git.sesse.net Git - ffmpeg/blob - 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 Libav.
   8  *
   9  * Libav 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  * Libav 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 Libav; if not, write to the Free Software
  21  * Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
  22  */
  23
  24 #include <inttypes.h>
  25 #include <math.h>
  26 #include <stdint.h>
  27
  28 #define BITSTREAM_READER_LE
  29 #include "libavutil/channel_layout.h"
  30 #include "libavutil/float_dsp.h"
  31 #include "avcodec.h"
  32 #include "get_bits.h"
  33 #include "fft.h"
  34 #include "internal.h"
  35 #include "lsp.h"
  36 #include "sinewin.h"
  37
  38 #include "twinvq.h"
  39 #include "metasound_data.h"
  40
  41 static void add_peak(float period, int width, const float *shape,
  42                      float ppc_gain, float *speech, int len)
  43 {
  44     int i, j, center;
  45     const float *shape_end = shape + len;
  46
  47     // First peak centered around zero
  48     for (i = 0; i < width / 2; i++)
  49         speech[i] += ppc_gain * *shape++;
  50
  51     for (i = 1; i < ROUNDED_DIV(len, width); i++) {
  52         center = (int)(i * period + 0.5);
  53         for (j = -width / 2; j < (width + 1) / 2; j++)
  54             speech[j + center] += ppc_gain * *shape++;
  55     }
  56
  57     // For the last block, be careful not to go beyond the end of the buffer
  58     center = (int)(i * period + 0.5);
  59     for (j = -width / 2; j < (width + 1) / 2 && shape < shape_end; j++)
  60         speech[j + center] += ppc_gain * *shape++;
  61 }
  62
  63 static void decode_ppc(TwinVQContext *tctx, int period_coef, int g_coef,
  64                        const float *shape, float *speech)
  65 {
  66     const TwinVQModeTab *mtab = tctx->mtab;
  67     int isampf       = tctx->avctx->sample_rate / 1000;
  68     int ibps         = tctx->avctx->bit_rate / (1000 * tctx->avctx->channels);
  69     int width;
  70
  71     float ratio = (float)mtab->size / isampf;
  72     float min_period, max_period, period_range, period;
  73     float some_mult;
  74
  75     float pgain_base, pgain_step, ppc_gain;
  76
  77     if (tctx->avctx->channels == 1) {
  78         min_period = log2(ratio * 0.2);
  79         max_period = min_period + log2(6);
  80     } else {
  81         min_period = (int)(ratio * 0.2 * 400     + 0.5) / 400.0;
  82         max_period = (int)(ratio * 0.2 * 400 * 6 + 0.5) / 400.0;
  83     }
  84     period_range = max_period - min_period;
  85     period       = min_period + period_coef * period_range /
  86                    ((1 << mtab->ppc_period_bit) - 1);
  87     if (tctx->avctx->channels == 1)
  88         period = powf(2.0, period);
  89     else
  90         period = (int)(period * 400 + 0.5) / 400.0;
  91
  92     switch (isampf) {
  93     case  8: some_mult = 2.0; break;
  94     case 11: some_mult = 3.0; break;
  95     case 16: some_mult = 3.0; break;
  96     case 22: some_mult = ibps == 32 ? 2.0 : 4.0; break;
  97     case 44: some_mult = 8.0; break;
  98     default: some_mult = 4.0;
  99     }
 100
 101     width = (int)(some_mult / (mtab->size / period) * mtab->ppc_shape_len);
 102     if (isampf == 22 && ibps == 32)
 103         width = (int)((2.0 / period + 1) * width + 0.5);
 104
 105     pgain_base = tctx->avctx->channels == 2 ? 25000.0 : 20000.0;
 106     pgain_step = pgain_base / ((1 << mtab->pgain_bit) - 1);
 107     ppc_gain   = 1.0 / 8192 *
 108                  twinvq_mulawinv(pgain_step * g_coef + pgain_step / 2,
 109                                  pgain_base, TWINVQ_PGAIN_MU);
 110
 111     add_peak(period, width, shape, ppc_gain, speech, mtab->ppc_shape_len);
 112 }
 113
 114 static void dec_bark_env(TwinVQContext *tctx, const uint8_t *in, int use_hist,
 115                          int ch, float *out, float gain,
 116                          enum TwinVQFrameType ftype)
 117 {
 118     const TwinVQModeTab *mtab = tctx->mtab;
 119     int i, j;
 120     float *hist     = tctx->bark_hist[ftype][ch];
 121     float val       = ((const float []) { 0.4, 0.35, 0.28 })[ftype];
 122     int bark_n_coef = mtab->fmode[ftype].bark_n_coef;
 123     int fw_cb_len   = mtab->fmode[ftype].bark_env_size / bark_n_coef;
 124     int idx         = 0;
 125
 126     if (tctx->avctx->channels == 1)
 127         val = 0.5;
 128     for (i = 0; i < fw_cb_len; i++)
 129         for (j = 0; j < bark_n_coef; j++, idx++) {
 130             float tmp2 = mtab->fmode[ftype].bark_cb[fw_cb_len * in[j] + i] *
 131                          (1.0 / 2048);
 132             float st;
 133
 134             if (tctx->avctx->channels == 1)
 135                 st = use_hist ?
