使用libmp3lame库编码mp3

LAME

lame是一个有名的开源mp3编码库，但是目前网上使用lame库的教程基本都是直接贴一篇代码，没有任何的解释，而每个使用者需要编码的需求都不一样，这些所谓的教程基本没什么作用。
这篇文章将会介绍如何调用lame库的接口编码出mp3。不同于目前网上的大多数lame教程，本文不会干巴巴的贴一屏幕代码，而是尽量对lame库提供的各种参数设置的接口做讲解。让读者能够举一反三，根据自己的需求编码出各种格式的mp3。

lame库编译

lame对linux的编译支持比较好，但是对于vc的支持基本停留在10年以前。所幸编码库的代码只有几个文件（下载的代码还包括命令行程序代码和gui程序代码，我们在此只需要编码库的代码，在libmp3lame目录中），自己新建个项目包含进来编译就行。

MP3

mp3（MPEG Layer III）这种格式在生活中很常见，但是mp3有很多种参数，这里讨论一下mp3编码所必须知道的一些参数。

• 采样率（sampleRate）：采样率越高声音的还原度越好。
• 比特率（bitrate）：每秒钟的数据量，越高音质越好。
• 声道数（channels）：声道的数量，通常只有单声道和双声道，双声道即所谓的立体声。
• 比特率控制模式：ABR、VBR、CBR，这3中模式含义很容易查询到，不在赘述。

MPEG Layer III

MPEG有几个版本的协议，不同版本的协议能够支持的参数能力是不同的。编码库的使用者必须清楚不同版本的区别才能正确的设置参数。

有以下3个版本的协议，MPEG1、MPEG2、MPEG2.5。其中MPEG2.5是非官方的标准，但是流传广泛，所以基本也都支持。他们的区别主要集中在支持的比特率和采样率不同。

采样率支持(Hz)

MPEG1	MPEG2	MPEG2.5
44100	22050	11025
48000	24000	12000
32000	16000	8000

比特率支持(bit/s)

MPEG1	MPEG2	MPEG2.5
32	8	8
40	16	16
48	24	24
56	32	32
64	40	40
80	48	48
96	56	56
112	64	64
128	80
160	96
192	112
224	128
256	144
320	160

编码

流程

使用lame库只需要包含lame.h头文件，编码mp3基本上遵循以下的流程,

初始化编码参数

• lame_init：初始化一个编码参数的数据结构，给使用者用来设置参数。

设置编码参数

• lame_set_in_samplerate：设置被输入编码器的原始数据的采样率。
• lame_set_out_samplerate：设置最终mp3编码输出的声音的采样率，如果不设置则和输入采样率一样。
• lame_set_num_channels ：设置被输入编码器的原始数据的声道数。
• lame_set_mode ：设置最终mp3编码输出的声道模式，如果不设置则和输入声道数一样。参数是枚举，STEREO代表双声道，MONO代表单声道。
• lame_set_VBR：设置比特率控制模式，默认是CBR，但是通常我们都会设置VBR。参数是枚举，vbr_off代表CBR，vbr_abr代表ABR（因为ABR不常见，所以本文不对ABR做讲解）vbr_mtrh代表VBR。
• lame_set_brate：设置CBR的比特率，只有在CBR模式下才生效。
• lame_set_VBR_mean_bitrate_kbps：设置VBR的比特率，只有在VBR模式下才生效。

其中每个参数都有默认的配置，如非必要可以不设置。这里只介绍了几个关键的设置接口，还有其他的设置接口可以参考lame.h（lame的文档里只有命令行程序的用法，没有库接口的用法）。

初始化编码器器

lame_init_params：根据上面设置好的参数建立编码器

编码PCM数据

• lame_encode_buffer或lame_encode_buffer_interleaved：将PCM数据送入编码器，获取编码出的mp3数据。这些数据写入文件就是mp3文件。
• 其中lame_encode_buffer输入的参数中是双声道的数据分别输入的，lame_encode_buffer_interleaved输入的参数中双声道数据是交错在一起输入的。具体使用哪个需要看采集到的数据是哪种格式的，不过现在的设备采集到的数据大部分都是双声道数据是交错在一起。
• 单声道输入只能使用lame_encode_buffer，把单声道数据当成左声道数据传入，右声道传NULL即可。
• 调用这两个函数时需要传入一块内存来获取编码器出的数据，这块内存的大小lame给出了一种建议的计算方式：采样率/20+7200。

