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 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 <inttypes.h>
  25 #include <math.h>
  26 #include <stdint.h>
  27
  28 #include "libavutil/channel_layout.h"
  29 #include "libavutil/float_dsp.h"
  30
  31 #define BITSTREAM_READER_LE
  32 #include "avcodec.h"
  33 #include "fft.h"
  34 #include "get_bits.h"
  35 #include "internal.h"
  36 #include "lsp.h"
  37 #include "sinewin.h"
  38
  39 #include "twinvq.h"
  40 #include "metasound_data.h"
  41
  42 static void add_peak(float period, int width, const float *shape,
  43                      float ppc_gain, float *speech, int len)
  44 {
  45     int i, j, center;
  46     const float *shape_end = shape + len;
  47
  48     // First peak centered around zero
  49     for (i = 0; i < width / 2; i++)
  50         speech[i] += ppc_gain * *shape++;
  51
  52     for (i = 1; i < ROUNDED_DIV(len, width); i++) {
  53         center = (int)(i * period + 0.5);
  54         for (j = -width / 2; j < (width + 1) / 2; j++)
  55             speech[j + center] += ppc_gain * *shape++;
  56     }
  57
  58     // For the last block, be careful not to go beyond the end of the buffer
  59     center = (int)(i * period + 0.5);
  60     for (j = -width / 2; j < (width + 1) / 2 && shape < shape_end; j++)
  61         speech[j + center] += ppc_gain * *shape++;
  62 }
  63
  64 static void decode_ppc(TwinVQContext *tctx, int period_coef, int g_coef,
  65                        const float *shape, float *speech)
  66 {
  67     const TwinVQModeTab *mtab = tctx->mtab;
  68     int isampf       = tctx->avctx->sample_rate / 1000;
  69     int ibps         = tctx->avctx->bit_rate / (1000 * tctx->avctx->channels);
  70     int width;
  71
  72     float ratio = (float)mtab->size / isampf;
  73     float min_period, max_period, period_range, period;
  74     float some_mult;
  75
  76     float pgain_base, pgain_step, ppc_gain;
  77
  78     if (tctx->avctx->channels == 1) {
  79         min_period = log2(ratio * 0.2);
  80         max_period = min_period + log2(6);
  81     } else {
  82         min_period = (int)(ratio * 0.2 * 400     + 0.5) / 400.0;
  83         max_period = (int)(ratio * 0.2 * 400 * 6 + 0.5) / 400.0;
  84     }
  85     period_range = max_period - min_period;
  86     period       = min_period + period_coef * period_range /
  87                    ((1 << mtab->ppc_period_bit) - 1);
  88     if (tctx->avctx->channels == 1)
  89         period = powf(2.0, period);
  90     else
  91         period = (int)(period * 400 + 0.5) / 400.0;
  92
  93     switch (isampf) {
  94     case  8: some_mult = 2.0; break;
  95     case 11: some_mult = 3.0; break;
  96     case 16: some_mult = 3.0; break;
  97     case 22: some_mult = ibps == 32 ? 2.0 : 4.0; break;
  98     case 44: some_mult = 8.0; break;
  99     default: some_mult = 4.0;
 100     }
 101
 102     width = (int)(some_mult / (mtab->size / period) * mtab->ppc_shape_len);
 103     if (isampf == 22 && ibps == 32)
 104         width = (int)((2.0 / period + 1) * width + 0.5);
 105
 106     pgain_base = tctx->avctx->channels == 2 ? 25000.0 : 20000.0;
 107     pgain_step = pgain_base / ((1 << mtab->pgain_bit) - 1);
 108     ppc_gain   = 1.0 / 8192 *
 109                  twinvq_mulawinv(pgain_step * g_coef + pgain_step / 2,
 110                                  pgain_base, TWINVQ_PGAIN_MU);
 111
 112     add_peak(period, width, shape, ppc_gain, speech, mtab->ppc_shape_len);
 113 }
 114
 115 static void dec_bark_env(TwinVQContext *tctx, const uint8_t *in, int use_hist,
 116                          int ch, float *out, float gain,
 117                          enum TwinVQFrameType ftype)
 118 {
 119     const TwinVQModeTab *mtab = tctx->mtab;
 120     int i, j;
 121     float *hist     = tctx->bark_hist[ftype][ch];
 122     float val       = ((const float []) { 0.4, 0.35, 0.28 })[ftype];
 123     int bark_n_coef = mtab->fmode[ftype].bark_n_coef;
 124     int fw_cb_len   = mtab->fmode[ftype].bark_env_size / bark_n_coef;
 125     int idx         = 0;
 126
 127     if (tctx->avctx->channels == 1)
 128         val = 0.5;
 129     for (i = 0; i < fw_cb_len; i++)
 130         for (j = 0; j < bark_n_coef; j++, idx++) {
 131             float tmp2 = mtab->fmode[ftype].bark_cb[fw_cb_len * in[j] + i] *
 132                          (1.0 / 2048);
 133             float st;
 134
 135             if (tctx->avctx->channels == 1)
 136                 st = use_hist ?
