音频格式之flac

        flac（Free Lossless Audio Codec）是一种无损压缩格式，压缩后音质和原 WAV 无损音频完全一致，解压后比特流 100% 还原，没有音质损失。 flac官网：FLAC – What is FLAC?

一 、flac整体格式介绍

┌─────────────────────────────────────────────────────────────────┐
│ FLAC 文件结构 │
├─────────────────────────────────────────────────────────────────┤
│ 4 bytes: Stream Sync ("fLaC" = 0x664C6143) │
├─────────────────────────────────────────────────────────────────┤
│ Metadata Blocks (可变数量) │
│ ├── STREAMINFO (必需，第一个) │
│ ├── PADDING （可选） │
│ ├── APPLICATION （可选） │
│ ├── SEEKTABLE （可选） │
│ ├── VORBIS_COMMENT （可选） │
│ ├── CUESHEET （可选） │
│ └── PICTURE （可选） │
├─────────────────────────────────────────────────────────────────┤
│ Audio Frames (多个) │
│ ├── Frame Header │
│ ├── Subframes (每个通道一个) │
│ └── Frame Footer (CRC-16) │
└─────────────────────────────────────────────────────────────────┘

     flac音频格式主要由header、metadata和audio frame三个大块组成。

1.1，header

占用4字节，固定为字符串 ：flac   （0x66 0x4C 0x61 0x43），主要用于快速识别这标准文件FLAC文件。

1.2，元数据（Metadata Block）

        元数据紧靠flac头，按顺序排列，至少有一个STREAMINFO 块，并且STREAMINFO块必须第一个出现。

元数据统一格式：

block： block header（1 字节）+ block size（3 字节大端）+ block playload

block header： endbit（1bit） + Meta type（7bit）

1.3 Audio Frame

元数据结束后全是连续音频帧，每帧独立可解码，无需依赖前后帧（关键特性：帧独立，损坏仅单帧失效）

单帧结构： 帧头 Frame Header（可变） → 子帧Subframe(每个声道1个) → 帧尾CRC16校验

Audio Frame代表一个帧，每个帧由帧头，子帧，和CRC校验组成，其中子帧是一个声道一个。

二、元数据子块详解

2.1 STREAMINFO

├─────────────────────────────────────────────────────────────────┤
│ 字节 0-3: 元数据块头部 │
│ ├─ bit 0: is_last (0/1) │
│ ├─ bits 1-7: type = 0 (PADDING) │
│ └─ bits 8-31: length (Meta 字节数, 24位) │
├─────────────────────────────────────────────────────────────────┤

字节偏移: 0 1 2 3
位偏移: 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7
┌─────────────────────────────────────────────────────────────────────────────────────┐
│ min_blocksize (16 bits) │
│ [0-15] │
├─────────────────────────────────────────────────────────────────────────────────────┤
│ max_blocksize (16 bits) │
│ [16-31] │
├─────────────────────────────────────────────────────────────────────────────────────┤
│ min_framesize (24 bits) │
│ [32-55] │
├─────────────────────────────────────────────────────────────────────────────────────┤
│ max_framesize (24 bits) │
│ [56-79] │
├─────────────────────────────────────────────────────────────────────────────────────┤
│ sample_rate (20 bits) │ channels (3) │ bits_per_sample (5) │
│ [80-99] │ [100-102] │ [103-107] │
├─────────────────────────────────────────────────────────────────────────────────────┤
│ total_samples (36 bits) │
│ [108-143] │
├─────────────────────────────────────────────────────────────────────────────────────┤
│ md5sum (128 bits = 16 bytes) │
│ [144-271] │
└─────────────────────────────────────────────────────────────────────────────────────┘

1, min_blocksize / max_blocksize

位范围: 0-15 (min), 16-31 (max) 值范围: 16 ~ 65535 单位: 采样数/帧

• 块大小指每帧包含的采样数
• FLAC 支持可变块大小，允许编码器根据音频复杂度动态调整
• 典型值：4096、4608（CD 质量常用）

2.2 min_framesize / max_framesize

位范围: 32-55 (min), 56-79 (max) 值范围: 0 ~ 16777215 (24位) 单位: 字节/帧

• 帧大小指压缩后的帧字节数
• 0 表示未指定（编码器可能无法确定精确范围）

3,sample_rate（采样率）

位范围: 80-99 (20 bits) 值范围: 1 ~ 1048575 Hz

支持的采样率覆盖范围非常广：

• 常见：8kHz（电话）、16kHz（语音）、44.1kHz（CD）、48kHz（数字音频）、96kHz（高解析）

4, channels（通道数）

位范围: 100-102 (3 bits) 值范围: 1 ~ 8 计算方式: channels = (raw_value + 1)

