绘制，比如手机上拍摄的视频一般是旋转了90度的，播放的时候要自动旋转处理，不然默认是倒着的。
9. 自动识别视频流播放过程中分辨率的变化，在视频控件上自动调整尺寸。比如摄像机可以在使用过程中动态配置分辨率，当分辨率改动后对应视频控件也要做出同步反应。
10. 音视频文件无感知自动切换循环播放，不会出现切换期间黑屏等肉眼可见的切换痕迹。
11. 视频控件同时支持任意解码内核、任意画面显示策略、任意视频显示模式。
12. 视频控件悬浮条同时支持句柄、绘制、GPU三种模式，非绝对坐标移来移去。
13. 本地摄像头设备支持指定设备名称、分辨率、帧率进行播放。
14. 录像文件同时支持打开的视频文件、本地摄像头、网络视频流等。
15. 瞬间响应打开和关闭，无论是打开不存在的视频或者网络流，探测设备是否存在，读取中的超时等待，收到关闭指令立即中断之前的操作并响应。
16. 支持打开各种图片文件，支持本地音视频文件拖曳播放。
17. 视频控件悬浮条自带开始和停止录像切换、声音静音切换、抓拍截图、关闭视频等功能。
18. 音频组件支持声音波形值数据解析，可以根据该值绘制波形曲线和柱状声音条，默认提供了声音振幅信号。
19. 各组件中极其详细的打印信息提示，尤其是报错信息提示，封装的统一打印格式。针对现场复杂的设备环境测试极其方便有用，相当于精确定位到具体哪个通道哪个步骤出错。
20. 代码框架和结构优化到最优，性能强悍，持续迭代更新升级。
21. 源码支持Qt4、Qt5、Qt6，兼容所有版本。

5.3 视频控件

1. 可动态添加任意多个osd标签信息，标签信息包括名字、是否可见、字号大小、文本文字、文本颜色、标签图片、标签坐标、标签格式（文本、日期、时间、日期时间、图片）、标签位置（左上角、左下角、右上角、右下角、居中、自定义坐标）。
2. 可动态添加任意多个图形信息，这个非常有用，比如人工智能算法解析后的图形区域信息直接发给视频控件即可。图形信息支持任意形状，直接绘制在原始图片上，采用绝对坐标。
3. 图形信息包括名字、边框大小、边框颜色、背景颜色、矩形区域、路径集合、点坐标集合等。
4. 每个图形信息都可指定三种区域中的一种或者多种，指定了的都会绘制。
5. 内置悬浮条控件，悬浮条位置支持顶部、底部、左侧、右侧。
6. 悬浮条控件参数包括边距、间距、背景透明度、背景颜色、文本颜色、按下颜色、位置、按钮图标代码集合、按钮名称标识集合、按钮提示信息集合。
7. 悬浮条控件一排工具按钮可自定义，通过结构体参数设置，图标可选图形字体还是自定义图片。
8. 悬浮条按钮内部实现了录像切换、抓拍截图、静音切换、关闭视频等功能，也可以自行在源码中增加自己对应的功能。
9. 悬浮条按钮对应实现了功能的按钮，有对应图标切换处理，比如录像按钮按下后会切换到正在录像中的图标，声音按钮切换后变成静音图标，再次切换还原。
10. 悬浮条按钮单击后都用名称唯一标识作为信号发出，可以自行关联响应处理。
11. 悬浮条空白区域可以显示提示信息，默认显示当前视频分辨率大小，可以增加帧率、码流大小等信息。
12. 视频控件参数包括边框大小、边框颜色、焦点颜色、背景颜色（默认透明）、文字颜色（默认全局文字颜色）、填充颜色（视频外的空白处填充黑色）、背景文字、背景图片（如果设置了图片优先取图片）、是否拷贝图片、缩放显示模式（自动调整、等比例缩放、拉伸填充）、视频显示模式（句柄、绘制、GPU）、启用悬浮条、悬浮条尺寸（横向为高度、纵向为宽度）、悬浮条位置（顶部、底部、左侧、右侧）。

5.4 内核ffmpeg

1. 支持各种音视频文件、本地摄像头设备，各种视频流网络流。
2. 支持开始播放、暂停播放、继续播放、停止播放、设置播放进度、倍速播放。
3. 可设置音量、静音切换、抓拍图片、录像存储。
4. 自动提取专辑信息比如标题、艺术家、专辑、专辑封面，自动显示专辑封面。
5. 完美支持音视频同步和倍速播放。
6. 解码策略支持速度优先、质量优先、均衡处理、最快速度。
7. 支持手机视频旋转角度显示，比如一般手机拍摄的视频是旋转了90度的，解码显示的时候需要重新旋转90度才是正的。
8. 自动转换yuv420格式，比如本地摄像头是yuyv422格式，有些视频文件是xx格式，统一将非yuv420格式转换，然后再进行处理。
9. 支持硬解码dxva2、d3d11va等，性能极高尤其是大分辨率比如4K视频。
10. 视频响应极低延迟0.2s左右，极速响应打开视频流0.5s左右，专门做了优化处理。
11. 硬解码和GPU绘制组合，极低CPU占用，比海康大华等客户端更优。
12. 支持视频流中的各种音频格式，AAC、PCM、G.726、G.711A、G.711Mu、G.711ulaw、G.711alaw、MP2L2等都支持，推荐选择AAC兼容性跨平台性最好。
13. 视频存储支持yuv、h264、mp4多种格式，音频存储支持pcm、wav、aac多种格式。默认视频mp4格式、音频aac格式。
14. 支持分开存储音频视频文件，也支持合并到一个mp4文件，默认策略是无论何种音视频文件格式存储，最终都转成mp4及aac格式，然后合并成音视频一起的mp4文件。
15. 支持本地摄像头实时视频显示带音频输入输出，音视频录制合并到一个mp4文件。
16. 支持H264/H265编码（现在越来越多的监控摄像头是H265视频流格式）生成视频文件，内部自动识别切换编码格式。
17. 自动识别视频流动态分辨率改动，重新打开视频流。
18. 支持用户信息中包含特殊字符（比如用户信息中包含+#@等字符）的视频流播放，内置解析转义处理。
19. 纯qt+ffmpeg解码，非sdl等第三方绘制播放依赖，gpu绘制采用qopenglwidget，音频播放采用qaudiooutput。
20. 同时支持ffmpeg2、ffmpeg3、ffmpeg4、ffmpeg5版本，全部做了兼容处理。如果需要支持xp需要选用ffmpeg3及以下。