多媒体文件格式解析之MP3

音频文件格式MP3

1. MP3是什么？

MP3是MPEG-1 Audio Layer 3的缩写，是当今较流行的一种数字音频编码和有损压缩格式，它设计用来大幅度地降低音频数据量，而对于大多数用户的听觉感受来说，重放的音质与最初的不压缩音频相比没有明显的下降。它是在1991年发明和标准化的。
MP3支持多种码率：32、40、48、56、64、80、96、112、128、160、192、224、256、320 kbit/s。目前128kbit/s是最常用的码率。
因为MP3是一种有损压缩格式，它提供了多种不同“比特率”（bit rate）的选项—也就是用来表示每秒音频所需的编码数据位数。典型的速度介于128kbps和320kbps（kbit/s）之间。与此对照的是，CD上未经压缩的音频比特率是1411.2 kbps（16 位／采样点 × 44100 采样点／秒 × 2 通道）。
Fraunhofer Gesellschaft（FhG）在他们的官方网站上，公布了下面的MPEG-1 Layer 1/2/3的压缩率和数据速率用于比较：

1. Layer 1: 384 kbit/s，压缩率 4:1
2. Layer 2: 192 - 256 kbit/s，压缩率 8:1-6:1
3. Layer 3: 112 - 128 kbit/s，压缩率 12:1-10:1

不同层面之间的差别是因为它们使用了不同的心理声学模型导致的。

2. MP3文件的构成

典型的MP3文件包含：ID3v2（TAG）、Frame、ID3v1（TAG）
除了Frame其他部分都是可选的。
各部分功能如下：

• ID3v2 在文件开始的位置，包含了作者、作曲、专辑等信息，长度不固定，扩展了ID3v1 的信息量，可以存储歌词，该专辑的图片等大容量的信息。
• 一系列的音频数据的帧，在文件的中间位置，个数由文件大小和帧长决定。
  每个帧的长度可能不固定，也可能固定，由位率bitrate决定。
  每个帧又分为帧头和数据实体两部分。
  帧头记录了mp3 的位率、采样率、版本等信息，每个帧之间相互独立。
• ID3v1在文件结尾的位置，包含了作者、作曲、专辑等信息，长度为128Byte。

MP3文件构成按照下面结构顺序存储：

mp3_file
{
    // if existed
    ID3v2_Tag

    // at least one audio_frame decided by file size
    for (;!file_eof;)
        audio_frame

    // if existed
    ID3v1_Tag
}

之所以在MP3文件格式中添加ID3 Tag信息主要是因为原始的MP3音频帧格式不支持存储任何附加信息，为了提供针对MP3的描述信息，分别引入了ID3v1标准（1996年）、ID3v2标准（1998年）。ID3v1是一组附加在MP3文件后面的数据，位于文件结尾，它的长度是固定的128字节，该字段以"TAG"字符串作为开头。ID3v2位于MP3文件开头，并以帧的形式存储多个音频元数据，该字段必须以"ID3"作为开头，长度不定。
关于这两个字段的介绍建议参考ID3。

音频帧的构成

音频帧包含两部分：帧头和帧数据。
这里需要说明下，每个音频帧都是可以单独解码的。每一帧都包含完整的可解码信息，实际文件中可能变更编码信息。

音频帧头

音频帧头长度固定为4 Byte（32位），前12 bit固定是同步字节，其值为0xFFF。
对于固定位率的MP3文件，所有帧的帧头格式一样其数据结构如下：

typedef FrameHeader {
    unsigned int sync: 11;                //同步信息
    unsigned int version: 2;              //版本
    unsigned int layer: 2;                //层
    unsigned int protection_bit: 1;       //CRC校验
    unsigned int bitrate_index: 4;        //位率
    unsigned int sampling_frequency: 2;   //采样频率
    unsigned int padding: 1;              //帧长调节
    unsigned int private: 1;              //保留字
    unsigned int mode: 2;                 //声道模式
    unsigned int mode extension: 2;       //扩充模式
    unsigned int copyright: 1;            //版权
    unsigned int original: 1;             //原版标志
    unsigned int emphasis: 2;             //强调模式
}HEADER, *LPHEADER;

若protection_bit为1，则还要帧头最后添加16 bit的校验位。也可以参考下表：

Bits Meaning Value Note

1-12 Sync word 111111111111
13 Version 1 1 = MPEG-1
14-15 Layer 01 01 = Layer 3
16 protection_bit 1 1 = No
17-20 Bit rate 1000 1000 = 128 kbps
21-22 Frequency 00 00 = 44100 Hz
23 Pad bit 0 0 = Frame is no padded
24 Priv. bit 0 Unkown
25-26 Mode 01 Joint stereo
27-28 Mode extension 00 00 = Intensity and MS off
29 Copyright 0 0 = Not copyrighted
30 Original 0 0 = Not original
31-32 Emphasis 00 00 = None

一个音频帧的长度可以通过下面方式计算：
MP3帧长取决于位率和频率，计算公式为：

mpeg1.0  layer1 :   帧长= (48000*bitrate)/sampling_freq + padding
         layer2&3:  帧长= (144000*bitrate)/sampling_freq + padding

mpeg2.0  layer1 :   帧长= (24000*bitrate)/sampling_freq + padding
         layer2&3 : 帧长= (72000*bitrate)/sampling_freq + padding

也可以直接使用同步字节切分比特流。

音频帧数据

目前比较多的MP3文件都是采用固定码率的编码（CBR）方式，其帧长度是固定的。也有一种VBR的格式，建议参考MP3文件格式简介。

参考资料

1. ISO 11172-3 MPEG Audio specification
2. ISO 13818_CHS_MPEG-2标准
3. https://zh.wikipedia.org/wiki/ID3
4. http://baike.baidu.com/link?url=w03WYIssuVFLjrhjztMlWqxkQW5Lt-4k4sEd7HcpJhSqy1VLR1HUQKaXxB4ZHa_qLOvdYy56kAX-WwLmNh8ola
5. http://www.cnblogs.com/watertao/archive/2011/11/08/2241774.html
6. http://blog.csdn.net/fulinwsuafcie/article/details/8972346#t13