silk格式怎么转换成wma

在SILK编码库的SDK内，test目录下，有一个Decoder.c文件，为解码的示例文件，编译后它能直接解码SILK格式的音频文件：SILK文件格式以"#!SILK_V3"开始，之后为一帧帧语音内容块，每帧帧长占两字节，后为帧内容，因为SILk编码是变长编码，所以每帧长度不同。

在各个test_vectors\bitstream目录下的.bit文件，即为SILK格式文件，可以被解码程序Decoder.c支持。解码程序将SILK文件解码为PCM流文件，但缺少WAV头，无法直接用播放器播放。如果需要使解码后的PCM流能够播放，则需要PCM流前面添加WAV头。

对微信语音短消息，WAV头赋值如下(pcmsize为PCM流的字节数)：whead.DataLen = pcmsizememcpy(whead.Riff,"RIFF",4)memcpy(whead.Format,"WAVE",4)memcpy(whead.SubChunkID,"fmt ",4)memcpy(whead.Data,"data",4)whead.ChunkSize =whead.DataLen+44-8whead.SubChunkSize = 0x10whead.AudioFormat = 1whead.NumChannels = 1whead.SampleRate = DecControl.API_sampleRatewhead.BitsPerSample = 16whead.BlockAlign = whead.NumChannels*whead.BitsPerSample/8whead.ByteRate = whead.SampleRate*whead.BlockAlign

其中NumChannels、SampleRate和BitsPerSample等参数需要根据具体情况进行填充，否则，声音会很怪异。

在语音相关的协议还原中，经常会遇到语音编码的问题，通常语音编码的数据无法直接展示，需要转换成WAV，MP3等格式，才能播放。这个转换过程，是首先将音频编码数据使用对应解码库解码为PCM流，然后再将PCM流根据封装格式的要求，进行编码封装，最后得到可供通用播放器支持的编码和格式。

音频编码有很多，各有特色，本文首选介绍目前最流行的SILK编码。SILK编码最早在Skype中使用，它在编码效率和质量之间取得了很好的平衡，因此被广泛应用在互联网的音频相关产品中，目前广泛使用的是SILK V3。

腾讯系产品，包括QQ、微信、小程序，在语音相关的实现中，也大量使用到SILK编码，并且，部分功能是直接让未加密的语音流在网络中传输，这是协议还原很感兴趣的部分。毕竟，腾讯的产品防守相当严密，不宜突破。

        ① 它是一个FST；

        ② 输入：transition-ids      输出：词

        ③ 权重（weights）：图代价（ graph cost ） +  声学代价 （ acoustic cost ）

    2、 CompactLattice （本质上包含了和Lattice相同的信息）

        ① 它是acceptor（输入域输出符号始终相同，均为词）

        ② 权重（weights）: 一对浮点数（Lattice中的权重 ）+ 一个整数序列（transition-ids）

    3、读取 Lattice 和 CompactLattice 均可用 SequentialLatticeReader。

          两者之间转换可使用 ConvertLattice()

    4、Lattice 和 CompactLattice 类型被当做数据结构来表示传统的网络，也用于表示 N-best 列表

    5、网络上很多算法（如取最优路径，或剪枝）用Lattice 类型比 CompactLattice 类型效率更高。

          这是因为 CompactLattice 类型的权重包括了transition-ids 序列（比较难处理）。

          像取最有路径的 *** 作，会将权重相乘，对应着序列相加 。

    6、对很多算法来说，时间复杂度是网格长度的平方

    7、Lattices 通常以 CompactLattice 的形式存储在 archive（档案）

          而且惯例是 acoustic weights 不采用缩放（存储的时候不缩放）

          所以当对 acoustic weights 做敏感的运算（如剪枝），对应的命令行会有 --acoustic-scale 选项 （在 thch30     例子中是0.1 or 0.08333333），并在进行运算前缩放，运算结束后缩放回来。

     ps: 思考：根据第7点，调节 --acoustic-scale 参数对模型调优有没有帮助？

    1、 LexicographicWeight 首先比较第一个元素并用第二个元素打破平局

    2、 LatticeWeight  首先比较和值，用差值打破平局

    3、根据 1和2 可知，LatticeWeight(a,b) 与 LexicographicWeight(a+b, a-b)等价

    4、LatticeWeight 的意图是取总代价（graph+acoustic cost）最小的，同时分别记住 graph cost 和 acoustic cost

    5、之所以不用 LexicographicWeight 代替 LatticeWeight 是因为 （graph+acoustic cost， acoustic cost）这样定义有些混乱

    1、目前，生成 lattice 的唯一解码器是定义在 decoder/lattice-simple-decoder.h 中的类 LatticeSimpleDecoder ，它被 gmm-latgen-simple.cc 中调用

    2、LatticeSimpleDecoder 是由 SimpleDecoder 修改得到的

          SimpleDecoder 是 Veterbi beam search 算法的一个直接实现，只有一个可调参数 ： pruning beam

          LatticeSimpleDecoder 有一个更重要的可调参数： lattice beam （也可称为 lattice-delta ），一般比 pruning     beam 小

    3、基本框架是：

        ① LatticeSimpleDecoder 先生成一个状态级网络；

        ② 然后用 lattice-delta 剪枝；

        ③ 最后执行 determinization算法，对每个词序列仅保留最优路径

    4、在 SimpleDecoder 中，有引用计数的回溯（reference-counted tracebacks）

        在 LatticeSimpleDecoder 中，单个回溯是不够的，因为网格具有更复杂的结构。

        实际上，存储前向链接比后向链接更方便。

        为了释放 lattice-delta pruning（剪枝） 时不需要的链接，我们需要做的比引用计数更多，实际上也没有做引用计数。

    1、 pruning lattices （剪枝）

        网格可以用一个设定的 pruning beam 来剪枝。这会去掉和网格中最优路径的代价相差不够小的那部分 arcs(弧) 和 states

      2、 lattice composition （组合）

    ① 组合网格

        这是在转换器（tansducer）形式下完成的。例如可以把网格看做 transition-ids 到 words 的一个转换器

    ② 组合网格和一个固定的FST （是指网格和 HCLG.fst 的组合吗？）

        为了这个目的， FST 被动态地转换为网格；FST的权重解释为网格权重的 "graph part"