 137                     tmp2 + val * hist[idx] + 1.0 : tmp2 + 1.0;
 138             else
 139                 st = use_hist ? (1.0 - val) * tmp2 + val * hist[idx] + 1.0
 140                               : tmp2 + 1.0;
 141
 142             hist[idx] = tmp2;
 143             if (st < 0.1)
 144                 st = 0.1;
 145
 146             twinvq_memset_float(out, st * gain,
 147                                 mtab->fmode[ftype].bark_tab[idx]);
 148             out += mtab->fmode[ftype].bark_tab[idx];
 149         }
 150 }
 151
 152 static void read_cb_data(TwinVQContext *tctx, GetBitContext *gb,
 153                          uint8_t *dst, enum TwinVQFrameType ftype)
 154 {
 155     int i;
 156
 157     for (i = 0; i < tctx->n_div[ftype]; i++) {
 158         int bs_second_part = (i >= tctx->bits_main_spec_change[ftype]);
 159
 160         *dst++ = get_bits(gb, tctx->bits_main_spec[0][ftype][bs_second_part]);
 161         *dst++ = get_bits(gb, tctx->bits_main_spec[1][ftype][bs_second_part]);
 162     }
 163 }
 164
 165 static int metasound_read_bitstream(AVCodecContext *avctx, TwinVQContext *tctx,
 166                                     const uint8_t *buf, int buf_size)
 167 {
 168     TwinVQFrameData     *bits;
 169     const TwinVQModeTab *mtab = tctx->mtab;
 170     int channels              = tctx->avctx->channels;
 171     int sub;
 172     GetBitContext gb;
 173     int i, j, k, ret;
 174
 175     if ((ret = init_get_bits8(&gb, buf, buf_size)) < 0)
 176         return ret;
 177
 178     for (tctx->cur_frame = 0; tctx->cur_frame < tctx->frames_per_packet;
 179          tctx->cur_frame++) {
 180         bits = tctx->bits + tctx->cur_frame;
 181
 182         bits->window_type = get_bits(&gb, TWINVQ_WINDOW_TYPE_BITS);
 183
 184         if (bits->window_type > 8) {
 185             av_log(avctx, AV_LOG_ERROR, "Invalid window type, broken sample?\n");
 186             return AVERROR_INVALIDDATA;
 187         }
 188
 189         bits->ftype = ff_twinvq_wtype_to_ftype_table[tctx->bits[tctx->cur_frame].window_type];
 190
 191         sub = mtab->fmode[bits->ftype].sub;
 192
 193         if (bits->ftype != TWINVQ_FT_SHORT && !tctx->is_6kbps)
 194             get_bits(&gb, 2);
 195
 196         read_cb_data(tctx, &gb, bits->main_coeffs, bits->ftype);
 197
 198         for (i = 0; i < channels; i++)
 199             for (j = 0; j < sub; j++)
 200                 for (k = 0; k < mtab->fmode[bits->ftype].bark_n_coef; k++)
 201                     bits->bark1[i][j][k] =
 202                         get_bits(&gb, mtab->fmode[bits->ftype].bark_n_bit);
 203
 204         for (i = 0; i < channels; i++)
 205             for (j = 0; j < sub; j++)
 206                 bits->bark_use_hist[i][j] = get_bits1(&gb);
 207
 208         if (bits->ftype == TWINVQ_FT_LONG) {
 209             for (i = 0; i < channels; i++)
 210                 bits->gain_bits[i] = get_bits(&gb, TWINVQ_GAIN_BITS);
 211         } else {
 212             for (i = 0; i < channels; i++) {
 213                 bits->gain_bits[i] = get_bits(&gb, TWINVQ_GAIN_BITS);
 214                 for (j = 0; j < sub; j++)
 215                     bits->sub_gain_bits[i * sub + j] =
 216                         get_bits(&gb, TWINVQ_SUB_GAIN_BITS);
 217             }
 218         }
 219
 220         for (i = 0; i < channels; i++) {
