MP3文件结构解析(超详细) |
您所在的位置:网站首页 › 音乐文件的格式是什么 › MP3文件结构解析(超详细) |
1. MP3文件结构解析
1.1. 概述
1.1.1. 音频相关术语
ID3:
一般位于一个mp3文件的开头或末尾的若干字节内,记录该mp3文件的歌手、标题、专辑名称、年代、风格等信息,ID3分位两个版本,V1版ID3在文件末尾的固定128字节,以TAG字符开头,若没有则认为无ID3V1信息,V2版ID3位于mp3的开头,长度可变。 采样率:每秒从连续信号中提取并组成离散信号的采样个数,它用赫兹(Hz)来表示,采样率是指将模拟信号转换成数字信号时的采样频率,也就是单位时间内采样多少点,采样频率越高声音的还原就越真实越自然,在当今的主流采集卡上,采样频率一般共分为22.05KHz、44.1KHz、48KHz三个等级,22.05KHz只能达到FM广播的声音品质,44.1KHz则是理论上的CD音质界限,48KHz则更加精确一些。 比特率:比特率是指每秒传送的比特(bit)数。单位为bps(Bit Per Second),比特率越高,传送的数据越大。在音频、视频领域,比特率常翻译为码率,比特率表示经过编码(压缩)后的音、视频数据每秒钟需要用多少个比特来表示,而比特就是二进制里面最小的单位,要么是0,要么是1。比特率与音、视频压缩的关系,简单的说就是比特率越高,音频、视频的质量就越好,但编码后的文件就越大;如果比特率越少则情况刚好相反。 比特率=采样率*采样位数*声道数 码率/码流/位率:是指音频、视频文件在单位时间内使用的数据流量,通俗一点的理解就是取样率,是音频、视频编码中质量控制中最重要的部分,一般我们用的单位是Kb/s、Mb/s。一般来说码流越大,压缩比就越小,质量就越高。码流越大,说明单位时间内取样率越大,数据流,精度就越高,处理出来的文件就越接近原始文件 编码:从信息论的观点来看,描述信源的数据是信息和数据冗余之和,即:数据=信息+数据冗余。音频信号在时域和频域上具有相关性,也即存在数据冗余。将音频作为一个信源,音频编码的实质是减少音频中的冗余。 自然界中的声音非常复杂,波形极其复杂,通常我们采用的是脉冲代码调制编码,即PCM编码。PCM通过抽样、量化、编码三个步骤将连续变化的模拟信号转换为数字编码 解码:编码的逆过程 1.1.2. MP3简述MP3全称为MPEG Audio Layer 3,它是一种高效的计算机音频编码方案,它以较大的压缩比将音频文件转换成较小的扩展名为.mp3的文件,基本保持源文件的音质,MP3是ISO/MPEG标准的一部分, ISO/MPEG标准描述了使用高性能感知编码方案的音频压缩,此标准一直在不断更新以满足“质高量小”的追求,现已形成MPEG Layer1、Layer2、Layer3三种音频编解码方案,分别对应MP1、MP2、MP3 这三种声音文件 MPEG(Moving Picture Expert Group)是ISO下的一个动态图像专家组,它指定的MPEG标准广泛的应用于各种多媒体中,MPEG标准包括视频和音频标准,其中音频标准已制定出MPEG-1、MPEG-2、MPEG-2 ACC、MPEG-4。MPEG-1和MPEG-2标准使用同一个音频编解码族Layer1、2、3,MP3绝大多数使用的是MPEG1标准 MP3音频压缩包含编码和解码两部分,编码是将原始信号转换成电平信号的过程,解码即是逆过程,MP3 采用了感知音频编码(PerceptualAudio Coding)这一失真算法。人耳感受声音的频率范围是20Hz-20kHz,MP3截掉了大量的冗余信号和无关的信号,编码器通过混合滤波器组将原始声音变换到频率域,利用心理声学模型,估算刚好能被察觉到的噪声水平,再经过量化,转换成Huffman编码,形成MP3位流。解码器要简单得多,它的任务是从编码后的谱线成分中,经过反量化和逆变换,提取出声音信号。 MP3文件数据由多个帧组成,帧是MP3文件最小组成单位。每个帧又由帧头、附加信息和声音数据组成。每个帧播放时间是0.026秒,其长度随位率的不同而不等。有些MP3文件末尾有些额外字节存放非声音数据的说明信息。 1.2. MP3文件结构MP3文件大体上分为三个部分:ID3V2+音频数据+ID3V1 1.3. ID3V2解析 ID3V2一共有四个版本,ID3V2.1/2.2/2.3/2.4,目前流行的播放软件一般只支持第三版即ID3V2.3,由于ID3V1记录在文件的末尾处,ID3V2就只能记录在文件的首部了,也是因为这个原因,对ID3V2的操作比ID3V1要慢,而且ID3V2的结构比ID3V1的结构复杂的多,但是ID3V2可以记录更多的信息,长度可变 ID3V2.3由一个标签头和若干个标签帧或者一个扩展标签头组成,至少要有一个标签帧,每一个标签帧记录一种信息,例如作曲、标题等 1.3.1. 