音频知识之OGG格式分析

一. OGG音频格式概述

Ogg是一个自由且开放标准的容器格式，由Xiph.Org基金会所维护。Ogg格式并不受到软件专利的限制，并设计用于有效率地流媒体和处理高品质的数字多媒体。

“Ogg”意指一种文件格式，可以纳入各式各样自由和开放源代码的编解码器，包含音效、视频、文字（像字幕）与元数据的处理。

在Ogg的多媒体框架下，Theora提供有损的图像层面，而通常用音乐导向的Vorbis编解码器作为音效层面。针对语音设计的压缩编解码器Speex和无损的音效压缩编解码器FLAC与OggPCM也可能作为音效层面使用。

“Ogg”这个词汇通常意指Ogg Vorbis此一音频文件格式，也就是将Vorbis编码的音效包含在Ogg的容器中所成的格式。在以往，.ogg此一扩展名曾经被用在任何Ogg支持格式下的内容；但在2007年，Xiph.Org基金会为了向后兼容的考量，提出请求，将.ogg只留给Vorbis格式来使用。Xiph.Org基金会决定创造一些新的扩展名和媒体格式来描述不同类型的内容，像是只包含音效所用的.oga、包含或不含声音的影片（涵盖Theora）所用的.ogv和程序所用的.ogx。

OGGVobis(oggVorbis)是一种新的音频压缩格式，类似于MP3等的音乐格式。OggVobis是完全免费、开放和没有专利限制的。OggVorbis文件的扩展名是.OGG。Ogg文件格式可以不断地进行大小和音质的改良，而不影响旧有的编码器或播放器。OGG Vorbis有一个特点是支持多声道。

 

 

二. OGG音频格式剖析

1.        OGG文件的组织形式

OGG是以页（page）为单位将逻辑流组织链接起来，每个页都有pageheader和pagedata。

2.        OGG page页结构

每个页之间相互独立，都包含了各自应有的信息，页的大小是可变的，通常为4K－8KB，最大值不能超过65307bytes（27＋255＋255*255=65307）。

1)       页标识：ASCII字符，0x4f  'O'  0x67  'g'   0x67 'g'  0x53 'S'，4个字节大小，它标识着一个页的开始。其作用是分离Ogg封装格式还原媒体编码时识别新页的作用。

2)       版本id：一般当前版本默认为0，1个字节。

3)       Header_type：标识当前的页的类型，1个字节，

0x01：本页媒体编码数据与前一页属于同一个逻辑流的同一个packet，若此位没有设，表示本页是以一个新的packet开始的；

0x02：表示该页为逻辑流的第一页，bos标识，如果此位未设置，那表示不是第一页；

0x04：表示该页位逻辑流的最后一页，eos标识，如果此位未设置，那表示本页不是最后一页。

4)       Granule_position：媒体编码相关的参数信息，8个字节，对于音频流来说，它存储着到本页为止逻辑流在PCM输出中采样码的数目，可以由它来算得时间戳。对于视频流来说，它存储着到本页为止视频帧编码的数目。若此值为-1，那表示截止到本页，逻辑流的packet未结束。(小端)

5)       Serial_number：  当前页中的流的id，4个字节，它是区分本页所属逻辑流与其他逻辑流的序号，我们可以通过这个值来划分流。(小端)

6)       Page_seguence：本页在逻辑流的序号，4个字节。OGG解码器能据此识别有无页丢失。

7)       CRC_cbecksum：循环冗余校验码校验和，4个字节，包含页的32bit CRC校验和（包括头部零CRC校验和页数据校验），它的产生多项式为：0x04c11db7。

8)       Num _segments：给定本页在segment_table域中出现的segement个数，1个字节。其最大值为255.页最大物理尺寸为65307bytes,小于64KB。

9)       Segment_table：  从字面看它就是一个表，表示着每个segment的长度，取值范围是0~255。

    由segment可以得到packet的值，每个packet的大小是以最后一个不等于255的segment结束的，从页头中的segment_table可以得到每个packet长度，举例：如果一组segment依次顺序为FF 45 FF FF FF 40 FF 5 FF FF FF66，那么第一个packet的长度为255+69 = 324,第二个packet大小829，同理

 