 从单声道到7.1声道， 具体可以参考AC3的声道映射表。

5，bits_per_sample（位深）

位范围: 103-107 (5 bits) 值范围: 4 ~ 32 bits 计算方式: bits_per_sample = (raw_value + 1)

支持 4-32 位采样精度，常见值：16-bit（CD）、24-bit（高解析）

6，total_samples（总采样数）

位范围: 108-143 (36 bits) 值范围: 0 ~ 2^36 – 1

• 用于计算音频总时长：duration = total_samples / sample_rate
• 0 表示未知长度（流式传输时可能无法预先知道）

7 md5sum（MD5 校验和）

位范围: 144-271 (128 bits = 16 bytes)
用途: 验证解码后音频与原始音频的一致性

• 对原始 PCM 数据（去除 WAV 头）计算 MD5
• 解码完成后可用于校验数据完整性

2.2 PADDING

┌─────────────────────────────────────────────────────────────────┐
│ PADDING 元数据块结构 │
├─────────────────────────────────────────────────────────────────┤
│ 字节 0-3: 元数据块头部 │
│ ├─ bit 0: is_last (0/1) │
│ ├─ bits 1-7: type = 1 (PADDING) │
│ └─ bits 8-31: length (padding 字节数, 24位) │
├─────────────────────────────────────────────────────────────────┤
│ 字节 4-(4+length-1): padding 数据 │
│ └─ 全部为 0x00 字节（或任意值，解码器忽略） │
└─────────────────────────────────────────────────────────────────┘

2.3 APPLICATION

存储应用程序专用数据，APPLICATION 块为 FLAC 格式提供了高度灵活的扩展机制，允许开发者在不破坏兼容性的前提下添加自定义功能。

┌─────────────────────────────────────────────────────────────────┐
│ APPLICATION 元数据块结构 │
├─────────────────────────────────────────────────────────────────┤
│ 字节 0-3: 元数据块头部 │
│ ├─ bit 0: is_last (0/1) │
│ ├─ bits 1-7: type = 2 (APPLICATION) │
│ └─ bits 8-31: length (块数据总长度 = 4 + data_length) │
├─────────────────────────────────────────────────────────────────┤
│ 字节 4-7: Application ID (4 bytes) │
│ └─ 通常为 ASCII 字符串，如 "EXIF"、"CUES" 等 │
├─────────────────────────────────────────────────────────────────┤
│ 字节 8-(8+data_length-1): 应用程序数据 │
│ └─ 格式由 Application ID 的所有者定义 │
└─────────────────────────────────────────────────────────────────┘

2.4 SeekTable 定位

seekTable 是 FLAC 实现高效音频定位的关键组件，通过预计算索引点，将随机访问的时间复杂度从 O(n) 降低到 O(log n)，显著提升了用户体验。

┌─────────────────────────────────────────────────────────────────┐
│ SeekTable 元数据块结构 │
├─────────────────────────────────────────────────────────────────┤
│ 字节 0-3: 元数据块头部 │
│ ├─ bit 0: is_last (0/1) │
│ ├─ bits 1-7: type = 3 (SEEKTABLE) │
│ └─ bits 8-31: length (块数据总长度 = num_points × 18) │
├─────────────────────────────────────────────────────────────────┤
│ SeekPoint 数组（每个 18 字节） │
│ ├─ SeekPoint[0] │
│ │ ├─ sample_number (8 bytes) │
│ │ ├─ stream_offset (8 bytes) │
│ │ └─ frame_samples (2 bytes) │
│ ├─ SeekPoint[1] │
│ │ └─ … │
│ └─ SeekPoint[num_points-1] │
│ └─ … │
└─────────────────────────────────────────────────────────────────┘

