如何将音频数据放入 AVFrame 进行编码

Question

我尝试将原始 PCM 声音编码为 G711A 和 G711U，然后对其进行解码，使用此编解码器一切正常，因为我可以为 AVCodecContext frame_size 选择任何值进行编码，但对于 Opus 编解码器，AVCodecContext frame_size 等于 120 ，所以如果我理解正确，如果我的输入数据数组大小大于 120，那么我需要进行某种缓冲并将我的输入数据分成几个部分，然后依次将其放入 AVFrame->data 并将 AVFrame 传递给编码。

结果我得到一个非常糟糕的声音，我不仅在使用 Opus 编解码器时得到这个结果，而且在 G711 中，如果我将它的 AVCodecContext frame_size 设置为某个小于我输入数据大小的值。

所以我的问题是：如果输入数据的大小大于 AVCodecContext frame_size，那么编码输入数据的正确方法是什么？我是否需要将输入数据拆分为

此时我的代码如下所示：

void encode(uint8_t *data, unsigned int length)
{
    int rawOffset = 0;
    int rawDelta = 0;
    int rawSamplesCount = frameEncode->nb_samples <= length ? frameEncode->nb_samples : length;

    while (rawSamplesCount > 0)
    {
        memcpy(frameEncode->data[0], &data[rawOffset], sizeof(uint8_t) * rawSamplesCount);

        encodeFrame();

        rawOffset += rawSamplesCount;
        rawDelta = length - rawOffset;
        rawSamplesCount = rawDelta > frameEncode->nb_samples ? frameEncode->nb_samples : rawDelta;
    }

    av_frame_unref(frameEncode);
}

void encodeFrame()
{
    /* send the frame for encoding */
    int ret = avcodec_send_frame(contextEncoder, frameEncode);
    if (ret < 0)
    {
        LOGE(TAG, "[encodeFrame] avcodec_send_frame error: %s", av_err2str(ret));
        return;
    }

    /* read all the available output packets (in general there may be any number of them) */
    while (ret >= 0)
    {
        ret = avcodec_receive_packet(contextEncoder, packetEncode);
        if (ret < 0 && ret != AVERROR(EAGAIN)) LOGE(TAG, "[encodeFrame] error in avcodec_receive_packet: %s", av_err2str(ret));
        if (ret < 0) break;
        std::pair<uint8_t*, unsigned int> p = std::pair<uint8_t*, unsigned int>();
        p.first = (uint8_t *)(malloc(sizeof(uint8_t) * packetEncode->size));
        memcpy(p.first, packetEncode->data, (size_t)packetEncode->size);
        p.second = (unsigned int)(packetEncode->size);

        listEncode.push_back(p); // place encoded data into list to finally create one array of encoded data from it
    }
    av_packet_unref(packetEncode);
}

您可以看到我将输入数据分成几个部分，然后将其放入 frame->data 中，然后将帧传递给编码，但我不确定这是正确的方法。

UPD：我注意到，当我使用 G711 时，如果我将 AVCodecContext frame_size 设置为 160，并且我的输入数据大小为 160 或 320，一切正常，但如果输入数据大小为 640，那么我会听到糟糕的嗡嗡声。

Answer 1

你说了这么多，“所以如果我理解正确，如果我的输入数据数组大小大于 120，那么我需要做一些缓冲并将我的输入数据分成几个部分，然后依次放入AVFrame->data 并将 AVFrame 传递给编码。”

这就是你需要的。 BUFF样本，每次发送固定数量进行编码。