使用自定义视频编写器库编写音频的Bug

问题描述 投票：6回答：2

我正在尝试包装一些方便的C ++代码，旨在使用VFW在Windows上生成视频+音频，C ++库存在here，描述说：

使用Video for Windows（因此它不可移植）。如果您想在某个地方快速录制视频并且不想亲自浏览VfW文档，那就太方便了。

我想在Python上使用那个C ++库，所以我决定使用swig将其包装起来。

事实上，我在编码音频方面遇到了一些问题，出于某种原因，我试图理解为什么生成的视频被破坏，似乎音频还没有在视频文件中正确写入。这意味着，如果我尝试用VLC或任何类似的视频播放器打开视频，我会收到一条消息，说视频播放器无法识别音频或视频编解码器。视频图像很好，所以我将音频写入文件的方式肯定是个问题。

我正在附加swig接口和一个Python试验，试图成为原始c++ test的端口。

aviwriter.i

%module aviwriter

%{
#include "aviwriter.h"
%}

%typemap(in) (const unsigned char* buffer) (char* buffer, Py_ssize_t length) %{
  if(PyBytes_AsStringAndSize($input,&buffer,&length) == -1)
    SWIG_fail;
  $1 = (unsigned char*)buffer;
%}

%typemap(in) (const void* buffer) (char* buffer, Py_ssize_t length) %{
  if(PyBytes_AsStringAndSize($input,&buffer,&length) == -1)
    SWIG_fail;
  $1 = (void*)buffer;
%}


%include "aviwriter.h"

test.朋友

import argparse
import sys
import struct
from distutils.util import strtobool

from aviwriter import AVIWriter


if __name__ == "__main__":
    parser = argparse.ArgumentParser()
    parser.add_argument("-audio", action="store", default="1")
    parser.add_argument('-width', action="store",
                        dest="width", type=int, default=400)
    parser.add_argument('-height', action="store",
                        dest="height", type=int, default=300)
    parser.add_argument('-numframes', action="store",
                        dest="numframes", type=int, default=256)
    parser.add_argument('-framerate', action="store",
                        dest="framerate", type=int, default=60)
    parser.add_argument('-output', action="store",
                        dest="output", type=str, default="checker.avi")

    args = parser.parse_args()

    audio = strtobool(args.audio)
    framerate = args.framerate
    num_frames = args.numframes
    width = args.width
    height = args.height
    output = args.output

    writer = AVIWriter()

    if not writer.Init(output, framerate):
        print("Couldn't open video file!")
        sys.exit(1)

    writer.SetSize(width, height)

    data = [0]*width*height
    sampleRate = 44100
    samples_per_frame = 44100 / framerate
    samples = [0]*int(samples_per_frame)

    c1, s1, f1 = 24000.0, 0.0, 0.03
    c2, s2, f2 = 1.0, 0.0, 0.0013

    for frame in range(num_frames):
        print(f"frame {frame}")

        i = 0
        for y in range(height):
            for x in range(width):
                on = ((x + frame) & 32) ^ ((y+frame) & 32)
                data[i] = 0xffffffff if on else 0xff000000
                i += 1
        writer.WriteFrame(
            struct.pack(f'{len(data)}L', *data),
            width*4
        )

        if audio:
            for i in range(int(samples_per_frame)):
                c1 -= f1*s1
                s1 += f1*c1
                c2 += f2*s2
                s2 -= f2*c2

                val = s1 * (0.75 + 0.25 * c2)
                if(frame == num_frames - 1):
                    val *= 1.0 * (samples_per_frame - 1 - i) / \
                        samples_per_frame
                samples[i] = int(val)

                if frame==0:
                    print(f"i={i} val={int(val)}")

            writer.WriteAudioFrame(
                struct.pack(f'{len(samples)}i', *samples),
                int(samples_per_frame)
            )

    writer.Exit()

我不认为samples生成错误，因为我已经将python端生成的值与c ++端生成的值进行了比较，只是为第0帧编写的数据包。

我对错误的一些怀疑是我在swig上创建类型图的方式，也许这不好......或者问题可能存在于writer.WriteAudioFrame(struct.pack(f'{len(samples)}i', *samples), int(samples_per_frame))行，我不知道可能是什么，绝对是我的方式'将音频缓冲区从Python发送到C ++包装器并不好。

那么，您是否知道如何修复附加代码，以便test.py能够生成具有与c ++测试类似的正确音频的视频？

生成好后，视频将显示一个魔术滚动棋盘，催眠正弦作为音频背景：D

补充说明：

1）似乎上面的代码没有使用writer.SetAudioFormat，这是函数AVIFileCreateStreamA和AVIStreamSetFormat所需要的。问题是我不知道如何在swig上导出这个结构，这样我就可以在Python上以与test.cpp相同的方式使用它，来自Mmreg.h我看到结构看起来像这样：

typedef struct tWAVEFORMATEX
{
    WORD    wFormatTag;        /* format type */
    WORD    nChannels;         /* number of channels (i.e. mono, stereo...) */
    DWORD   nSamplesPerSec;    /* sample rate */
    DWORD   nAvgBytesPerSec;   /* for buffer estimation */
    WORD    nBlockAlign;       /* block size of data */
    WORD    wBitsPerSample;    /* Number of bits per sample of mono data */
    WORD    cbSize;            /* The count in bytes of the size of
                                    extra information (after cbSize) */