2.5 VorbisComment

存储文本标签（艺术家、标题、专辑等），灵活、易读、扩展性强

┌─────────────────────────────────────────────────────────────────┐
│ VorbisComment 块结构 │
├─────────────────────────────────────────────────────────────────┤
│ 字节 0-3: 元数据块头部 │
│ ├─ bit 0: is_last (0/1) │
│ ├─ bits 1-7: type = 4 (VORBIS_COMMENT) │
│ └─ bits 8-31: length │
├─────────────────────────────────────────────────────────────────┤
│ Vendor String: │
│ ├─ 4 bytes: vendor_length (32-bit LE) │
│ └─ vendor_length bytes: vendor string (UTF-8) │
├─────────────────────────────────────────────────────────────────┤
│ Comments: │
│ ├─ 4 bytes: num_comments (32-bit LE) │
│ └─ num_comments × Comment Entry: │
│ ├─ 4 bytes: entry_length (32-bit LE) │
│ └─ entry_length bytes: "NAME=VALUE" (UTF-8) │
└─────────────────────────────────────────────────────────────────┘

2.6  CueSheet

定义音轨边界和索引点，精确到采样级，支持 CD-DA 标准

┌─────────────────────────────────────────────────────────────────┐
│ CueSheet 块结构 │
├─────────────────────────────────────────────────────────────────┤
│ 字节 0-3: 元数据块头部 │
│ ├─ bit 0: is_last (0/1) │
│ ├─ bits 1-7: type = 5 (CUESHEET) │
│ └─ bits 8-31: length │
├─────────────────────────────────────────────────────────────────┤
│ 128 bytes: media_catalog_number (ASCII, 右填充 NUL) │
├─────────────────────────────────────────────────────────────────┤
│ 8 bytes: lead_in (64-bit BE) │
├─────────────────────────────────────────────────────────────────┤
│ 1 byte: is_cd (0/1) │
├─────────────────────────────────────────────────────────────────┤
│ 258 bytes: reserved (必须为 0) │
├─────────────────────────────────────────────────────────────────┤
│ 1 byte: num_tracks (1-100) │
├─────────────────────────────────────────────────────────────────┤
│ num_tracks × Track Structure: │
│ ├─ 8 bytes: track_offset (64-bit BE) │
│ ├─ 1 byte: track_number (1-99, 170=lead-out) │
│ ├─ 12 bytes: isrc (ASCII) │
│ ├─ 1 byte: track_type (bit 0) + pre_emphasis (bit 1) │
│ ├─ 13 bytes: reserved │
│ ├─ 1 byte: num_indices │
│ └─ num_indices × Index Structure: │
│ ├─ 8 bytes: index_offset (64-bit BE) │
│ ├─ 1 byte: index_number (0-99) │
│ └─ 3 bytes: reserved │
└─────────────────────────────────────────────────────────────────┘

2.7 Picture

存储封面图片和其他图像，支持多种图片格式，可存储多个图片

MIME type = "image/jpeg"  → JPEG 格式 MIME type = "image/png"   → PNG 格式 MIME type = "–>"         → 图片 URL（data 字段为 URL 字符串）

┌─────────────────────────────────────────────────────────────────┐
│ Picture 块结构 │
├─────────────────────────────────────────────────────────────────┤
│ 字节 0-3: 元数据块头部 │
│ ├─ bit 0: is_last (0/1) │
│ ├─ bits 1-7: type = 6 (PICTURE) │
│ └─ bits 8-31: length │
├─────────────────────────────────────────────────────────────────┤
│ 4 bytes: picture_type (32-bit BE) │
├─────────────────────────────────────────────────────────────────┤
│ MIME Type: │
│ ├─ 4 bytes: mime_type_length (32-bit BE) │
│ └─ mime_type_length bytes: MIME type string │
├─────────────────────────────────────────────────────────────────┤
│ Description: │
│ ├─ 4 bytes: description_length (32-bit BE) │
│ └─ description_length bytes: description (UTF-8) │
├─────────────────────────────────────────────────────────────────┤
│ 4 bytes: width (32-bit BE) │
├─────────────────────────────────────────────────────────────────┤
│ 4 bytes: height (32-bit BE) │
├─────────────────────────────────────────────────────────────────┤
│ 4 bytes: depth (32-bit BE) │
├─────────────────────────────────────────────────────────────────┤
│ 4 bytes: colors (32-bit BE) │
├─────────────────────────────────────────────────────────────────┤
│ Picture Data: │
│ ├─ 4 bytes: data_length (32-bit BE) │
│ └─ data_length bytes: 图片二进制数据 │
└─────────────────────────────────────────────────────────────────┘

