sox

Question

我正在尝试使用 sox 输入命令来允许处理 sox 本身不支持的文件格式，而无需先转换所有输入。

我最后的尝试如下（创建两个不同 AAC 编码之间 diff 的频谱图）：

sox -S -m \
    -v  1 -t s24 -r 48k -c 2 -L "|ffmpeg -i input_orig.aac -vn -f s24le -" \
    -v -1 -t s24 -r 48k -c 2 -L "|ffmpeg -i input_faac.aac -vn -f s24le -" \
    -n \
    spectrogram -x 1600 -y 480 -o diff.faac.png

然而，结果是频谱图确实只包含前几秒，所以我一定是遗漏了什么。

但是什么？

更新

用单个管道尝试了一个更简单的测试，看它是否有效，但它导致了同样的问题：

ffmpeg -hide_banner -i input_orig.aac -vn -f s24le - | sox -S -t s24 -c 2 -r 48k -L - -n spectrogram -x 480 -y 96 -o orig.pipe.png

结果：

...直接使用预转换文件（FLAC 或 WAV）执行此操作时，会产生正确的结果：

简单管道命令的输出：

Input File     : '-' (raw)
Channels       : 2
Sample Rate    : 48000
Precision      : 24-bit
Sample Encoding: 24-bit Signed Integer PCM

In:0.00% 00:00:00.00 [00:00:00.00] Out:0     [      |      ]        Clip:0    [aac @ 0x5643e7dc9940] Estimating duration from bitrate, this may be inaccurate
Input #0, aac, from 'input_orig.aac':
  Duration: 00:01:35.08, bitrate: 136 kb/s
    Stream #0:0: Audio: aac (LC), 48000 Hz, stereo, fltp, 136 kb/s
Stream mapping:
  Stream #0:0 -> #0:0 (aac (native) -> pcm_s24le (native))
Press [q] to stop, [?] for help
Output #0, s24le, to 'pipe:':
  Metadata:
    encoder         : Lavf58.20.100
    Stream #0:0: Audio: pcm_s24le, 48000 Hz, stereo, s32, 2304 kb/s
    Metadata:
      encoder         : Lavc58.35.100 pcm_s24le
In:0.00% 00:01:27.55 [00:00:00.00] Out:4.20M [!=====|=====!] Hd:0.0 Clip:0    size=   28110kB time=00:01:39.94 bitrate=2304.0kbits/s speed= 417x    
video:0kB audio:28110kB subtitle:0kB other streams:0kB global headers:0kB muxing overhead: 0.000000%
In:0.00% 00:01:39.95 [00:00:00.00] Out:4.80M [!=====|======] Hd:0.0 Clip:0    
Done.

Answer 1

经过更多的实验，我终于发现它只与sox频谱图效果有关，因为它不能从输入中扣除持续时间，但计算布局需要它。

显然，没有记录该要求。

但是，要精确指定持续时间，我们必须为其提供输入样本数。

我正在使用 ffprobe and jq：

ffprobe -v error -print_format json -select_streams a:0 -show_entries frame=nb_samples input_orig.aac \
    | jq --stream 'select(.[0][2] == "nb_samples")[1]' \
    | jq --slurp 'add'

（是的，有更简单的方法，但它们不能扩展）

...这为我的输入文件提供了 4797440 个样本。

现在它实际上可以将 -d 4797440s 添加到频谱图效果中：

sox -S -m \
    -v  1 -t s24 -r 48k -c 2 -L "|ffmpeg -v error -i input_orig.aac -vn -f s24le -" \
    -v -1 -t s24 -r 48k -c 2 -L "|ffmpeg -v error -i input_faac.aac -vn -f s24le -" \
    -n \
    spectrogram -d 4797440s -x 1600 -y 480 -o diff.faac.png

新结果：

sox - 管道输入坏了？

sox - pipe input broken?