SILK SDK + Qt 将QQ/微信的 silk/amr 音频转为 wav 格式

ゝ一纸荒年。 2022-12-25 00:52 230阅读 0赞

# 0.前言 #

SILK 编码最早在 Skype 中使用，它在编码效率和质量之间取得了很好的平衡，因此被广泛应用在互联网的音频相关产品中。SILK 的最新版本是 2012 年发布的 SDK 1.0.9，即SILK V3。

腾讯系产品，包括QQ、微信、小程序，在语音相关的实现中，也大量使用到 SILK 编码，不过他在标准的 SILK 文件头加了一个字节的 0x02 ，所以在解码的时候要多判断一次。虽然腾讯的音频文件格式后缀也可能叫 AMR，不过并不是真的 AMR格式，还是 SILK 格式的。

下图是一个微信 AMR 文件的文件头，以 0x02 开头，然后是九个固定字符： \#!SILK\_V3，接下来就是语音数据。

![20201129200900856.png][]

还要注意的是 SILK 编码的采样频率和码率是自适应的，参见 [翻译的文档][Link 1]。

WAV 格式就相对方便点，可以直接存放 PCM 数据，将 SLIK 解码为 PCM 后加一个 WAV 头就成了一个 wav 音频文件（ WAV 头的格式参考 [WAV格式分析][WAV] ）。

参考示例：SILK\_SDK\_SRC\_v1.0.9\\SILK\_SDK\_SRC\_ARM\_v1.0.9\\test\\Decoder.c

参考博客（转载）：[https://blog.csdn.net/weixin\_34292924/article/details/87987436][https_blog.csdn.net_weixin_34292924_article_details_87987436]

参考博客：[https://www.cnblogs.com/protosec/p/11673358.html][https_www.cnblogs.com_protosec_p_11673358.html]

参考博客：[https://blog.csdn.net/wanggp\_2007/article/details/5536818][https_blog.csdn.net_wanggp_2007_article_details_5536818]

参考博客（翻译）：[https://blog.csdn.net/zhaosipei/article/details/7467810][Link 1]

别人fork的SDK源码：[https://gitee.com/alvis/SILK\_SDK\_SRC][https_gitee.com_alvis_SILK_SDK_SRC]

别人做的decoder：[https://github.com/kn007/silk-v3-decoder][https_github.com_kn007_silk-v3-decoder]

# 1.实现 #

下载好 SILK SDK 后，可以直接用 VS 打开工程文件进行编译为静态库，然后将 interface 文件夹和库文件导入到我们的应用工程中。也可以自己建一个 DLL 工程把那些原文件 copy 过去，然后导出 SKP\_Silk\_SDK\_API.h 文件中的函数接口，生成动态或者静态库。

借助 SLIK 库，解码主要有两步，初始化解码器+循环解码为 PCM 数据。

转为 WAV 也两步，生成文件头+写入 PCM 数据。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dvbmdqaWFuYm8xOTky_size_16_color_FFFFFF_t_70][]

代码链接（github）：[https://github.com/gongjianbo/MyTestCode/tree/master/Qt/SilkToWav][https_github.com_gongjianbo_MyTestCode_tree_master_Qt_SilkToWav]

工程链接（CSDN）：[https://download.csdn.net/download/gongjianbo1992/13206416][https_download.csdn.net_download_gongjianbo1992_13206416]

主要代码：

#ifndef MAINWINDOW_H
    #define MAINWINDOW_H
    
    #include <QMainWindow>
    
    QT_BEGIN_NAMESPACE
    namespace Ui { class MainWindow; }
    QT_END_NAMESPACE
    
    /**
     * @brief wav文件头结构体
     * @author 龚建波
     * @date 2020-11-12
     * @details
     * wav头是不定长格式，不过这里用的比较简单的格式
     * （数值以小端存储，不过pc一般是小端存储，暂不特殊处理）
     * 参照：https://www.cnblogs.com/ranson7zop/p/7657874.html
     * 参照：https://www.cnblogs.com/Ph-one/p/6839892.html
     */
    struct EasyWavHead
    {
        char riffFlag[4]; //文档标识，大写"RIFF"
        //从下一个字段首地址开始到文件末尾的总字节数。
        //该字段的数值加 8 为当前文件的实际长度。
        unsigned int riffSize; //数据长度
        char waveFlag[4]; //文件格式标识，大写"WAVE"
        char fmtFlag[4]; //格式块标识，小写"fmt "
        unsigned int fmtSize; //格式块长度，可以是 16、 18 、20、40 等
        unsigned short compressionCode; //编码格式代码，1为pcm
        unsigned short numChannels; //通道个数
        unsigned int sampleRate; //采样频率
        //该数值为:声道数×采样频率×每样本的数据位数/8。
        //播放软件利用此值可以估计缓冲区的大小。
        unsigned int bytesPerSecond; //码率（数据传输速率）
        //采样帧大小。该数值为:声道数×位数/8。
        //播放软件需要一次处理多个该值大小的字节数据,用该数值调整缓冲区。
        unsigned short blockAlign; //数据块对其单位
        //存储每个采样值所用的二进制数位数。常见的位数有 4、8、12、16、24、32
        unsigned short bitsPerSample; //采样位数（采样深度）
        char dataFlag[4]; //表示数据开头，小写"data"
        unsigned int dataSize; //数据部分的长度
    };
    
    class MainWindow : public QMainWindow
    {
        Q_OBJECT
    
    public:
        MainWindow(QWidget *parent = nullptr);
        ~MainWindow();
    
        void paintEvent(QPaintEvent *event) override;
    
