FLAC 格式详解

1.      FLAC 编码设置只对编码时间有较大影响而对解码影响不大；因为等级越高，编码器就会花越多的时间去寻找最佳的压缩算法，而解码器则根据给定的压缩算法直接解压。

 

2.      FLAC简介

基本结构：

4byte 字符“flaC”：flac标志，用于识别flac数据流

STREAMINFO 文STREAMINFO 件信息描述块（metadata block）：包含必须的信息（采样率、声道数…）

可选的其他描述信息块：（解码是可以不用识别）

一个以上的音频帧（frame）

 

3.      编码的过程

 Flac把未压缩的音频流划分为块（block），并独立压缩，压缩后的数据块形成数据帧（frame），把数据帧连接形成压缩后的flac数据流（stream）

分块（blocking） flac分块大小是可变的。分块大小应适当选择，太小影响压缩率（太多帧头信息），太大难以得到高效的压缩模型。一般44.1k线性采样，分块大小2~6k较合适（默认4096）

声道内解相关性? 立体声的左右声道数据之间有许多相关性，可以利用这种相关性压缩数据。Flac有四种方式表示声道数据。

独立模式：左右声道独立编码；

Mid-side模式：转换表达式：mid = (left + right) / 2, side = left - right.。

Left-side：Left不变，s

Right-side：

建模（modeling）编码器尝试使用一个数学方法（近似）描述原始信号，这种描述信息一般来说比原始信息小得多，这些数学方法是编码器和解码器都已知的（flac现在有4个种类的预测方法，并可以加入更多方法）flac运行在各个块中使用不同的预测算法。大多时候不能完全精确的描述原始信息，此时还会剩下少量数据残渣（residual, residue, or error）。Flac有两种产生近似值的方法：1）为信号找个合适的多项式。2）简单线性预测（LPC）。前者更快但不精确。

数据残渣编码  对建模后剩余的数据进行编码，保证数据的无损。目前flac只使用一种编码方法。

帧 （framing）一个音频帧被一个帧头（frameheader）和帧脚（frame footer）包围。帧头以同步字开始，包含了解码这帧的最小信息如采样率，采样位数等，同时包含了这帧里的分块数或采样数及一个8位CRC校验码。帧头可以用来进行再同步。帧尾包含一个16位CRC校验码。如果解码器检测到CRC错误将产生一个silent block。

 

4.      定义

（block、subblock 指没有被编码的原始数据；frame、subframe指编码后的数据）

Block：一组或多组跨所有声道的采样点（flac采样组数范围16~65535）。

Subblock：一个或多个单声道的采样点，一个Block包含几个声道就有几个subblock，同个block内subblock的采样点数相同。

Blocksize：一个block中任意subblock的采样点个数（与声道数无关）。

Frame：一个frame帧头加一个或多个Subframe

Subframe：一个subframe帧头加某一声道上一个或多个编码后的采样点，一个frame中的所有subframe包含的采样点数一样。

（每次一个subblock被编码成一个subframe，多个subframe组成一个frame）

5.      Flac格式（format）

Flac中所有数值都是整形，大端模式，除非特别指出，否则数值都是unsigned的。

一些概述：

Flac比特流以“flaC”开始，接着是必须的metadata块（STREAMINFO），然后是其他可选的metadata块，接着是音频帧。

           Flac做多可以支持到128类metadata，已经定义的包括下面几种：

A． STREAMINFO：包含整个比特流的一些信息，如采样率、声道数、采样总数等。他一定是第一个metadata而且必须有。之后可以接其他metadata，这些metadata可以不用识别直接跳过。