} WAVEFORMATEX;

不幸的是我不知道如何在aviwriter.i上包装那些东西？我已经尝试使用％include windows.i并将这些东西直接包含在块%{ ... %}中，但我所得到的只是一堆错误：/

2）我不想完全修改aviwriter.h && aviwriter.cpp，因为它基本上是外部工作代码。

3）假设我能够包装WAVEFORMATEX所以我可以在Python上使用它，你如何使用memset类似于test.cpp？即：memset(&wfx,0,sizeof(wfx));

python c++ windows audio swig
2个回答
5
投票

两个建议：

  • 首先，根据C ++测试，将数据打包为short而不是int作为音频格式。音频数据是16位，而不是32位。使用'h'扩展名作为打包格式。例如，struct.pack(f'{len(samples)}h', *samples)。
  • 其次，请参阅下面的代码修改。通过编辑WAVEFORMATX，通过SWIG公开aviwriter.i。然后从Python调用writer.SetAudioFormat(wfx)。
  • 在我的测试中，memset()不是必需的。从python你可以手动将字段cbSize设置为零，这应该足够了。其他六个字段是强制性的，因此您无论如何都要设置它们。看起来这个结构在将来不会被修改，因为它没有结构大小字段，并且cbSize的语义（将任意数据附加到结构的末尾）仍然与扩展冲突。

aviwriter.i：

%inline %{
typedef unsigned short WORD;
typedef unsigned long DWORD;
typedef struct tWAVEFORMATEX
{
    WORD    wFormatTag;        /* format type */
    WORD    nChannels;         /* number of channels (i.e. mono, stereo...) */
    DWORD   nSamplesPerSec;    /* sample rate */
    DWORD   nAvgBytesPerSec;   /* for buffer estimation */
    WORD    nBlockAlign;       /* block size of data */
    WORD    wBitsPerSample;    /* Number of bits per sample of mono data */    
    WORD    cbSize;            /* The count in bytes of the size of
                                extra information (after cbSize) */
} WAVEFORMATEX;
%}

test.朋友:

from aviwriter import WAVEFORMATEX

稍后在test.py中：

    wfx = WAVEFORMATEX()
    wfx.wFormatTag = 1 #WAVE_FORMAT_PCM
    wfx.nChannels = 1
    wfx.nSamplesPerSec = sampleRate
    wfx.nAvgBytesPerSec = sampleRate * 2
    wfx.nBlockAlign = 2
    wfx.wBitsPerSample = 16
    writer.SetAudioFormat(wfx)

关于SWIG的注释：由于aviwriter.h仅提供tWAVEFORMATEX的前向声明，因此不向SWIG提供其他信息，从而阻止生成get / set包装器。您可以要求SWIG包装声明结构的Windows标头...并打开一堆蠕虫，因为这些标头太大而且复杂，暴露了更多问题。相反，您可以单独定义WAVEFORMATEX，如上所述。但是，C ++类型WORD和DWORD仍未声明。包括SWIG文件windows.i只创建包装器，例如，允许Python脚本文件中的字符串“WORD”被理解为指示内存中的16位数据。但这并没有从C ++的角度声明WORD类型。为了解决这个问题，在WORD的DWORD语句中为%inline和aviwriter.i添加typedef迫使SWIG将该代码直接复制到包装C ++文件中，使声明可用。这也会触发生成get / set包装器。或者，如果您愿意编辑它，可以在aviwriter.h中包含内联代码。

简而言之，这里的想法是将所有类型完全包含在独立标题或声明块中。请记住.i和.h文件具有单独的功能（包装和数据转换，而不是包装的功能）。同样，请注意aviwriter.h如何在aviwriter.i中包含两次，一次触发Python生成包装器的生成，一次在C ++生成的包装器代码中声明类型。

1
投票

从我在代码中看到的，你没有初始化音频格式。这是在原始的test.cpp代码中通过在第44行调用writer.SetAudioFormat(&wfx);完成的，然后将其设置为单声道44.1 kHz PCM。我相信，由于您没有初始化，因此会写入空白标题，并且视频播放器无法打开未知格式。

更新

因为您只需要传递二进制头结构，并且您不需要使用该结构并在aviwriter.i中声明它。您可以直接从Python使用以下代码：

import struct
from collection import namedtuple

WAVEFORMATEX = namedtuple('WAVEFORMATEX', 'wFormatTag nChannels nSamplesPerSec nAvgBytesPerSec nBlockAlign wBitsPerSample cbSize ')
wfx = WAVEFORMATEX(    
    wFormatTag = 1,
    nChannels = 1,
    nSamplesPerSec = sampleRate,
    nAvgBytesPerSec = sampleRate * 2,
    nBlockAlign = 2,
    wBitsPerSample = 16,
    cbSize = 0)

audio_format_obj = struct.pack('<HHIIHHH', *list(wfx))
writer.SetAudioFormat(audio_format_obj)

这将自动解决您的第二和第三个问题。

至于memset(&wfx,0,sizeof(wfx));，这只是旧C的一种丑陋方式，它将结构中的所有变量归零。

附：正如@MichaelsonB​​ritt所提到的，您的音频数据格式必须与标题中的声明相匹配。但是，您可以声明2个声道，而不是转换为16位short，因此您可以通过一个声道静音获得立体声声音。

最新问题
© www.soinside.com 2019 - 2024. All rights reserved.