 136                     tmp2 + val * hist[idx] + 1.0 : tmp2 + 1.0;
 137             else
 138                 st = use_hist ? (1.0 - val) * tmp2 + val * hist[idx] + 1.0
 139                               : tmp2 + 1.0;
 140
 141             hist[idx] = tmp2;
 142             if (st < 0.1)
 143                 st = 0.1;
 144
 145             twinvq_memset_float(out, st * gain,
 146                                 mtab->fmode[ftype].bark_tab[idx]);
 147             out += mtab->fmode[ftype].bark_tab[idx];
 148         }
 149 }
 150
 151 static void read_cb_data(TwinVQContext *tctx, GetBitContext *gb,
 152                          uint8_t *dst, enum TwinVQFrameType ftype)
 153 {
 154     int i;
 155
 156     for (i = 0; i < tctx->n_div[ftype]; i++) {
 157         int bs_second_part = (i >= tctx->bits_main_spec_change[ftype]);
 158
 159         *dst++ = get_bits(gb, tctx->bits_main_spec[0][ftype][bs_second_part]);
 160         *dst++ = get_bits(gb, tctx->bits_main_spec[1][ftype][bs_second_part]);
 161     }
 162 }
 163
 164 static int metasound_read_bitstream(AVCodecContext *avctx, TwinVQContext *tctx,
 165                                     const uint8_t *buf, int buf_size)
 166 {
 167     TwinVQFrameData     *bits;
 168     const TwinVQModeTab *mtab = tctx->mtab;
 169     int channels              = tctx->avctx->channels;
 170     int sub;
 171     GetBitContext gb;
 172     int i, j, k;
 173
 174     init_get_bits(&gb, buf, buf_size * 8);
 175
 176     for (tctx->cur_frame = 0; tctx->cur_frame < tctx->frames_per_packet;
 177          tctx->cur_frame++) {
 178         bits = tctx->bits + tctx->cur_frame;
 179
 180         bits->window_type = get_bits(&gb, TWINVQ_WINDOW_TYPE_BITS);
 181
 182         if (bits->window_type > 8) {
 183             av_log(avctx, AV_LOG_ERROR, "Invalid window type, broken sample?\n");
 184             return AVERROR_INVALIDDATA;
 185         }
 186
 187         bits->ftype = ff_twinvq_wtype_to_ftype_table[tctx->bits[tctx->cur_frame].window_type];
 188
 189         sub = mtab->fmode[bits->ftype].sub;
 190
 191         if (bits->ftype != TWINVQ_FT_SHORT && !tctx->is_6kbps)
 192             get_bits(&gb, 2);
 193
 194         read_cb_data(tctx, &gb, bits->main_coeffs, bits->ftype);
 195
 196         for (i = 0; i < channels; i++)
 197             for (j = 0; j < sub; j++)
 198                 for (k = 0; k < mtab->fmode[bits->ftype].bark_n_coef; k++)
 199                     bits->bark1[i][j][k] =
 200                         get_bits(&gb, mtab->fmode[bits->ftype].bark_n_bit);
 201
 202         for (i = 0; i < channels; i++)
 203             for (j = 0; j < sub; j++)
 204                 bits->bark_use_hist[i][j] = get_bits1(&gb);
 205
 206         if (bits->ftype == TWINVQ_FT_LONG) {
 207             for (i = 0; i < channels; i++)
 208                 bits->gain_bits[i] = get_bits(&gb, TWINVQ_GAIN_BITS);
 209         } else {
 210             for (i = 0; i < channels; i++) {
 211                 bits->gain_bits[i] = get_bits(&gb, TWINVQ_GAIN_BITS);
 212                 for (j = 0; j < sub; j++)
 213                     bits->sub_gain_bits[i * sub + j] =
 214                         get_bits(&gb, TWINVQ_SUB_GAIN_BITS);
 215             }
 216         }
 217
 218         for (i = 0; i < channels; i++) {