2.7 Unknow

   用户可以根据自己的需要自定义类型ID， 和用途，扩展音频的扩展信息。

三、Audio Fame

3.1 Frame 概览

┌─────────────────────────────────────────────────────────────────┐
│ FLAC Audio Frame │
├─────────────────────────────────────────────────────────────────┤
│ Frame Header (可变长度，14-52 bits) │
│ ├─ Sync Code (14 bits: 0b11111111111110) │
│ ├─ Reserved (1 bit: 0) │
│ ├─ Blocking Strategy (1 bit) │
│ ├─ Block Size (4 bits) │
│ ├─ Sample Rate (4 bits) │
│ ├─ Channel Assignment (4 bits) │
│ ├─ Bits per Sample (3 bits) │
│ ├─ Reserved (1 bit: 0) │
│ └─ Frame Number / Sample Number (可变) │
│ └─ CRC-8 (8 bits) │
├─────────────────────────────────────────────────────────────────┤
│ Subframes (每个通道一个，可变长度) │
│ ├─ Subframe 0 (通道 0) │
│ ├─ Subframe 1 (通道 1) │
│ ├─ … │
│ └─ Subframe N-1 (通道 N-1) │
├─────────────────────────────────────────────────────────────────┤
│ Frame Footer │
│ └─ CRC-16 (16 bits) │
└─────────────────────────────────────────────────────────────────┘

3.2 Frame Header

位偏移: 0 14 15 16 20
┌────────────────┬────────┬────────┬────────┬────────┬────────┐
│ Sync Code │Reserved│ Block │ Sample │Channel │ Bits │
│ (14 bits) │ (1 bit)│ Size │ Rate │Assign │ per │
│ 0b11111111111110│ │(4 bits)│(4 bits)│(4 bits)│Sample │
│ │ │ │ │ │(3 bits)│
└────────────────┴────────┴────────┴────────┴────────┴────────┘
位偏移: 23 24 36+
┌────────┬──────────────────────────────────────────────────┐
│Reserved│ Frame/Sample Number (8-36 bits) │
│ (1 bit)│ │
└────────┴──────────────────────────────────────────────────┘
位偏移: 36+/40+
┌────────┐
│ CRC-8 │
│(8 bits)│
└────────┘

3.2.1 sync Code

解码器通过寻找这个特定的位模式来定位帧的起始位置。

位长度: 14 bits
固定值: 0b11111111111110 (0x3FFE)
用途: 帧同步标识

3.2.2 Block Size (4 bits)

特殊编码（1000-1010）：

3.2.3 Sample Rate (4 bits)

特殊编码（1000-1011）：

3.2.4 Channel Assignment (4 bits)

立体声编码模式：

Left+Side:
Left = Left_original
Right = Left_original – Side

Right+Side:
Right = Right_original
Left = Right_original – Side

Mid+Side:
Mid = (Left + Right) / 2
Side = (Left – Right) / 2

3.2.5 Bits per Sample (3 bits)

特殊编码：

3.2.6 Frame Number / Sample Number

长度: 可变（取决于编码方式）
类型选择:
– frame_number: 帧编号（较小值，适合短文件）
– sample_number: 采样编号（较大值，适合长文件）

编号编码规则：

3.2.7 CRC-8 校验

多项式: x^8 + x^2 + x^1 + x^0
初始值: 0
覆盖范围: 整个帧头（从 sync code 到编号字段）

3.3 SubFrame 详细解析

3.3.1 通用结构

所有的子帧都符合以下格式：

┌─────────────────────────────────────────────────────────────┐
│ SubFrame 结构 │
├─────────────────────────────────────────────────────────────┤
│ SubFrame Header (10-12 bits) │
│ ├─ Zero Padding (1 bit: 0) │
│ ├─ Type (6 bits) │
│ └─ Wasted Bits Flag (1 bit) + Wasted Bits (0-4 bits) │
├─────────────────────────────────────────────────────────────┤
│ SubFrame Data (可变长度) │
│ └─ 取决于具体类型 │
└─────────────────────────────────────────────────────────────┘

