波仔
🎬 第十章 SWResample音频重采样理论及案例实战
📄 一句话概括

十二个样本格式：六种精度乘两种存法。 带 p 的是 planar，不带的是 packed——这个后缀到处通用。

📝 本节和前面几节的关系

10.1 讲的是「PCM 是什么」，这一节讲 FFmpeg 给它起了哪些名字。 10.2.2 专门讲两种存法的差别。

一、十二个名字

六种精度，两种存法，乘起来十二个。 名字 位数 每样本字节 存法

u8 8 1 packed s16 16 2 packed s32／flt 32 4 packed s64／dbl 64 8 packed 上面五个的 p 版 同左 同左 planar

十二个名字全都能构造出来，一个不缺。 u 是无符号整数，s 是有符号整数，flt／dbl 是浮点。 u8 是唯一常见的无符号格式，多用于老式声卡与某些 WAV。 它有 128 的偏置：静音不是 0，是 128。这一条经常被人忽略。

二、属性直接问对象

别背表，问对象。 属性 含义

bits 每个样本多少位 bytes 每个样本多少字节 is_packed 是不是交错存 is_planar 是不是分平面存

s16 与 s16p 的 bits 与 bytes 完全一样，只差存法。 所以「换格式」有两种完全不同的意思：换精度，或换存法。 这两种换法在代码里长得一样（都是传一个字符串给重采样器），但代价完全不同：换精度要舍入， 换存法只是搬家。

三、解码器默认给哪一种

不是 s16，这一点很多人猜错。 来源 解码后的格式

AAC fltp（32 位浮点、planar） MP3 fltp 或 s16p WAV（s16） s16（packed）

AAC 解出来是 fltp。 因为压缩算法内部就是浮点算的， 解码器直接把中间结果给你，省一次转换。 所以「拿到帧先看格式」不是小心眼，是必需动作。 默认按 s16 去读 fltp 的数据，读出来全是垃圾。

四、名字写错会怎样

报错信息还算清楚，但容易看漏。 写法 结果

s16 能构造 s16le 构造不出来，那是「编码名」不是「格式名」 S16 大小写敏感，失败

s16 是「样本格式」，pcm_s16le 是「编解码器名」， 两套命名体系不能混用。 装裸 PCM 时用后者，处理帧时用前者。 这条区分在第六章也出现过：格式名（容器／设备）与编解码器名是两个命名空间。 FFmpeg 里到处都有这种「两层名字」，混了就报「找不到」。

五、怎么在前两者之间选

一句话：中间处理用浮点，存盘交付用整数。 场合 选什么 为什么

内部处理 fltp 不丢精度，算得快 存盘交付 s16 体积小一半，兼容性好 送硬件 看设备要求 多数要 s16 packed

浮点的好处是「怎么算都不溢出」：整数相乘很容易超出范围， 要时时想着限幅；浮点只用管 −1.0 到 1.0。 代价是体积翻倍、转回整数时要舍入。 所以「进来就转浮点、出去再转整数」是很常见的写法。

六、动手 Demo：FFmpeg 认得哪些样本格式

把十二个名字逐个构造出来，看位数、字节数与存法；再查真实音轨用的是哪个。

import av

names = ["u8", "s16", "s32", "flt", "dbl", "s64",
         "u8p", "s16p", "s32p", "fltp", "dblp", "s64p"]
for n in names:
    f = av.audio.format.AudioFormat(n)
    print(n, f.bits, f.bytes, f.is_packed, f.is_planar)

c = av.open("tiny.mp4")
print(c.streams.audio[0].codec_context.format.name)
c.close()

# 名字混用会怎样：s16 是样本格式，pcm_s16le 是编解码器名
try:
    av.audio.format.AudioFormat("s16le")
except Exception as e:
    print("s16le 构造失败", type(e).__name__)

实跑输出：

--------------------------------------------------------------------
FFmpeg 认得哪些样本格式
--------------------------------------------------------------------

**① 六种「精度」乘两种「存法」，一共十二个名字**

  名字     位数     每样本字节     存法
  -------------------------------------------
  u8       8        1              packed
  s16      16       2              packed
  s32      32       4              packed
  flt      32       4              packed
  dbl      64       8              packed
  s64      64       8              packed
  u8p      8        1              planar
  s16p     16       2              planar
  s32p     32       4              planar
  fltp     32       4              planar
  dblp     64       8              planar
  s64p     64       8              planar

**十二个名字全都能构造出来，一个不缺。** 带 `p` 后缀的是 planar，不带的是 packed。
**这个后缀写法在 FFmpeg 里到处通用。**

**② 属性直接问对象，不用背**

  属性          s16       s16p
  ---------------------------------
  bits          16        16
  bytes         2         2
  is_packed     True      False
  is_planar     False     True

**`s16` 与 `s16p` 的位数、字节数完全一样，只差存法。**
**所以「换格式」有两种完全不同的意思**：换精度（s16→flt），或换存法（s16→s16p）。

**③ 真实音轨用的是哪一种**

  项                        值
  ---------------------------------------
  编码                      aac
  解码后的样本格式          fltp
  是多少位                  32 位浮点
  是 packed 还是 planar     planar

**AAC 解出来是 `fltp`（32 位浮点、planar）。** 记住这个事实：**解码器给你的默认不是 s16**，
想用整数得自己转。

十二个都能构造，带 p 的是 planar，is_packed 与 is_planar 直接读。 AAC 解出来是 fltp，不是 s16——默认按整数读会读错。

30 秒实验

  1. 把 s16le 换成 pcm_s16le 再试一次，看能不能构造（提示：还是不行，它是编解码器名）。
  2. 打印 av.audio.format.AudioFormat("u8").bits，想一想静音应该是多少。
  3. 用 dbl 建一帧再 to_ndarray()，看数组的 dtype 是什么。

常见误区

  1. 把 s16 与 pcm_s16le 当成同一个名字。 一个是样本格式，一个是编解码器。
  2. 以为解码出来一定是 s16。 AAC 给的是 fltp。
  3. 忽略 u8 的 128 偏置。 静音不是 0，按有符号读会读到噪声。
自测三问（点开对答案） 1. 样本格式名字里带 `p` 是什么意思？ —— planar，按声道分平面存，对应的是 packed。 2. `s16` 与 `pcm_s16le` 有什么区别？ —— 前者是样本格式名，后者是编解码器名，两套命名空间。 3. AAC 解码出来的样本格式是什么？ —— fltp，32 位浮点、planar。

相关笔记