结束编码

• lame_encode_flush：刷新编码器缓冲，获取残留在编码器缓冲里的数据。这部分数据也需要写入mp3文件

写入VBRTAG

• lame_mp3_tags_fid：向一个文件指针中写入XING规范的VBRTAG。
• VBRTAG的作用是记录整个mp3的一些信息，通常用于VBR模式下的编码，因为VBR模式下比特率不固定，无法直接计算出播放的时长和跳跃点，所以在mp3的开头部分插入一个VBRTAG。
• VBRTAG有几种规范，但是lame支持的是最通用的XING规范。
• 注意lame_mp3_tags_fid函数的参数需要一个FILE *类型代表要写入的文件，这个文件一定是之前编码时写入了mp3数据的文件，VBRTAG是需要卸载mp3的开头的，之前的编码过程中会自动空出写入VBRTAG所需要的空间，这个函数内会自动寻找合适的文件偏移然后覆盖，所以当前的文件偏移是无关紧要的，但是打开文件的时候一定要以读写模式打开。
• 注意我提到了之前的编码过程中会自动空出写入VBRTAG所需要的空间，所以如果结束编码后不调用lame_mp3_tags_fid写入VBRTAG就会导致这部分内容为空，虽然不影响播放，但是会影响很多播放器对于时长和跳跃点的计算。
• 那么对于非VBR模式也需要写入VBRTAG吗？是的，lame对于非VBR模式也会预留出VBRTAG的空间，所以非VBR模式的编码最后也需要写入VBRTAG。

销毁编码器

• lame_close销毁编码器，释放资源。

参数的有效性

不规范的参数

对于编码器的参数设置，所能接受的参数值并不是任意的。上一节的表格中列出了编码器器能够支持的参数值，如果我们设置的参数值不在其中，那么编码器会自动帮我们选择一个最近的值。

不一致的版本

但是如果仔细看了上面表格中的参数后会发现一个问题，每个版本支持的参数范围不一致，假如设置了MPEG2的比特率又设置了MPEG1的采样率那么会发生什么？

这里先给结论，lame库会优先服从采样率（这里指的是输出采样率）设置，根据采样率选择协议版本，然后在这个版本所能支持的比特率中选一个和设置比特率最接近的。
这个结论是我研究了lame的源码后分析得到的，lame的文档中并没有对此有任何描述，网上也没有任何相关的资料描述这一问题，接下来给出源码分析，如果不关心的可以跳过这一节。

/* 
 * 0: MPEG-2 LSF
 * 1: MPEG-1
 * 2: MPEG-2.5 LSF FhG extention                  (1995-07-11 shn)
 */

typedef enum {
    MPEG_2 = 0,
    MPEG_1 = 1,
    MPEG_25 = 2
} MPEG_t;

const int bitrate_table[3][16] = {
    {0, 8, 16, 24, 32, 40, 48, 56, 64, 80, 96, 112, 128, 144, 160, -1}, /* MPEG 2 */
    {0, 32, 40, 48, 56, 64, 80, 96, 112, 128, 160, 192, 224, 256, 320, -1}, /* MPEG 1 */
    {0, 8, 16, 24, 32, 40, 48, 56, 64, -1, -1, -1, -1, -1, -1, -1}, /* MPEG 2.5 */
};

const int samplerate_table[3][4] = {
    {22050, 24000, 16000, -1}, /* MPEG 2 */
    {44100, 48000, 32000, -1}, /* MPEG 1 */
    {11025, 12000, 8000, -1}, /* MPEG 2.5 */
};

这是lame库中的参数能力表，lame库最终会从表中选择和设置值最接近的值。

下面的代码是在CBR模式下确定比特率的代码

if (gfp->VBR == vbr_off && gfp->compression_ratio > 0) {

        if (gfp->samplerate_out == 0)
            gfp->samplerate_out = map2MP3Frequency((int) (0.97 * gfp->samplerate_in)); /* round up with a margin of 3% */