        //silk解码为pcm
        void decodeSilk(const QString &filepath);
    
        //生成wav(pcm)文件头信息
        //sampleRate: 采样频率
        //dataSize: pcm数据字节长度
        //return EasyWavHead: wav头
        static EasyWavHead createWavHead(int sampleRate,unsigned int dataSize);
    
    private:
        Ui::MainWindow *ui;
    
        QByteArray pcmData;
    };
    #endif // MAINWINDOW_H

#include "mainwindow.h"
    #include "ui_mainwindow.h"
    
    #include <QFileDialog>
    #include <QFile>
    #include <QTime>
    #include <QPainter>
    #include <QDebug>
    
    #include "SKP_Silk_SDK_API.h"
    
    #define MAX_BYTES_PER_FRAME     1024
    #define MAX_INPUT_FRAMES        5
    #define MAX_FRAME_LENGTH        480
    #define FRAME_LENGTH_MS         20
    #define MAX_API_FS_KHZ          48
    
    MainWindow::MainWindow(QWidget *parent)
        : QMainWindow(parent)
        , ui(new Ui::MainWindow)
    {
        ui->setupUi(this);
    
        ui->lineEdit->setText(qApp->applicationDirPath()+"/weixin.amr");
    
        //选择文件
        connect(ui->btnFile,&QPushButton::clicked,[=]{
            const QString filepath=QFileDialog::getOpenFileName(this);
            if(!filepath.isEmpty())
                ui->lineEdit->setText(filepath);
        });
    
        //解码
        connect(ui->btnDecode,&QPushButton::clicked,[=]{
            const QString filepath=ui->lineEdit->text();
            if(filepath.isEmpty())
                return;
            qDebug()<<"---------------------------------";
            qDebug()<<"sdk version"<<SKP_Silk_SDK_get_version();
            qDebug()<<"begin decode"<<QTime::currentTime();
    
            decodeSilk(filepath);
            qDebug()<<"end decode"<<QTime::currentTime();
            qDebug()<<"data size"<<pcmData.size();
            update();
        });
    }
    
    MainWindow::~MainWindow()
    {
        delete ui;
    }
    
    void MainWindow::paintEvent(QPaintEvent *event)
    {
        Q_UNUSED(event);
        QPainter painter(this);
        if(pcmData.count()<4)
            return;
        painter.translate(0,height()/2);
        const int length=pcmData.count()/2;
        const short *datas=(const short *)pcmData.constData();
        //点的x间隔
        double xspace=width()/(double)length;
        //绘制采样点步进，测试用的固定值，文件比较大懒得算
        const int step=1;
        //qDebug()<<"step"<<step;
        for(int i=0;i<length-step;i+=step)
        {
            painter.drawLine(xspace*i,-datas[i]/150,xspace*(i+step),-datas[i+step]/150);
        }
    }
    
    void MainWindow::decodeSilk(const QString &filepath)
    {
        //SDK地址：https://gitee.com/alvis/SILK_SDK_SRC
        //参照示例：SILK_SDK_SRC_v1.0.9\SILK_SDK_SRC_ARM_v1.0.9\test\Decoder.c
        //参照博客：https://blog.csdn.net/weixin_34292924/article/details/87987436
        QFile file(filepath);
        qDebug()<<"Filepath"<<filepath<<"exists"<<file.exists();
        if(file.size()<10||!file.open(QIODevice::ReadOnly))
            return;
    
        //先判断silk头
        //#!SILK_V3
        QByteArray read_temp=file.read(1);
        if(read_temp=="#"){
            read_temp+=file.read(8);
        }else{
            //微信的silk前面加个一个字节的0x02
            read_temp=file.read(9);
        }
        if(read_temp!="#!SILK_V3"){
            file.close();
            return;
        }
    
        SKP_SILK_SDK_DecControlStruct dec_ctrl;
        //采样率，可作为参数传入
        //Valid values are 8000,12000, 16000, 24000, 32000, 44100, and 48000.
        const int sample_rate=8000;
        dec_ctrl.API_sampleRate = sample_rate;
        dec_ctrl.framesPerPacket = 1;
    
        //创建解码器
        SKP_int32 dec_size;
        int ret = SKP_Silk_SDK_Get_Decoder_Size(&dec_size);
        qDebug()<<"SKP_Silk_SDK_Get_Decoder_Size return"<<ret<<"size"<<dec_size;
        SKP_uint8 *dec_state=new SKP_uint8[dec_size];
        //初始化解码器
        ret=SKP_Silk_SDK_InitDecoder(dec_state);
        qDebug()<<"SKP_Silk_SDK_InitDecoder return"<<ret;
    