 219             bits->lpc_hist_idx[i] = get_bits(&gb, mtab->lsp_bit0);
 220             bits->lpc_idx1[i]     = get_bits(&gb, mtab->lsp_bit1);
 221
 222             for (j = 0; j < mtab->lsp_split; j++)
 223                 bits->lpc_idx2[i][j] = get_bits(&gb, mtab->lsp_bit2);
 224         }
 225
 226         if (bits->ftype == TWINVQ_FT_LONG) {
 227             read_cb_data(tctx, &gb, bits->ppc_coeffs, 3);
 228             for (i = 0; i < channels; i++) {
 229                 bits->p_coef[i] = get_bits(&gb, mtab->ppc_period_bit);
 230                 bits->g_coef[i] = get_bits(&gb, mtab->pgain_bit);
 231             }
 232         }
 233
 234         // subframes are aligned to nibbles
 235         if (get_bits_count(&gb) & 3)
 236             skip_bits(&gb, 4 - (get_bits_count(&gb) & 3));
 237     }
 238
 239     return 0;
 240 }
 241
 242 typedef struct MetasoundProps {
 243     uint32_t tag;
 244     int      bit_rate;
 245     int      channels;
 246     int      sample_rate;
 247 } MetasoundProps;
 248
 249 static const MetasoundProps codec_props[] = {
 250     { MKTAG('V','X','0','3'),  6, 1,  8000 },
 251     { MKTAG('V','X','0','4'), 12, 2,  8000 },
 252
 253     { MKTAG('V','O','X','i'),  8, 1,  8000 },
 254     { MKTAG('V','O','X','j'), 10, 1, 11025 },
 255     { MKTAG('V','O','X','k'), 16, 1, 16000 },
 256     { MKTAG('V','O','X','L'), 24, 1, 22050 },
 257     { MKTAG('V','O','X','q'), 32, 1, 44100 },
 258     { MKTAG('V','O','X','r'), 40, 1, 44100 },
 259     { MKTAG('V','O','X','s'), 48, 1, 44100 },
 260     { MKTAG('V','O','X','t'), 16, 2,  8000 },
 261     { MKTAG('V','O','X','u'), 20, 2, 11025 },
 262     { MKTAG('V','O','X','v'), 32, 2, 16000 },
 263     { MKTAG('V','O','X','w'), 48, 2, 22050 },
 264     { MKTAG('V','O','X','x'), 64, 2, 44100 },
 265     { MKTAG('V','O','X','y'), 80, 2, 44100 },
 266     { MKTAG('V','O','X','z'), 96, 2, 44100 },
 267
 268     { 0, 0, 0, 0 }
 269 };
 270
 271 static av_cold int metasound_decode_init(AVCodecContext *avctx)
 272 {
 273     int isampf, ibps;
 274     TwinVQContext *tctx = avctx->priv_data;
 275     uint32_t tag;
 276     const MetasoundProps *props = codec_props;
 277
 278     if (!avctx->extradata || avctx->extradata_size < 16) {
 279         av_log(avctx, AV_LOG_ERROR, "Missing or incomplete extradata\n");
 280         return AVERROR_INVALIDDATA;
 281     }
 282
 283     tag = AV_RL32(avctx->extradata + 12);
 284
 285     for (;;) {
 286         if (!props->tag) {
 287             av_log(avctx, AV_LOG_ERROR, "Could not find tag %08"PRIX32"\n", tag);
 288             return AVERROR_INVALIDDATA;
 289         }
 290         if (props->tag == tag) {
 291             avctx->sample_rate = props->sample_rate;
 292             avctx->channels    = props->channels;
 293             avctx->bit_rate    = props->bit_rate * 1000;
 294             isampf             = avctx->sample_rate / 1000;
 295             break;
 296         }
 297         props++;
 298     }
 299
 300     if (avctx->channels <= 0 || avctx->channels > TWINVQ_CHANNELS_MAX) {
 301         av_log(avctx, AV_LOG_ERROR, "Unsupported number of channels: %i\n",
 302                avctx->channels);
 303         return AVERROR_INVALIDDATA;
 304     }
 305     avctx->channel_layout = avctx->channels == 1 ? AV_CH_LAYOUT_MONO