页头基本上就是由上述的参数组成，由此我们可以得到页头的长度和整个页的长度：

header_size  = 27+Num_segments;（byte）

page_size = header_size +segment_table中每个segment的大小;

例如：

0000: 4F 67 67 53 00 02 00 00 00 00 00 00 00 00 82 78   OggS..........倄
0010: 00 00 00 00 00 00 12 85 4E 81 01 1E 01 76 6F 72   .......匩....vor
0020: 62 69 73 00 00 00 00 01 44 AC 00 00 FF FF FF FF   bis.....D.......
0030: 00 F4 01 00 FF FF FF FF B8 01 4F 67 67 53 00 00   ..........OggS..
0040: 00 00 00 00 00 00 00 00 82 78 00 00 01 00 00 00   ........倄......
0050: CC 63 C9 DB 0F 4D FF FF FF FF FF FF FF FF FF FF   蘡邵.M..........
0060: FF FF FF E8 03 76 6F 72 62 69 73 1D 00 00 00 58   .....vorbis....X
0070: 69 70 68 2E 4F 72 67 20 6C 69 62 56 6F 72 62 69   iph.Org libVorbi
0080: 73 20 49 20 32 30 30 34 30 36 32 39 01 00 00 00   s I 20040629....
0090: 1C 00 00 00 45 4E 43 4F 44 45 52 3D 41 64 6F 62   ....ENCODER=Adob
00A0: 65 28 52 29 20 41 75 64 69 74 69 6F 6E 28 52 29   e(R) Audition(R)
00B0: 01 05 76 6F 72 62 69 73 29 42 43 56 01 00 08 00   ..vorbis)BCV....


0000-0039：第一页
0000-001B：页头部
0000-0003＝4F 67 67 53：页标识，OggS的Ascii字符
0004＝00：版本号为0
0005＝02：页头部类型：本页为逻辑流的第一页bos
0006-000D＝0：区段位置为0
000E-0011＝82 78 00 00：逻辑流ID
0012-0015＝0：本页在逻辑流中的序号为0
0016-0019＝12 85 4E 81：循环冗余校验码校验和
001A＝01：区段表中有1个区段
001B＝1E：区段表中的区段长度为 1E
001C-0039：页数据（0039＝1C+1E-1）
001C＝01:包头类型为标识包，包长度为1E（001C-0039），是区段表中区段的长度
001D-0022＝76 6F 72 62 69 73：包头标识，vorbis的Ascii码
0023-0026＝0：版本号为0
0027＝01：单声道
0028-002B＝44 AC 00 00：音频采样率为44.1KHZ（&HAC44=44100）
002C-002F＝FF FF FF FF：最大比特率未设置
0030-0033＝00 F4 01 00：标称比特率
0034-0037＝FF FF FF FF：最小比特率未设置
0038＝B8：块大小0为二进制的1011，块大小1为二进制的1000
0039＝01：标识包结束
003A-0E8B：第二页
003A-0063：页头部
003A-003D＝4F 67 67 53：页标识，OggS的Ascii字符
003E＝00：版本号为0
003F＝00：页头部类型：本页为新包，不是逻辑流的第一页，也不是最后一页
0040-0047＝0：区段位置为0
0048-004B＝82 78 00 00：逻辑流ID
004C-004F＝01 00 00 00：本页在逻辑流中的序号为1
0050-0053＝CC 63 C9 DB：循环冗余校验码校验和
0054＝0F：区段表中有15个区段
0055-0063＝4D FF FF FF FF FF FF FF FF FF FF FF FF FF E8：区段表中15个区段的长度
0064-0E8B：页数据（0E8B＝64+4D+FF*D+E8-1）
0064＝03:包头类型为注释包，包长度为4D（0064-00B0），是区段表中第1个区段的长度
0065-006A＝76 6F 72 62 69 73：包头标识，vorbis的Ascii码
006B-006E＝1D 00 00 00：制作软件信息]的长度为29字节
006F-008B＝制作软件信息字符串：Xiph.Org libVorbis I 20040629
008C-008F＝01 00 00 00：保留字节
0094-00AF＝注释[1]字符串：ENCODER=Adobe(R) Audition(R)
00B0＝01:注释包结束
00B1＝05：包头类型为装备包
00B2-00B7＝76 6F 72 62 69 73：包头标识，vorbis的Ascii码