        //默认解出来貌似是16bit的精度
        SKP_uint8 payload[MAX_BYTES_PER_FRAME * MAX_INPUT_FRAMES], *payload_ptr = NULL;
        SKP_int16 out[((FRAME_LENGTH_MS * MAX_API_FS_KHZ) << 1) * MAX_INPUT_FRAMES], *out_ptr = NULL;
        SKP_int16 n_bytes=0;
        SKP_int32 read_counter=0;
        SKP_int16 len=0;
        SKP_int16 total_len=0;
        SKP_int32 frames=0;
        pcmData.clear();
    
        //循环读取并解码
        while (true) {
            //读取有效数据大小
            read_counter=file.read((char*)&n_bytes,sizeof(SKP_int16));
            if(n_bytes<1||read_counter<1)
                break;
            //读取有效数据
            read_counter=file.read((char*)payload,n_bytes);
            //qDebug()<<"read_counter"<<read_counter<<n_bytes<<QByteArray((char*)dec_state,sizeof(SKP_uint8)).toHex();
            if( (SKP_int16)read_counter < n_bytes ) {
                break;
            }
            payload_ptr=payload;
            out_ptr=out;
            total_len = 0;
            frames = 0;
            do {
                //解码
                ret = SKP_Silk_SDK_Decode(dec_state, &dec_ctrl, 0, payload_ptr, n_bytes, out_ptr, &len);
                if (ret) {
                    qDebug()<<"SKP_Silk_SDK_Decode returned"<<ret;
                }
    
                frames++;
                out_ptr += len;
                total_len += len;
                if (frames > MAX_INPUT_FRAMES) {
                    qDebug()<<"frames > MAX_INPUT_FRAMES"<<frames<<total_len;
                    out_ptr = out;
                    total_len = 0;
                    frames = 0;
                }
            } while (dec_ctrl.moreInternalDecoderFrames);
    
            //将解码后的数据pcm保存
            pcmData.append((const char *)out,total_len*2);
        }
    
        //清理
        file.close();
        delete[]dec_state;
    
        //以wav(pcm s16)格式写入
        file.setFileName(filepath+".pcm.wav");
        if(file.open(QIODevice::WriteOnly)){
            //自定义的wav头结构体
            EasyWavHead head=createWavHead(sample_rate,pcmData.count());
            file.write((const char*)&head,sizeof(head));
            file.write(pcmData);
            file.close();
        }
    }
    
    EasyWavHead MainWindow::createWavHead(int sampleRate, unsigned int dataSize)
    {
        //默认貌似是16位精度，单通道
        const int bits=16;
        const int channels=1;
        const int head_size = sizeof(EasyWavHead);
        EasyWavHead wav_head;
        memset(&wav_head, 0, head_size);
    
        memcpy(wav_head.riffFlag, "RIFF", 4);
        memcpy(wav_head.waveFlag, "WAVE", 4);
        memcpy(wav_head.fmtFlag, "fmt ", 4);
        memcpy(wav_head.dataFlag, "data", 4);
    
        //出去头部前8个字节的长度，用的44字节的格式头，所以+44-8=36
        wav_head.riffSize = dataSize + 36;
        //不知道干嘛的
        wav_head.fmtSize = 16;
        //1为pcm
        wav_head.compressionCode = 0x01;
        wav_head.numChannels = channels;
        wav_head.sampleRate = sampleRate;
        wav_head.bytesPerSecond = (bits / 8) * channels * sampleRate;
        wav_head.blockAlign = (bits / 8) * channels;
        wav_head.bitsPerSample = bits;
        //除去头的数据长度
        wav_head.dataSize = dataSize;
    
        return wav_head;
    }

[20201129200900856.png]: /images/20221120/977b8be41b57460b9aa2a9362b187537.png
[Link 1]: https://blog.csdn.net/zhaosipei/article/details/7467810
[WAV]: https://www.cnblogs.com/ranson7zop/p/7657874.html
[https_blog.csdn.net_weixin_34292924_article_details_87987436]: https://blog.csdn.net/weixin_34292924/article/details/87987436
[https_www.cnblogs.com_protosec_p_11673358.html]: https://www.cnblogs.com/protosec/p/11673358.html
[https_blog.csdn.net_wanggp_2007_article_details_5536818]: https://blog.csdn.net/wanggp_2007/article/details/5536818
[https_gitee.com_alvis_SILK_SDK_SRC]: https://gitee.com/alvis/SILK_SDK_SRC
[https_github.com_kn007_silk-v3-decoder]: https://github.com/kn007/silk-v3-decoder
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dvbmdqaWFuYm8xOTky_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20201129201840842.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dvbmdqaWFuYm8xOTky,size_16,color_FFFFFF,t_70
[https_github.com_gongjianbo_MyTestCode_tree_master_Qt_SilkToWav]: https://github.com/gongjianbo/MyTestCode/tree/master/Qt/SilkToWav
[https_download.csdn.net_download_gongjianbo1992_13206416]: https://download.csdn.net/download/gongjianbo1992/13206416