标签头位于文件开始处,长度为10字节,结构如下: char Header[3]; /*必须为“ID3”否则认为标签不存在*/ char Ver; /*版本号ID3V2.3 就记录3*/ char Revision; /*副版本号此版本记录为0*/ char Flag; /*标志字节,只使用高三位,其它位为0 */ char Size[4]; /*标签大小*/ 注:标签大小,不能确定具体包括哪些内容,解析歌曲文件后,发现没有哪些字节之和会等于该值,详见下面的实例分析 标志字节一般为0,定义如下(abc000000B) a:表示是否使用Unsynchronisation b:表示是否有扩展头部,一般没有,所以一般也不设置 c:表示是否为测试标签,99.99%的标签都不是测试标签,不设置 标签大小共四个字节,每个字节只使用低7位,最高位不使用恒为0,计算时将最高位去掉,得到28bit的数据,计算公式如下: Size=(Size[0]&0x7F)*0x200000+(Size[1]&0x7F)*0x400+(Size[2]&0x7F)*0x80+(Size[3]&0x7F) 以《金南玲 - 逆流成河.mp3》为例,使用WinHex工具打开如下,读者可自己对照上述结构,本章结束会给出详细的结构分析 1.3.2. 标签帧每个标签帧都有10个字节的帧头(和标签头不是一个东西,虽然他们刚好都是10字节,标签头只有一个,每个标签帧都有一个帧头)和至少一个字节的内容构成,标签帧与标签头/其他标签帧无特殊字节分割,只能通过帧头信息来确定帧内容的大小。 帧头长度10字节,定义如下: char ID[4]; /*标识帧,说明其内容,例如作者/标题等*/ char Size[4]; /*帧内容的大小,不包括帧头,不得小于1*/ char Flags[2]; /*标志帧,只定义了6 位*/ 标识帧,常见的内容如下: TIT2=标题 TPE1=作者 TALB=专集 TRCK=音轨格式:N/M 其中N为专集中的第N首,M为专集中共M首,N和M 为ASCII 码表示的数字 TYER=年代是用ASCII 码表示的数字 TCON=类型直接用字符串表示 COMM=备注格式:"eng\0备注内容",其中eng 表示备注所使用的自然语言 帧内容大小,计算公式如下: Size = Size[0]*0x100000000 + Size[1]*0x10000+ Size[2]*0x100 +Size[3]; 标志帧,使用每个字节的高三位,其他位均为0(abc00000B xyz00000B) a -- 标签保护标志,设置时认为此帧作废 b -- 文件保护标志,设置时认为此帧作废 c -- 只读标志,设置时认为此帧不能修改 x -- 压缩标志,设置时一个字节存放两个BCD 码表示数字 y-- 加密标志 z-- 组标志,设置时说明此帧和其他的某帧是一组 1.4. 音频数据解析每个帧都有一个帧头,长度是四个字节,帧后面可能有2字节的CRC校验,取决于帧头的第16位,为0则无校验,为1则有校验,后面是可变长度的附加信息,对于标准的MP3文件来说,其长度是32字节,紧接其后的是压缩的声音数据,当解码器读到此处时就进行解码了。 1.4.1. 数据帧帧头帧头长4字节,结构如下: typedef FrameHeader { unsigned int sync:11; //同步信息 unsigned int version:2; //版本 unsigned int layer: 2; //层 unsigned int error protection:1; // CRC校验 unsigned int bitrate_index:4; //位率 unsigned int sampling_frequency:2; //采样频率 unsigned int padding:1; //帧长调节 unsigned int private:1; //保留字 unsigned int mode:2; //声道模式 unsigned int mode extension:2; //扩充模式 unsigned int copyright:1; // 版权 unsigned int original:1; //原版标志 unsigned int emphasis:2; //强调模式 }HEADER, *LPHEADER; 详细说明: 1.4.2. 帧长度与真大小帧大小即每帧的采样数,表示一帧数据中采样的个数,该值是恒定的,如下表所示: 帧长度是压缩时每一帧的长度,包括帧头的4个字节。它将填充的空位也计算在内。Layer 1的一个空位长4字节,Layer 2和Layer 3的空位是1字节。当读取MPEG文件时必须计算该值以便找到相邻的帧。注意:因为有填充和比特率变换,帧长度可能变化 计算公式如下: Layer 1:Len(字节) = ((每帧采样数/8*比特率)/采样频率)+填充*4 Layer2/3:Len(字节) = ((每帧采样数/8*比特率)/采样频率)+填充 例:MPEG1 Layer3 比特率128000,采样率44100,填充0,帧长度为:((1152/8*128K)/44.1K+0=417字节 1.4.3. 