 221             bits->lpc_hist_idx[i] = get_bits(&gb, mtab->lsp_bit0);
 222             bits->lpc_idx1[i]     = get_bits(&gb, mtab->lsp_bit1);
 223
 224             for (j = 0; j < mtab->lsp_split; j++)
 225                 bits->lpc_idx2[i][j] = get_bits(&gb, mtab->lsp_bit2);
 226         }
 227
 228         if (bits->ftype == TWINVQ_FT_LONG) {
 229             read_cb_data(tctx, &gb, bits->ppc_coeffs, 3);
 230             for (i = 0; i < channels; i++) {
 231                 bits->p_coef[i] = get_bits(&gb, mtab->ppc_period_bit);
 232                 bits->g_coef[i] = get_bits(&gb, mtab->pgain_bit);
 233             }
 234         }
 235
 236         // subframes are aligned to nibbles
 237         if (get_bits_count(&gb) & 3)
 238             skip_bits(&gb, 4 - (get_bits_count(&gb) & 3));
 239     }
 240
 241     return (get_bits_count(&gb) + 7) / 8;
 242 }
 243
 244 typedef struct MetasoundProps {
 245     uint32_t tag;
 246     int      bit_rate;
 247     int      channels;
 248     int      sample_rate;
 249 } MetasoundProps;
 250
 251 static const MetasoundProps codec_props[] = {
 252     { MKTAG('V','X','0','3'),  6, 1,  8000 },
 253     { MKTAG('V','X','0','4'), 12, 2,  8000 },
 254
 255     { MKTAG('V','O','X','i'),  8, 1,  8000 },
 256     { MKTAG('V','O','X','j'), 10, 1, 11025 },
 257     { MKTAG('V','O','X','k'), 16, 1, 16000 },
 258     { MKTAG('V','O','X','L'), 24, 1, 22050 },
 259     { MKTAG('V','O','X','q'), 32, 1, 44100 },
 260     { MKTAG('V','O','X','r'), 40, 1, 44100 },
 261     { MKTAG('V','O','X','s'), 48, 1, 44100 },
 262     { MKTAG('V','O','X','t'), 16, 2,  8000 },
 263     { MKTAG('V','O','X','u'), 20, 2, 11025 },
 264     { MKTAG('V','O','X','v'), 32, 2, 16000 },
 265     { MKTAG('V','O','X','w'), 48, 2, 22050 },
 266     { MKTAG('V','O','X','x'), 64, 2, 44100 },
 267     { MKTAG('V','O','X','y'), 80, 2, 44100 },
 268     { MKTAG('V','O','X','z'), 96, 2, 44100 },
 269
 270     { 0, 0, 0, 0 }
 271 };
 272
 273 static av_cold int metasound_decode_init(AVCodecContext *avctx)
 274 {
 275     int isampf, ibps;
 276     TwinVQContext *tctx = avctx->priv_data;
 277     uint32_t tag;
 278     const MetasoundProps *props = codec_props;
 279
 280     if (!avctx->extradata || avctx->extradata_size < 16) {
 281         av_log(avctx, AV_LOG_ERROR, "Missing or incomplete extradata\n");
 282         return AVERROR_INVALIDDATA;
 283     }
 284
 285     tag = AV_RL32(avctx->extradata + 12);
 286
 287     for (;;) {
 288         if (!props->tag) {
 289             av_log(avctx, AV_LOG_ERROR, "Could not find tag %08"PRIX32"\n", tag);
 290             return AVERROR_INVALIDDATA;
 291         }
 292         if (props->tag == tag) {
 293             avctx->sample_rate = props->sample_rate;
 294             avctx->channels    = props->channels;
 295             avctx->bit_rate    = props->bit_rate * 1000;
 296             isampf             = avctx->sample_rate / 1000;
 297             break;
 298         }
 299         props++;
 300     }
 301
 302     if (avctx->channels <= 0 || avctx->channels > TWINVQ_CHANNELS_MAX) {
 303         av_log(avctx, AV_LOG_ERROR, "Unsupported number of channels: %i\n",
 304                avctx->channels);
 305         return AVERROR_INVALIDDATA;
 306     }
 307     avctx->channel_layout = avctx->channels == 1 ? AV_CH_LAYOUT_MONO