        /* choose a bitrate for the output samplerate which achieves
         * specified compression ratio
         */
        gfp->brate = gfp->samplerate_out * 16 * cfg->channels_out / (1.e3 * gfp->compression_ratio);

        /* we need the version for the bitrate table look up */
        cfg->samplerate_index = SmpFrqIndex(gfp->samplerate_out, &cfg->version);

        if (!cfg->free_format) /* for non Free Format find the nearest allowed bitrate */
            gfp->brate = FindNearestBitrate(gfp->brate, cfg->version, gfp->samplerate_out);
    }

int
map2MP3Frequency(int freq)
{
    if (freq <= 8000)
        return 8000;
    if (freq <= 11025)
        return 11025;
    if (freq <= 12000)
        return 12000;
    if (freq <= 16000)
        return 16000;
    if (freq <= 22050)
        return 22050;
    if (freq <= 24000)
        return 24000;
    if (freq <= 32000)
        return 32000;
    if (freq <= 44100)
        return 44100;

    return 48000;
}

int
BitrateIndex(int bRate,      /* legal rates from 32 to 448 kbps */
             int version,    /* MPEG-1 or MPEG-2/2.5 LSF */
             int samplerate)
{                       /* convert bitrate in kbps to index */
    int     i;
    if (samplerate < 16000)
        version = 2;
    for (i = 0; i <= 14; i++) {
        if (bitrate_table[version][i] > 0) {
            if (bitrate_table[version][i] == bRate) {
                return i;
            }
        }
    }
    return -1;
}

/* convert samp freq in Hz to index */

int
SmpFrqIndex(int sample_freq, int *const version)
{
    switch (sample_freq) {
    case 44100:
        *version = 1;
        return 0;
    case 48000:
        *version = 1;
        return 1;
    case 32000:
        *version = 1;
        return 2;
    case 22050:
        *version = 0;
        return 0;
    case 24000:
        *version = 0;
        return 1;
    case 16000:
        *version = 0;
        return 2;
    case 11025:
        *version = 0;
        return 0;
    case 12000:
        *version = 0;
        return 1;
    case 8000:
        *version = 0;
        return 2;
    default:
        *version = 0;
        return -1;
    }
}

1. 可以看到首先如果没有设置输出采样率，调用map2MP3Frequency根据输入采样率算出输出采样率，默认和输入采样率一致的。
2. 然后根据输出采样率调用SmpFrqIndex计算出MPEG版本，这里注意将MPEG2和MPEG2.5都视为MPEG2。
3. 根据已经设置的比特率、输出采样率、版本调用FindNearestBitrate去寻找合适的比特率。FindNearestBitrate在相应的版本的能力范围中找一个最接近的值的索引。

接下来分析一下VBR情况下的处理

if (gfp->samplerate_out) {
        if (gfp->samplerate_out < 16000) {
            gfp->VBR_mean_bitrate_kbps = Max(gfp->VBR_mean_bitrate_kbps, 8);
            gfp->VBR_mean_bitrate_kbps = Min(gfp->VBR_mean_bitrate_kbps, 64);
        }
        else if (gfp->samplerate_out < 32000) {
            gfp->VBR_mean_bitrate_kbps = Max(gfp->VBR_mean_bitrate_kbps, 8);
            gfp->VBR_mean_bitrate_kbps = Min(gfp->VBR_mean_bitrate_kbps, 160);
        }
        else {
            gfp->VBR_mean_bitrate_kbps = Max(gfp->VBR_mean_bitrate_kbps, 32);
            gfp->VBR_mean_bitrate_kbps = Min(gfp->VBR_mean_bitrate_kbps, 320);
        }
    }

可以看到这里没有查表，直接是和采样率对应的版本允许的比特率的范围比较。这是因为VBR模式下比特率不固定，只要不超出范围即可。

感想

我在使用lame库的过程中发现资料很少，大部分博客也是不负责任的直接贴一篇代码，所以我把自己使用lame库种总结出的一些心得和体会在此分享出来，希望能帮助其他使用lame库的人。