帧持续时间计算公式: 每帧持续时间(毫秒) = 每帧采样数 / 采样频率 * 1000 例:1152/441000*1000=26ms 1.4.4. 帧数据在帧头后边是Side Info(姑且称之为通道信息)。对标准的立体声MP3文件来说其长度为32字节。当解码器在读到上述信息后,就可以进行解码了。 对于mp3来说现在有两种编码方式,一种是CBR,也就是固定位率,固定位率的帧的大小在整个文件中都是是固定的(公式如上所述),只要知道文件总长度,和从第一帧帧头读出的信息,就都可以通过计算得出这个mp3文件的信息,比如总的帧数,总的播放时间等等,要定位到某一帧或某个时间点也很方便,这种编码方式不需要文件头,第一帧开始就是音频数据。另一种是VBR,就是可变位率,VBR是XING公司推出的算法,所以在MP3的FRAME里会有“Xing"这个关键字(也有用"Info"来标识的,现在很多流行的小软件也可以进行VBR压缩,它们是否遵守这个约定,那就不得而知了),它存放在MP3文件中的第一个有效帧的数据区里,它标识了这个MP3文件是VBR的。同时第一个帧里存放了MP3文件的帧的总个数,这就很容易获得了播放总时间,同时还有100个字节存放了播放总时间的100个时间分段的帧索引,假设4分钟的MP3歌曲,240S,分成100段,每两个相邻INDEX的时间差就是2.4S,所以通过这个INDEX,只要前后处理少数的FRAME,就能快速找出我们需要快进的帧头。其实这第一帧就相当于文件头了。不过现在有些编码器在编码CBR文件时也像VBR那样将信息记入第一帧,比如著名的lame,它使用"Info"来做CBR的标记。 1.4.5. VBR头文件VBR文件头位于MP3文件中第一个有效帧的数据区,详细结构如下: 1.5. ID3V1解析ID3 V1.0标准并不周全,存放的信息少,无法存放歌词,无法录入专辑封面、图片等。V2.0是一个相当完备的标准,但给编写软件带来困难,虽然赞成此格式的人很多,在软件中真正实现的却极少。绝大多数MP3仍使用ID3 V1.0标准。此标准是将MP3文件尾的最后128个字节用来存放ID3信息 1.6. 附录 1.6.1. 帧标识AENC:Audioencryption APIC:Attached picture COMM:Comments COMR:Commercial ENCR:Encryptionmethod registration EQUA:Equalization ETCO:Event timingcodes GEOB:Generalencapsulated object GRID:Groupidentification registration IPLS:Involvedpeople list LINK:Linkedinformation MCDI:Music CDidentifier MLLT:MPEGlocationlookup table OWNE:Ownership PRIV:Private PCNT:Playcounter POPM:Popularimeter POSS:Positionsynchronisation RBUF:Recommendedbuffer size RVAD:Relativevolume adjustment RVRB:Reverb SYLT:Synchronizedlyric/text SYTC:Synchronizedtempo codes TALB:Album/Movie/Showtitle TBPM:BPM(beats perminute) TCOM:Composer TCON:Content type TCOP:Copyrightmessage TDAT:Date TDLY:Playlistdelay TENC:Encoded by TEXT:Lyricist/Textwriter TFLT:Filetype TIME:Time TIT1:Content groupdeion TIT2:Title/songname/contentdeion TIT3:Subtitle/Deionrefinement TKEY:Initial key TLAN:Language(s) TLEN:Length TMED:Media type TOAL:Originalalbum/movie/show title TOFN:Originalfilename TOLY:Originallyricist(s)/text writer(s) TOPE:Originalartist(s)/performer(s) TORY:Originalrelease year TOWN:Fileowner/licensee TPE1:Leadperformer(s)/Soloist(s) TPE2:Band/orchestra/accompaniment TPE3:Conductor/performerrefinement TPE4:Interpreted,remixed, or