    3、有些时候我们不需要网格结构而是需要最佳路径或 N-best 路径

        N-best 列表的格式和网格一样，除了每个句子有多个 FSTs （如果设定了n,最多 n 个）

    4、如果想要网格的时间信息

        ① LatticeStateTimes 函数 （for lattice）

        ② CompactLatticeStateTimes 函数 （for CompactLattice）

    根据之前看的资料，总结了一个基于 kaldi 的 ASR 和 KWS 流程，只是个人见解，可能存在不对的地方。

    1、wav2features 首先提取音频特征（训练不同的模型需要的特征不一样）

    2、提取的特征根据声学模型 (final.mdl ?) 得到 phones or HMM states

    3、根据 phones or HMM states 得到 lattices

    4、把 lattice 和 HCLG.fst 组合得到新的 FST，再从中得到 N-best 路径

    5、根据最佳路径得 ASR 解码结果；

          根据 N-best 路径搜索关键词。

* pcm2wav.c

* add wav head for pcm data

*/

#include <stdio.h>

#include <string.h>

//wav头的结构如下所示：

typedef struct {

char fccID[4]

unsigned long dwSize

char fccType[4]

}HEADER

typedef struct {

char fccID[4]

unsigned long dwSize

unsigned short wFormatTag

unsigned short wChannels

unsigned long dwSamplesPerSec

unsigned long dwAvgBytesPerSec

unsigned short wBlockAlign

unsigned short uiBitsPerSample

}FMT

typedef struct {

char fccID[4]

unsigned long dwSize

}DATA

void show_usage()

{

printf("PCM 2 WAV usage\n eg:pcm2wav pcm_file wav_file channels sample_rate bits\n")

}

int main(int argc, char **argv)

{

char src_file[128] = {0}

char dst_file[128] = {0}

int channels = 1

int bits = 16

int sample_rate = 22050

//以下是为了建立.wav头而准备的变量

HEADER pcmHEADER

FMT pcmFMT

DATA pcmDATA

unsigned short m_pcmData

FILE *fp,*fpCpy

if (argc <5)

{

show_usage()

return -1

}

sscanf(argv[1], "%s", src_file)

sscanf(argv[2], "%s", dst_file)

sscanf(argv[3], "%d", &channels)

sscanf(argv[4], "%d", &sample_rate)

if (argc>6)

{

sscanf(argv[5], "%d", &bits)

}

printf("parameter analyse succeess\n")

if((fp=fopen(src_file, "rb")) == NULL) //读取文件

{

printf("open pcm file %s error\n", argv[1])

return -1

}

if((fpCpy=fopen(dst_file, "wb+")) == NULL) //为转换建立一个新文件

{

printf("create wav file error\n")

return -1

}

//以下是创建wav头的HEADER但.dwsize未定，因为不知道Data的长度。

strcpy(pcmHEADER.fccID,"RIFF")

strcpy(pcmHEADER.fccType,"WAVE")

fseek(fpCpy,sizeof(HEADER),1)//跳过HEADER的长度，以便下面继续写入wav文件的数据

//以上是创建wav头的HEADER

if(ferror(fpCpy))

{

printf("error\n")

}

//以下是创建wav头的FMT

pcmFMT.dwSamplesPerSec=sample_rate

pcmFMT.dwAvgBytesPerSec=pcmFMT.dwSamplesPerSec*sizeof(m_pcmData)

pcmFMT.uiBitsPerSample=bits

strcpy(pcmFMT.fccID,"fmt ")

pcmFMT.dwSize=16

pcmFMT.wBlockAlign=2

pcmFMT.wChannels=channels

pcmFMT.wFormatTag=1

//以上是创建wav头的FMT

fwrite(&pcmFMT,sizeof(FMT),1,fpCpy)//将FMT写入.wav文件

//以下是创建wav头的DATA 但由于DATA.dwsize未知所以不能写入.wav文件

strcpy(pcmDATA.fccID,"data")

pcmDATA.dwSize=0//给pcmDATA.dwsize 0以便于下面给它赋值

fseek(fpCpy,sizeof(DATA),1)//跳过DATA的长度，以便以后再写入wav头的DATA

fread(&m_pcmData,sizeof(unsigned short),1,fp)//从.pcm中读入数据

while(!feof(fp)) //在.pcm文件结束前将他的数据转化并赋给.wav

{

pcmDATA.dwSize+=2//计算数据的长度；每读入一个数据，长度就加一；

fwrite(&m_pcmData,sizeof(unsigned short),1,fpCpy)//将数据写入.wav文件

fread(&m_pcmData,sizeof(unsigned short),1,fp)//从.pcm中读入数据

}

fclose(fp)//关闭文件

pcmHEADER.dwSize=44+pcmDATA.dwSize //根据pcmDATA.dwsize得出pcmHEADER.dwsize的值

rewind(fpCpy)//将fpCpy变为.wav的头，以便于写入HEADER和DATA

fwrite(&pcmHEADER,sizeof(HEADER),1,fpCpy)//写入HEADER

fseek(fpCpy,sizeof(FMT),1)//跳过FMT,因为FMT已经写入

fwrite(&pcmDATA,sizeof(DATA),1,fpCpy) //写入DATA

fclose(fpCpy) //关闭文件

return 0

}