B． APPLICATION：包含第三方应用软件信息，这个段里的32位识别码是flac维护组织提供的，是唯一的。

C． PADDING：没有意义的东西，主要用来后期添加其他metadata。

D． SEEKTABLE：保存快速定位点，一个点由18bytes组成（2k就可以精确到1%的定位），表里可以有任意多个定位点。

E．  VORBIS_COMMENT：存储了一系列可读的“名/值”的键值对，使用UTF-8编码。这是flac唯一官方支持的标签段。

F．  CUESHEET：存储用在cue sheet中的各种信息。可以用来划分音轨，在备份CD时十分有用。

G． PICTURE：保存相关图片，同时还有url、分辨率等信息，可以有不止一个picture block。

音频数据由一个或多个音频帧组成，每一帧包含一个帧头：同步字，块大小，采样率，声道数…然后是8bitCRC校验码；同时帧头还包含本帧第一个采样点的采样序号（blocksize变长的文件）或本帧的序号（blocksize定长的文件），他们用于精确定位。接着是编码后的subframes，每个subframe代表一个声道。最后是一些有0填充的边界。每个subframe有他自己的帧头用于指出他是怎样被编码的。

当从一个文件中间开始解码时需要知道一个帧的起始点。可以通过一个14bit的同步字来判断。但是他可能会出现在subframe里面，此时可以通过检测剩余数据（没有无效数据）和CRC8.

同样当从中间某帧开始解码时，没有读取STREAMINFO，为了得到采样率和声道数等信息，需要再帧头里加入相关信息，为了减少数据，使用了查表的方法来定义常用的采样率。

格式：

 

长度

名称

说明

<32>

“flaC”

0x66 0x41 0x61 0x43  固定标签

<1>

METADATA

BLOCK

HEADER

 

最后一个metadata为’1’,其他为’0’

<7>

块信息类型

0 : STREAMINFO

1 : PADDING

2 : APPLICATION

3 : SEEKTABLE

4 : VORBIS_COMMENT

5 : CUESHEET

6 : PICTURE

7-126 : reserved

127 : 无效

<24>

后面跟的数据长度

单位是byte，不包括此头的长度

 

DATA

数据，与头中的类型要相符

参加metadata data

 

FRAME

HEADER

头

见FRAME HEADER

 

SubFrame

子帧

包含一个通道的数据,见SUBFRAME

 

？

 

填充0用于对齐

16

FOOTER

尾

CRC-16

 

Metadata block DATA：

Metadata类型

长度

说明

STREAMINFO

16

blocksize最小的中的采样数

16

Blocksize中最大的采样数

24

最小帧大小（byte），0表示未知

24

最大帧大小（byte），0表示未知

20

采样率（Hz） 最大655350Hz，0无效

3

声道数减一，flac支持1~8个声道

5

采样位数减一，flac支持4~32位采样位数

36

一个声道的总采样数，0表示未知

128

未编码时的原始信号的MD5信息

PADDING

N

‘0’  N必须是8的倍数

APPLICATION

32

应用程序ID

N

应用程序数据，必须是8的倍数

SEEKTABLE

SEEKPOINT

64

目标帧中第一个采样点的序号

64

相对于第一帧开始的偏移（byte）

16

目标帧中的采样数

SEEKPOINT

同上

SEEKPOINT的个数等于DTAT段长度/18

CUESHEET

64

音轨偏移量（单位是采样数）

8

音轨数目

12*8

音轨ISRC

1

轨迹类型：0 音乐 1非音乐

1

pre-emphasis标记

6+13*8

保留 ‘0’

8

应该的索引数目

INDEXn（有多个）

64

偏移（单位是采样点）

8

索引号

3*8

保留

PICTURE

32

图片类型（同ID3v2 APIC）

0 - Other

1 - 32x32 pixels 'file icon' (PNG only)

2 - Other file icon

3 - Cover (front)

4 - Cover (back)

5 - Leaflet page

6 - Media (e.g. label side of CD)