otherwise modified by TPOS:Partof a set TPUB:Publisher TRCK:Tracknumber/Position in set TRDA:Recordingdates TRSN:Internetradio station name TRSO:Internetradio station owner TSIZ:Size TSRC:ISRC(internationalstandard recording code) TSSE:Software/Hardwareand settings used for encoding TYER:Year TXXX:Userdefinedtext information UFID:Unique fileidentifier USER:Terms of use USLT:Unsychronizedlyric/text tranion WCOM:Commercialinformation WCOP:Copyright/Legalinformation WOAF:Officialaudio file webpage WOAR:Officialartist/performer webpage WOAS:Officialaudio source webpage WORS:Officialinternet radio station homepage WPAY:Payment WPUB:Publishersofficial webpage WXXX:UserdefinedURL link 1.6.2. 音乐类型0="Blues"; 1="ClassicRock"; 2="Country"; 3="Dance"; 4="Disco"; 5="Funk"; 6="Grunge"; 7="Hip-Hop"; 8="Jazz"; 9="Metal"; 10="NewAge"; 11="Oldies"; 12="Other"; 13="Pop"; 14="R&B"; 15="Rap"; 16="Reggae"; 17="Rock"; 18="Techno"; 19="Industrial"; 20="Alternative"; 21="Ska"; 22="Deathl"; 23="Pranks"; 24="Soundtrack"; 25="Euro-Techno"; 26="Ambient"; 27="Trip-Hop"; 28="Vocal"; 29="Jazz+Funk"; 30="Fusion"; 31="Trance"; 32="Classical"; 33="Instrumental"; 34="Acid"; 35="House"; 36="Game"; 37="SoundClip"; 38="Gospel"; 39="Noise"; 40="AlternRock"; 41="Bass"; 42="Soul"; 43="Punk"; 44="Space"; 45="Meditative"; 46="InstrumentalPop"; 47="InstrumentalRock"; 48="Ethnic"; 49="Gothic"; 50="Darkwave"; 51="Techno-Industrial"; 52="Electronic"; 53="Pop-Folk"; 54="Eurodance"; 55="Dream"; 56="SouthernRock"; 57="Comedy"; 58="Cult"; 59="Gangsta"; 60="Top40"; 61="ChristianRap"; 62="Pop/Funk"; 63="Jungle"; 64="NativeAmerican"; 65="Cabaret"; 66="NewWave"; 67="Psychadelic"; 68="Rave"; 69="Showtunes"; 70="Trailer"; 71="Lo-Fi"; 72="Tribal"; 73="AcidPunk"; 74="AcidJazz"; 75="Polka"; 76="Retro"; 77="Musical"; 78="Rock&Roll"; 79="HardRock"; 80="Folk"; 81="Folk-Rock"; 82="NationalFolk"; 83="Swing"; 84="FastFusion"; 85="Bebob"; 86="Latin"; 87="Revival"; 88="Celtic"; 89="Bluegrass"; 90="Avantgarde"; 91="GothicRock"; 92="ProgessiveRock"; 93="PsychedelicRock"; 94="SymphonicRock"; 95="SlowRock"; 96="BigBand"; 97="Chorus"; 98="EasyListening"; 