用FFmpeg解码PCM数据
🔊 PCM在音频创作中的基础地位

理解PCM数据是进阶音频创作的基石：

  • 无损内核：PCM是未经压缩的音频原始数据，所有音频格式（MP3、AAC、FLAC）最终都源于PCM数据。掌握PCM就是掌握了音频的底层语言。
  • 解码流程：从压缩音频到PCM的转换是音频编辑的必经之路——任何滤镜处理（音量、均衡、混响）都是在PCM数据上进行的数学运算。
  • 音频编辑软件：Audacity、Adobe Audition等软件内部都是将音频转为PCM后进行编辑，再压缩为指定格式输出。理解PCM有助于排查音频问题。
  • 采样参数：采样率（如44.1kHz、48kHz）决定频率范围，位深度（16bit、24bit、32bit float）决定动态范围和信噪比。选择合适参数在音质与文件大小之间取得平衡。
什么是PCM数据？

PCM（Pulse Code Modulation，脉冲编码调制）是未经任何压缩的音频原始数据格式。它直接以数字采样值表示模拟音频信号的瞬时幅度，因此数据量最大，但也是所有音频处理的基础。

FFmpeg解码PCM的关键参数

使用 -f 选项指定PCM的封装格式（实质上是采样格式）：

  • f32le — 32位浮点型，小端字节序，每个样本占4字节
  • s16le — 16位有符号整数，小端字节序，每个样本占2字节
  • s32le — 32位有符号整数，小端字节序，每个样本占4字节

-ac 指定声道数（如1为单声道，2为立体声），-ar 指定采样率（如44100Hz）。

PCM二进制结构

PCM文件没有文件头，直接按顺序存放每个采样点的数值。对于单声道文件，数据排列为：

[样本0][样本1][样本2]...

对于立体声（双声道），数据按帧交错排列，每帧包含左右声道各一个样本：

[左声道0][右声道0][左声道1][右声道1]...

每个样本所占的字节数由采样格式决定：f32le占4字节，s16le占2字节，s32le占4字节。

用Python读取PCM数据

Python的 struct.unpack 模块可以高效地将二进制数据解析为数值：

  • 'f' — 32位浮点数（对应f32le）
  • 'h' — 16位有符号整数（对应s16le）
  • 'i' — 32位有符号整数（对应s32le）
  • '<' — 小端字节序（little-endian），Intel/AMD架构的标准

示例：struct.unpack('<' + 'f' * n, data) 将二进制数据解析为n个32位浮点数。

广告
{{v.name}}
从 input.mp3 的第 1 分 30 秒开始，截取 10 秒钟的音频，并将其转换为单声道、44.1kHz 采样率、32 位浮点型的 PCM 数据，代码如下
$ ffmpeg -ss 00:01:30 -t 10 -i input.mp3 -f f32le -ac 1 -ar 44100 -acodec pcm_f32le output.pcm
生成的 output.pcm 文件是二进制文件，需要编写程序来读取这些数据并进行处理。
读取 f32le 格式的 PCM 文件并将前 1000 个样本的值打印出来，代码如下
import struct

# 指定 PCM 文件路径
pcm_file = "output.pcm"

# 打开并读取 PCM 二进制数据
with open(pcm_file, 'rb') as f:
    pcm_data = f.read()

# 计算样本总数（每个 32 位浮点数占 4 个字节）
sample_count = len(pcm_data) // 4
print(f"Total samples: {sample_count}")

# 使用 struct 模块解包二进制数据为浮点数列表
# '<' 表示小端字节序，'f' 表示浮点数
samples = struct.unpack('<' + 'f' * sample_count, pcm_data)

# 打印前 1000 个样本的值（或其他处理）
for i in range(1000):
    print(f"Sample {i}: {samples[i]}")
读取pcm_s16le（16 位有符号整数）格式的 PCM 文件并将前 1000 个样本的值打印出来，代码如下
import struct

with open("output_s16.pcm", 'rb') as f:
    pcm_data = f.read()

# 每个 16 位整数占 2 个字节
sample_count = len(pcm_data) // 2
# 'h' 表示 16 位有符号整数
samples = struct.unpack('<' + 'h' * sample_count, pcm_data)
友链