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 <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 0;
 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 };