Type 字段的位编码：

3.3.2 CONSTANT SubFrame

┌─────────────────────────────────────────────────────┐
│ CONSTANT SubFrame 完整位布局 │
├─────────────────────────────────────────────────────┤
│ Header (8 bits): │
│ bit 0: zero_padding = 0 │
│ bits 1-6: type = 0x00 (CONSTANT) │
│ bit 7: wasted_bits_flag = 0 │
├─────────────────────────────────────────────────────┤
│ Data: │
│ value (bits_per_sample bits) │
└─────────────────────────────────────────────────────┘

• 静音段：音频中的静音部分，所有采样值为 0
• DC 偏移：所有采样值相同的信号
• 测试信号：固定频率的方波等

3.3.3 VERBATIM SubFrame

┌─────────────────────────────────────────────────────┐
│ VERBATIM SubFrame 完整位布局 │
├─────────────────────────────────────────────────────┤
│ Header (8 bits): │
│ bit 0: zero_padding = 0 │
│ bits 1-6: type = 0x01 (VERBATIM) │
│ bit 7: wasted_bits_flag = 0 │
├─────────────────────────────────────────────────────┤
│ Data: │
│ raw_samples (blocksize × bits_per_sample bits) │
└─────────────────────────────────────────────────────┘

• 随机噪声：无法预测的信号（如白噪声）
• 复杂瞬态：鼓声、打击乐等突发信号
• 已压缩数据：已加密或已压缩的音频片段

3.3.4 FIXED SubFrame

┌─────────────────────────────────────────────────────┐
│ FIXED SubFrame 完整位布局 │
├─────────────────────────────────────────────────────┤
│ Header (8-13 bits): │
│ bit 0: zero_padding = 0 │
│ bits 1-6: type = 0x02-0x1F (FIXED + order) │
│ bit 7: wasted_bits_flag │
│ bits 8-12: wasted_bits (if flag=1) │
├─────────────────────────────────────────────────────┤
│ Warmup Samples: │
│ order × bits_per_sample bits │
├─────────────────────────────────────────────────────┤
│ Residual Data (Rice 编码): │
│ (blocksize – order) 个残差值 │
└─────────────────────────────────────────────────────┘

• 音乐信号：大多数音乐具有良好的相关性
• 语音信号：人声具有较强的预测性
• 周期性信号：乐器演奏的持续音

FIXED 使用固定系数的线性预测，系数由阶数决定：

3.3.5LPC SubFrame（线性预测编码）

┌─────────────────────────────────────────────────────┐
│ LPC SubFrame 完整位布局 │
├─────────────────────────────────────────────────────┤
│ Header (17-22 bits): │
│ bit 0: zero_padding = 0 │
│ bits 1-6: type = 0x40-0x7F (LPC + order) │
│ bit 7: wasted_bits_flag │
│ bits 8-12: wasted_bits (if flag=1) │
│ bits 13-16: qlp_coeff_precision (4 bits) │
│ bits 17-21: quantization_level (5 bits) │
├─────────────────────────────────────────────────────┤
│ LPC Coefficients: │
│ order × qlp_coeff_precision bits │
├─────────────────────────────────────────────────────┤
│ Warmup Samples: │
│ order × bits_per_sample bits │
├─────────────────────────────────────────────────────┤
│ Residual Data (Rice 编码): │
│ (blocksize – order) 个残差值 │
└─────────────────────────────────────────────────────┘

LPC 使用自适应系数的线性预测：

预测公式:
predictor[n] = Σ(qlp_coeff[i] × sample[n-i-1]) / 2^quantization_level

残差计算:
residual[n] = actual[n] – predictor[n]

编码器使用自相关法计算 LPC 系数步骤:
1. 计算自相关函数 R[k] = Σ(sample[i] × sample[i+k])
2. 解 Yule-Walker 方程得到 LPC 系数
3. 量化系数并确定精度