 306                                                  : AV_CH_LAYOUT_STEREO;
 307
 308     ibps = avctx->bit_rate / (1000 * avctx->channels);
 309
 310     switch ((avctx->channels << 16) + (isampf << 8) + ibps) {
 311     case (1 << 16) + ( 8 << 8) +  6:
 312         tctx->mtab = &ff_metasound_mode0806;
 313         break;
 314     case (2 << 16) + ( 8 << 8) +  6:
 315         tctx->mtab = &ff_metasound_mode0806s;
 316         break;
 317     case (1 << 16) + ( 8 << 8) +  8:
 318         tctx->mtab = &ff_metasound_mode0808;
 319         break;
 320     case (2 << 16) + ( 8 << 8) +  8:
 321         tctx->mtab = &ff_metasound_mode0808s;
 322         break;
 323     case (1 << 16) + (11 << 8) + 10:
 324         tctx->mtab = &ff_metasound_mode1110;
 325         break;
 326     case (2 << 16) + (11 << 8) + 10:
 327         tctx->mtab = &ff_metasound_mode1110s;
 328         break;
 329     case (1 << 16) + (16 << 8) + 16:
 330         tctx->mtab = &ff_metasound_mode1616;
 331         break;
 332     case (2 << 16) + (16 << 8) + 16:
 333         tctx->mtab = &ff_metasound_mode1616s;
 334         break;
 335     case (1 << 16) + (22 << 8) + 24:
 336         tctx->mtab = &ff_metasound_mode2224;
 337         break;
 338     case (2 << 16) + (22 << 8) + 24:
 339         tctx->mtab = &ff_metasound_mode2224s;
 340         break;
 341     case (1 << 16) + (44 << 8) + 32:
 342         tctx->mtab = &ff_metasound_mode4432;
 343         break;
 344     case (2 << 16) + (44 << 8) + 32:
 345         tctx->mtab = &ff_metasound_mode4432s;
 346         break;
 347     case (1 << 16) + (44 << 8) + 40:
 348         tctx->mtab = &ff_metasound_mode4440;
 349         break;
 350     case (2 << 16) + (44 << 8) + 40:
 351         tctx->mtab = &ff_metasound_mode4440s;
 352         break;
 353     case (1 << 16) + (44 << 8) + 48:
 354         tctx->mtab = &ff_metasound_mode4448;
 355         break;
 356     case (2 << 16) + (44 << 8) + 48:
 357         tctx->mtab = &ff_metasound_mode4448s;
 358         break;
 359     default:
 360         av_log(avctx, AV_LOG_ERROR,
 361                "This version does not support %d kHz - %d kbit/s/ch mode.\n",
 362                isampf, ibps);
 363         return AVERROR(ENOSYS);
 364     }
 365
 366     tctx->codec          = TWINVQ_CODEC_METASOUND;
 367     tctx->read_bitstream = metasound_read_bitstream;
 368     tctx->dec_bark_env   = dec_bark_env;
 369     tctx->decode_ppc     = decode_ppc;
 370     tctx->frame_size     = avctx->bit_rate * tctx->mtab->size
 371                                            / avctx->sample_rate;
 372     tctx->is_6kbps       = ibps == 6;
 373
 374     return ff_twinvq_decode_init(avctx);
 375 }
 376
 377 AVCodec ff_metasound_decoder = {
 378     .name           = "metasound",
 379     .long_name      = NULL_IF_CONFIG_SMALL("Voxware MetaSound"),
 380     .type           = AVMEDIA_TYPE_AUDIO,
 381     .id             = AV_CODEC_ID_METASOUND,
 382     .priv_data_size = sizeof(TwinVQContext),
 383     .init           = metasound_decode_init,
 384     .close          = ff_twinvq_decode_close,
 385     .decode         = ff_twinvq_decode_frame,
 386     .capabilities   = AV_CODEC_CAP_DR1,
 387     .sample_fmts    = (const enum AVSampleFormat[]) { AV_SAMPLE_FMT_FLTP,
 388                                                       AV_SAMPLE_FMT_NONE },
 389 };