 308                                                  : AV_CH_LAYOUT_STEREO;
 309
 310     ibps = avctx->bit_rate / (1000 * avctx->channels);
 311
 312     switch ((avctx->channels << 16) + (isampf << 8) + ibps) {
 313     case (1 << 16) + ( 8 << 8) +  6:
 314         tctx->mtab = &ff_metasound_mode0806;
 315         break;
 316     case (2 << 16) + ( 8 << 8) +  6:
 317         tctx->mtab = &ff_metasound_mode0806s;
 318         break;
 319     case (1 << 16) + ( 8 << 8) +  8:
 320         tctx->mtab = &ff_metasound_mode0808;
 321         break;
 322     case (2 << 16) + ( 8 << 8) +  8:
 323         tctx->mtab = &ff_metasound_mode0808s;
 324         break;
 325     case (1 << 16) + (11 << 8) + 10:
 326         tctx->mtab = &ff_metasound_mode1110;
 327         break;
 328     case (2 << 16) + (11 << 8) + 10:
 329         tctx->mtab = &ff_metasound_mode1110s;
 330         break;
 331     case (1 << 16) + (16 << 8) + 16:
 332         tctx->mtab = &ff_metasound_mode1616;
 333         break;
 334     case (2 << 16) + (16 << 8) + 16:
 335         tctx->mtab = &ff_metasound_mode1616s;
 336         break;
 337     case (1 << 16) + (22 << 8) + 24:
 338         tctx->mtab = &ff_metasound_mode2224;
 339         break;
 340     case (2 << 16) + (22 << 8) + 24:
 341         tctx->mtab = &ff_metasound_mode2224s;
 342         break;
 343     case (1 << 16) + (44 << 8) + 32:
 344         tctx->mtab = &ff_metasound_mode4432;
 345         break;
 346     case (2 << 16) + (44 << 8) + 32:
 347         tctx->mtab = &ff_metasound_mode4432s;
 348         break;
 349     case (1 << 16) + (44 << 8) + 40:
 350         tctx->mtab = &ff_metasound_mode4440;
 351         break;
 352     case (2 << 16) + (44 << 8) + 40:
 353         tctx->mtab = &ff_metasound_mode4440s;
 354         break;
 355     case (1 << 16) + (44 << 8) + 48:
 356         tctx->mtab = &ff_metasound_mode4448;
 357         break;
 358     case (2 << 16) + (44 << 8) + 48:
 359         tctx->mtab = &ff_metasound_mode4448s;
 360         break;
 361     default:
 362         av_log(avctx, AV_LOG_ERROR,
 363                "This version does not support %d kHz - %d kbit/s/ch mode.\n",
 364                isampf, ibps);
 365         return AVERROR(ENOSYS);
 366     }
 367
 368     tctx->codec          = TWINVQ_CODEC_METASOUND;
 369     tctx->read_bitstream = metasound_read_bitstream;
 370     tctx->dec_bark_env   = dec_bark_env;
 371     tctx->decode_ppc     = decode_ppc;
 372     tctx->frame_size     = avctx->bit_rate * tctx->mtab->size
 373                                            / avctx->sample_rate;
 374     tctx->is_6kbps       = ibps == 6;
 375
 376     return ff_twinvq_decode_init(avctx);
 377 }
 378
 379 AVCodec ff_metasound_decoder = {
 380     .name           = "metasound",
 381     .long_name      = NULL_IF_CONFIG_SMALL("Voxware MetaSound"),
 382     .type           = AVMEDIA_TYPE_AUDIO,
 383     .id             = AV_CODEC_ID_METASOUND,
 384     .priv_data_size = sizeof(TwinVQContext),
 385     .init           = metasound_decode_init,
 386     .close          = ff_twinvq_decode_close,
 387     .decode         = ff_twinvq_decode_frame,
 388     .capabilities   = AV_CODEC_CAP_DR1,
 389     .sample_fmts    = (const enum AVSampleFormat[]) { AV_SAMPLE_FMT_FLTP,
 390                                                       AV_SAMPLE_FMT_NONE },
 391 };