99="Acoustic"; 100="Humour"; 101="Speech"; 102="Chanson"; 103="Opera"; 104="ChamberMusic"; 105="Sonata"; 106="Symphony"; 107="BootyBass"; 108="Primus"; 109="PornGroove"; 110="Satire"; 111="SlowJam"; 112="Club"; 113="Tango"; 114="Samba"; 115="Folklore"; 116="Ballad"; 117="PowerBallad"; 118="RhythmicSoul"; 119="Freestyle"; 120="Duet"; 121="PunkRock"; 122="DrumSolo"; 123="Acapella"; 124="Euro-House"; 125="DanceHall"; 126="Goa"; 127="Drum&Bass"; 128="Club-House"; 129="Hardcore"; 130="Terror"; 131="Indie"; 132="BritPop"; 133="Negerpunk"; 134="PolskPunk"; 135="Beat"; 136="ChristianGangstaRap"; 137="Heavyl"; 138="Blackl"; 139="Crossover"; 140="ContemporaryChristian"; 141="ChristianRock"; 142="Merengue"; 143="Salsa"; 144="Trashl"; 145="Anime"; 146="JPop"; 147="Synthpop"; 1.7. 实例分析 1.7.1. 歌曲信息 1.7.2. 结构解析1.7.2.1. 标签头 标签头:10字节,00H-09H 标签大小: Size=(Size[0]&0x7F)*0x200000+(Size[1]&0x7F)*0x400+(Size[2]&0x7F)*0x80+(Size[3]&0x7F) =(0x07&0x7F)*0x400+(0x34&0x7F)*0x80+(0x60&0x7F) =0x1C00+0x1A00+0x60 =0x3660=13920 1.7.2.2. TSSE标签帧 1.7.2.3. COMM标签帧 帧内容大小: Size = Size[0]*0x100000000 + Size[1]*0x10000+ Size[2]*0x100 +Size[3] =0x02*0x100+0x07 =0x207=519 1.7.2.4. TALB标签帧 1.7.2.5. TIT2标签帧 1.7.2.6. TPE1标签帧 1.7.2.7. TPOS标签帧 1.7.2.8. TRCK标签帧 1.7.2.9. APIC标签帧 此处省略N多字节……… 帧内容大小: Size = Size[0]*0x100000000 + Size[1]*0x10000+ Size[2]*0x100 +Size[3] =0x01*0x10000+0xD3*0x100+0xD7 =0x10000+0xD300+0xD7 =0x1D3D7=119767 1.7.2.10. 未知数据 不清楚该段数据具体作用,目测是填充字节。 1.7.2.11. 音频数据 篇幅有限,只分析第一帧数据,其他帧与此无异。 帧头解析: FF=11111111 红色 FB=1111 1011 红色黑色绿色紫色 E0=1110 0000 蓝色橄榄色深红色橙色 00=00000000 白色浅绿色深蓝色褐色粉红色 红色:11位,同步信息,所有位均为1,第一个字节恒为FF 黑色:2位,版本,MPEG1 绿色:2位,层,Layer3 紫色:1位,无CRC校验 蓝色:4位,位率,单位是kbps,320 橄榄色:2位,采样频率,44.1K 深红色:1位,用来调整文件头长度,无需调整 橙色:1位,保留字,未使用 白色:2位,表示声道模式,立体声Stereo 浅绿色:2位,声道模式为Joint Stereo时才使用 深蓝色:1位,文件是否合法,不合法 褐色:1位,是否原版,非原版 粉红色:2位,用于声音经降噪压缩后再补偿的分类,未定义 根据以上信息可计算: 帧长度=帧头+通道信息+帧内容= ((1152/8*320)/44.1=1044字节 每帧持续时间=1152/44.1*1000=26.12ms 因为该歌曲为CBR即固定位率歌曲,所以每帧的数据长度都是1044字节,26ms。 1.7.2.12. 其他数据 该歌曲无ID3V1信息。 最后的320字节,题主也是笨笨的没弄懂其具体含义~ 1.8. 说明word文档下载地址:http://download.csdn.net/detail/u010650845/9705899 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |