]> git.sesse.net Git - ffmpeg/blob - libavcodec/metasound.c
Merge commit '67bb3a4e285a5871770cbaa2d78bf9024961dd0f'
[ffmpeg] / libavcodec / metasound.c
1 /*
2  * Voxware MetaSound decoder
3  * Copyright (c) 2013 Konstantin Shishkov
4  * based on TwinVQ decoder
5  * Copyright (c) 2009 Vitor Sessak
6  *
7  * This file is part of FFmpeg.
8  *
9  * FFmpeg is free software; you can redistribute it and/or
10  * modify it under the terms of the GNU Lesser General Public
11  * License as published by the Free Software Foundation; either
12  * version 2.1 of the License, or (at your option) any later version.
13  *
14  * FFmpeg is distributed in the hope that it will be useful,
15  * but WITHOUT ANY WARRANTY; without even the implied warranty of
16  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
17  * Lesser General Public License for more details.
18  *
19  * You should have received a copy of the GNU Lesser General Public
20  * License along with FFmpeg; if not, write to the Free Software
21  * Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
22  */
23
24 #include <math.h>
25 #include <stdint.h>
26
27 #define BITSTREAM_READER_LE
28 #include "libavutil/channel_layout.h"
29 #include "libavutil/float_dsp.h"
30 #include "avcodec.h"
31 #include "get_bits.h"
32 #include "fft.h"
33 #include "internal.h"
34 #include "lsp.h"
35 #include "sinewin.h"
36
37 #include "twinvq.h"
38 #include "metasound_data.h"
39
40 static void add_peak(float period, int width, const float *shape,
41                      float ppc_gain, float *speech, int len)
42 {
43     int i, j, center;
44     const float *shape_end = shape + len;
45
46     // First peak centered around zero
47     for (i = 0; i < width / 2; i++)
48         speech[i] += ppc_gain * *shape++;
49
50     for (i = 1; i < ROUNDED_DIV(len, width); i++) {
51         center = (int)(i * period + 0.5);
52         for (j = -width / 2; j < (width + 1) / 2; j++)
53             speech[j + center] += ppc_gain * *shape++;
54     }
55
56     // For the last block, be careful not to go beyond the end of the buffer
57     center = (int)(i * period + 0.5);
58     for (j = -width / 2; j < (width + 1) / 2 && shape < shape_end; j++)
59         speech[j + center] += ppc_gain * *shape++;
60 }
61
62 static void decode_ppc(TwinVQContext *tctx, int period_coef, int g_coef,
63                        const float *shape, float *speech)
64 {
65     const TwinVQModeTab *mtab = tctx->mtab;
66     int isampf       = tctx->avctx->sample_rate / 1000;
67     int ibps         = tctx->avctx->bit_rate / (1000 * tctx->avctx->channels);
68     int width;
69
70     float ratio = (float)mtab->size / isampf;
71     float min_period, max_period, period_range, period;
72     float some_mult;
73
74     float pgain_base, pgain_step, ppc_gain;
75
76     if (tctx->avctx->channels == 1) {
77         min_period = log2(ratio * 0.2);
78         max_period = min_period + log2(6);
79     } else {
80         min_period = (int)(ratio * 0.2 * 400     + 0.5) / 400.0;
81         max_period = (int)(ratio * 0.2 * 400 * 6 + 0.5) / 400.0;
82     }
83     period_range = max_period - min_period;
84     period       = min_period + period_coef * period_range /
85                    ((1 << mtab->ppc_period_bit) - 1);
86     if (tctx->avctx->channels == 1)
87         period = powf(2.0, period);
88     else
89         period = (int)(period * 400 + 0.5) / 400.0;
90
91     switch (isampf) {
92     case  8: some_mult = 2.0; break;
93     case 11: some_mult = 3.0; break;
94     case 16: some_mult = 3.0; break;
95     case 22: some_mult = ibps == 32 ? 2.0 : 4.0; break;
96     case 44: some_mult = 8.0; break;
97     default: some_mult = 4.0;
98     }
99
100     width = (int)(some_mult / (mtab->size / period) * mtab->ppc_shape_len);
101     if (isampf == 22 && ibps == 32)
102         width = (int)((2.0 / period + 1) * width + 0.5);
103
104     pgain_base = tctx->avctx->channels == 2 ? 25000.0 : 20000.0;
105     pgain_step = pgain_base / ((1 << mtab->pgain_bit) - 1);
106     ppc_gain   = 1.0 / 8192 *
107                  twinvq_mulawinv(pgain_step * g_coef + pgain_step / 2,
108                                  pgain_base, TWINVQ_PGAIN_MU);
109
110     add_peak(period, width, shape, ppc_gain, speech, mtab->ppc_shape_len);
111 }
112
113 static void dec_bark_env(TwinVQContext *tctx, const uint8_t *in, int use_hist,
114                          int ch, float *out, float gain,
115                          enum TwinVQFrameType ftype)
116 {
117     const TwinVQModeTab *mtab = tctx->mtab;
118     int i, j;
119     float *hist     = tctx->bark_hist[ftype][ch];
120     float val       = ((const float []) { 0.4, 0.35, 0.28 })[ftype];
121     int bark_n_coef = mtab->fmode[ftype].bark_n_coef;
122     int fw_cb_len   = mtab->fmode[ftype].bark_env_size / bark_n_coef;
123     int idx         = 0;
124
125     if (tctx->avctx->channels == 1)
126         val = 0.5;
127     for (i = 0; i < fw_cb_len; i++)
128         for (j = 0; j < bark_n_coef; j++, idx++) {
129             float tmp2 = mtab->fmode[ftype].bark_cb[fw_cb_len * in[j] + i] *
130                          (1.0 / 2048);
131             float st;
132
133             if (tctx->avctx->channels == 1)
134                 st = use_hist ?
135                     tmp2 + val * hist[idx] + 1.0 : tmp2 + 1.0;
136             else
137                 st = use_hist ? (1.0 - val) * tmp2 + val * hist[idx] + 1.0
138                               : tmp2 + 1.0;
139
140             hist[idx] = tmp2;
141             if (st < 0.1)
142                 st = 0.1;
143
144             twinvq_memset_float(out, st * gain,
145                                 mtab->fmode[ftype].bark_tab[idx]);
146             out += mtab->fmode[ftype].bark_tab[idx];
147         }
148 }
149
150 static void read_cb_data(TwinVQContext *tctx, GetBitContext *gb,
151                          uint8_t *dst, enum TwinVQFrameType ftype)
152 {
153     int i;
154
155     for (i = 0; i < tctx->n_div[ftype]; i++) {
156         int bs_second_part = (i >= tctx->bits_main_spec_change[ftype]);
157
158         *dst++ = get_bits(gb, tctx->bits_main_spec[0][ftype][bs_second_part]);
159         *dst++ = get_bits(gb, tctx->bits_main_spec[1][ftype][bs_second_part]);
160     }
161 }
162
163 static int metasound_read_bitstream(AVCodecContext *avctx, TwinVQContext *tctx,
164                                     const uint8_t *buf, int buf_size)
165 {
166     TwinVQFrameData     *bits;
167     const TwinVQModeTab *mtab = tctx->mtab;
168     int channels              = tctx->avctx->channels;
169     int sub;
170     GetBitContext gb;
171     int i, j, k;
172
173     init_get_bits(&gb, buf, buf_size * 8);
174
175     for (tctx->cur_frame = 0; tctx->cur_frame < tctx->frames_per_packet;
176          tctx->cur_frame++) {
177         bits = tctx->bits + tctx->cur_frame;
178
179         bits->window_type = get_bits(&gb, TWINVQ_WINDOW_TYPE_BITS);
180
181         if (bits->window_type > 8) {
182             av_log(avctx, AV_LOG_ERROR, "Invalid window type, broken sample?\n");
183             return AVERROR_INVALIDDATA;
184         }
185
186         bits->ftype = ff_twinvq_wtype_to_ftype_table[tctx->bits[tctx->cur_frame].window_type];
187
188         sub = mtab->fmode[bits->ftype].sub;
189
190         if (bits->ftype != TWINVQ_FT_SHORT && !tctx->is_6kbps)
191             get_bits(&gb, 2);
192
193         read_cb_data(tctx, &gb, bits->main_coeffs, bits->ftype);
194
195         for (i = 0; i < channels; i++)
196             for (j = 0; j < sub; j++)
197                 for (k = 0; k < mtab->fmode[bits->ftype].bark_n_coef; k++)
198                     bits->bark1[i][j][k] =
199                         get_bits(&gb, mtab->fmode[bits->ftype].bark_n_bit);
200
201         for (i = 0; i < channels; i++)
202             for (j = 0; j < sub; j++)
203                 bits->bark_use_hist[i][j] = get_bits1(&gb);
204
205         if (bits->ftype == TWINVQ_FT_LONG) {
206             for (i = 0; i < channels; i++)
207                 bits->gain_bits[i] = get_bits(&gb, TWINVQ_GAIN_BITS);
208         } else {
209             for (i = 0; i < channels; i++) {
210                 bits->gain_bits[i] = get_bits(&gb, TWINVQ_GAIN_BITS);
211                 for (j = 0; j < sub; j++)
212                     bits->sub_gain_bits[i * sub + j] =
213                         get_bits(&gb, TWINVQ_SUB_GAIN_BITS);
214             }
215         }
216
217         for (i = 0; i < channels; i++) {
218             bits->lpc_hist_idx[i] = get_bits(&gb, mtab->lsp_bit0);
219             bits->lpc_idx1[i]     = get_bits(&gb, mtab->lsp_bit1);
220
221             for (j = 0; j < mtab->lsp_split; j++)
222                 bits->lpc_idx2[i][j] = get_bits(&gb, mtab->lsp_bit2);
223         }
224
225         if (bits->ftype == TWINVQ_FT_LONG) {
226             read_cb_data(tctx, &gb, bits->ppc_coeffs, 3);
227             for (i = 0; i < channels; i++) {
228                 bits->p_coef[i] = get_bits(&gb, mtab->ppc_period_bit);
229                 bits->g_coef[i] = get_bits(&gb, mtab->pgain_bit);
230             }
231         }
232
233         // subframes are aligned to nibbles
234         if (get_bits_count(&gb) & 3)
235             skip_bits(&gb, 4 - (get_bits_count(&gb) & 3));
236     }
237
238     return (get_bits_count(&gb) + 7) / 8;
239 }
240
241 typedef struct MetasoundProps {
242     uint32_t tag;
243     int      bit_rate;
244     int      channels;
245     int      sample_rate;
246 } MetasoundProps;
247
248 static const MetasoundProps codec_props[] = {
249     { MKTAG('V','X','0','3'),  6, 1,  8000 },
250     { MKTAG('V','X','0','4'), 12, 2,  8000 },
251
252     { MKTAG('V','O','X','i'),  8, 1,  8000 },
253     { MKTAG('V','O','X','j'), 10, 1, 11025 },
254     { MKTAG('V','O','X','k'), 16, 1, 16000 },
255     { MKTAG('V','O','X','L'), 24, 1, 22050 },
256     { MKTAG('V','O','X','q'), 32, 1, 44100 },
257     { MKTAG('V','O','X','r'), 40, 1, 44100 },
258     { MKTAG('V','O','X','s'), 48, 1, 44100 },
259     { MKTAG('V','O','X','t'), 16, 2,  8000 },
260     { MKTAG('V','O','X','u'), 20, 2, 11025 },
261     { MKTAG('V','O','X','v'), 32, 2, 16000 },
262     { MKTAG('V','O','X','w'), 48, 2, 22050 },
263     { MKTAG('V','O','X','x'), 64, 2, 44100 },
264     { MKTAG('V','O','X','y'), 80, 2, 44100 },
265     { MKTAG('V','O','X','z'), 96, 2, 44100 },
266
267     { 0, 0, 0, 0 }
268 };
269
270 static av_cold int metasound_decode_init(AVCodecContext *avctx)
271 {
272     int isampf, ibps;
273     TwinVQContext *tctx = avctx->priv_data;
274     uint32_t tag;
275     const MetasoundProps *props = codec_props;
276
277     if (!avctx->extradata || avctx->extradata_size < 16) {
278         av_log(avctx, AV_LOG_ERROR, "Missing or incomplete extradata\n");
279         return AVERROR_INVALIDDATA;
280     }
281
282     tag = AV_RL32(avctx->extradata + 12);
283
284     for (;;) {
285         if (!props->tag) {
286             av_log(avctx, AV_LOG_ERROR, "Could not find tag %08X\n", tag);
287             return AVERROR_INVALIDDATA;
288         }
289         if (props->tag == tag) {
290             avctx->sample_rate = props->sample_rate;
291             avctx->channels    = props->channels;
292             avctx->bit_rate    = props->bit_rate * 1000;
293             isampf             = avctx->sample_rate / 1000;
294             break;
295         }
296         props++;
297     }
298
299     if (avctx->channels <= 0 || avctx->channels > TWINVQ_CHANNELS_MAX) {
300         av_log(avctx, AV_LOG_ERROR, "Unsupported number of channels: %i\n",
301                avctx->channels);
302         return AVERROR_INVALIDDATA;
303     }
304     avctx->channel_layout = avctx->channels == 1 ? AV_CH_LAYOUT_MONO
305                                                  : AV_CH_LAYOUT_STEREO;
306
307     ibps = avctx->bit_rate / (1000 * avctx->channels);
308
309     switch ((avctx->channels << 16) + (isampf << 8) + ibps) {
310     case (1 << 16) + ( 8 << 8) +  6:
311         tctx->mtab = &ff_metasound_mode0806;
312         break;
313     case (2 << 16) + ( 8 << 8) +  6:
314         tctx->mtab = &ff_metasound_mode0806s;
315         break;
316     case (1 << 16) + ( 8 << 8) +  8:
317         tctx->mtab = &ff_metasound_mode0808;
318         break;
319     case (2 << 16) + ( 8 << 8) +  8:
320         tctx->mtab = &ff_metasound_mode0808s;
321         break;
322     case (1 << 16) + (11 << 8) + 10:
323         tctx->mtab = &ff_metasound_mode1110;
324         break;
325     case (2 << 16) + (11 << 8) + 10:
326         tctx->mtab = &ff_metasound_mode1110s;
327         break;
328     case (1 << 16) + (16 << 8) + 16:
329         tctx->mtab = &ff_metasound_mode1616;
330         break;
331     case (2 << 16) + (16 << 8) + 16:
332         tctx->mtab = &ff_metasound_mode1616s;
333         break;
334     case (1 << 16) + (22 << 8) + 24:
335         tctx->mtab = &ff_metasound_mode2224;
336         break;
337     case (2 << 16) + (22 << 8) + 24:
338         tctx->mtab = &ff_metasound_mode2224s;
339         break;
340     case (1 << 16) + (44 << 8) + 32:
341         tctx->mtab = &ff_metasound_mode4432;
342         break;
343     case (2 << 16) + (44 << 8) + 32:
344         tctx->mtab = &ff_metasound_mode4432s;
345         break;
346     case (1 << 16) + (44 << 8) + 40:
347         tctx->mtab = &ff_metasound_mode4440;
348         break;
349     case (2 << 16) + (44 << 8) + 40:
350         tctx->mtab = &ff_metasound_mode4440s;
351         break;
352     case (1 << 16) + (44 << 8) + 48:
353         tctx->mtab = &ff_metasound_mode4448;
354         break;
355     case (2 << 16) + (44 << 8) + 48:
356         tctx->mtab = &ff_metasound_mode4448s;
357         break;
358     default:
359         av_log(avctx, AV_LOG_ERROR,
360                "This version does not support %d kHz - %d kbit/s/ch mode.\n",
361                isampf, ibps);
362         return AVERROR(ENOSYS);
363     }
364
365     tctx->codec          = TWINVQ_CODEC_METASOUND;
366     tctx->read_bitstream = metasound_read_bitstream;
367     tctx->dec_bark_env   = dec_bark_env;
368     tctx->decode_ppc     = decode_ppc;
369     tctx->frame_size     = avctx->bit_rate * tctx->mtab->size
370                                            / avctx->sample_rate;
371     tctx->is_6kbps       = ibps == 6;
372
373     return ff_twinvq_decode_init(avctx);
374 }
375
376 AVCodec ff_metasound_decoder = {
377     .name           = "metasound",
378     .long_name      = NULL_IF_CONFIG_SMALL("Voxware MetaSound"),
379     .type           = AVMEDIA_TYPE_AUDIO,
380     .id             = AV_CODEC_ID_METASOUND,
381     .priv_data_size = sizeof(TwinVQContext),
382     .init           = metasound_decode_init,
383     .close          = ff_twinvq_decode_close,
384     .decode         = ff_twinvq_decode_frame,
385     .capabilities   = CODEC_CAP_DR1,
386     .sample_fmts    = (const enum AVSampleFormat[]) { AV_SAMPLE_FMT_FLTP,
387                                                       AV_SAMPLE_FMT_NONE },
388 };