7 - Lead artist/lead performer/soloist

8 - Artist/performer

9 - Conductor

10 - Band/Orchestra

11 - Composer

12 - Lyricist/text writer

13 - Recording Location

14 - During recording

15 - During performance

16 - Movie/video screen capture

17 - A bright coloured fish

18 - Illustration

19 - Band/artist logotype

20 - Publisher/Studio logotype

32

MIME 类型说明字符长度（byte）

N*8

MIME类型说明字符

32

描述符长度（byte）

N*8

描述符UTF-8

32

图片宽度

32

图片高度

32

图片颜色深度

32

索引图使用的颜色数目，0非索引图

32

图片数据长度

N*8

图片二进制文件

 

 

 

Frame Header：

长度

说明

说明

14

同步字

'11111111111110'

1

保留

0 : 强制值

1 : 保留未来使用

1

分块策略

0：固定块大小，帧头包含帧的序号

1：块大小可变，帧头包含采样点序号

4

块内的采样数

0000 : reserved

0001 : 192 samples

0010-0101 : 576 * (2^(n-2)) samples, i.e. 576/1152/2304/4608

0110 : get 8 bit (blocksize-1) from end of header

0111 : get 16 bit (blocksize-1) from end of header

1000-1111：256 * (2^(n-8)) 采样点

4

采样率

0000 : get from STREAMINFO metadata block

0001 : 88.2kHz

0010 : 176.4kHz

0011 : 192kHz

0100 : 8kHz

0101 : 16kHz

0110 : 22.05kHz

0111 : 24kHz

1000 : 32kHz

1001 : 44.1kHz

1010 : 48kHz

1011 : 96kHz

1100 : get 8 bit sample rate (in kHz) from end of header

1101 : get 16 bit sample rate (in Hz) from end of header

1110 : get 16 bit sample rate (in tens of Hz) from end of header

1111 : invalid, to prevent sync-fooling string of 1s

4

声道分配

0000-0111 :独立声道减一，分配如下：

1 channel: mono

2 channels: left, right

3 channels: left, right, center

4 channels: left, right, back left, back right

5 channels: left, right, center, back/surround left, back/surround right

6 channels: left, right, center, LFE, back/surround left, back/surround right

7 channels、8 channels: not defined

1000 : left/side stereo: channel 0 is the left channel, channel 1 is the side(difference) channel

1001 : right/side stereo: channel 0 is the side(difference) channel, channel 1 is the right channel

1010 : mid/side stereo: channel 0 is the mid(average) channel, channel 1 is the side(difference) channel

1011-1111 : reserved

3

采样深度

000 : get from STREAMINFO metadata block

001 : 8 bits per sample

010 : 12 bits per sample

011 : reserved

100 : 16 bits per sample

101 : 20 bits per sample

110 : 24 bits per sample

111 : reserved

1

保留

0 : mandatory value    1 : reserved for future use

？

 

if(variable blocksize)

   <8-56>:"UTF-8" coded sample number (decoded number is 36 bits)

else

   <8-48>:"UTF-8" coded frame number (decoded number is 31 bits)

？

 

if(blocksize bits == 011x)

   8/16 bit (blocksize-1)

？

 

if(sample rate bits == 11xx)

   8/16 bit sample rate

8

 

CRC-8 (polynomial = x^8 + x^2 + x^1 + x^0, initialized with 0) of everything before the crc, including the sync code

 

SubFrame：

长度

域

说明

1

填充0

prevent sync-fooling string of 1s

6

Subframe类型

000000 : SUBFRAME_CONSTANT

000001 : SUBFRAME_VERBATIM

00001x : reserved

0001xx : reserved

001xxx : if(xxx <= 4) SUBFRAME_FIXED, xxx=order ; else reserved

01xxxx : reserved

1xxxxx : SUBFRAME_LPC, xxxxx=order-1

1+k

'Wasted bits-per-sample' flag

0 : no wasted bits-per-sample in source subblock, k=0

1 : k wasted bits-per-sample in source subblock, k-1 follows, unary coded; e.g. k=3 => 001 follows, k=7 => 0000001 follows.