KAC:一个压缩率很差的音频编解码器

KAC(Kunkun’s Audio Codec)是一个时间域的音频编解码器:四阶 LMS 预测,加标量量化后的残差。C99,零外部依赖,零算法延迟,输出 16 位 PCM。

它压不好。

先把代价摆出来

同一段 10 秒、44.1 kHz、16 位立体声的流行音乐母带:MP3 128 kbps 是 161,056 字节,KAC -V 8 是 279,441 字节,1.73 倍。差 73%。

差在哪,有两个结构性原因。

其一,只在时间域上工作。不做频域分析,就用不上掩蔽阈值,比特按未加权的波形平方误差分配,听不见的成分同样占去比特。

其二,残差是定宽码,不做熵编码。换来的是一条固定的解码路径:每个切片一次 64 位读取,码率恒为 (64/60)·w。

压不好,和它能在没有 FPU 的芯片上立刻出声,来自同一组取舍。

它属于 ADPCM 一类

KAC 属于预测编码里的 ADPCM,不属于 MP3、AAC 那一类频域编码:自适应差分预测,加逐切片选择、随流传输的标量量化。预测器是四阶 LMS,更新式按残差与历史采样的符号计算,Q13 定点。每 8 字节切片带一个 4 比特缩放因子,残差位宽 1 至 7 比特,连同开销折合 1.067 至 8.000 比特每采样。

族内比较是成立的,族外比较只能比码率。与 MP3 相比,它输在机制上;与四比特 ADPCM 相比,它赢在同一族的规则上——预测器阶数更高、缩放因子更细、档位逐块可选:

体积PSNR
ADPCM IMA 4 bit444,600 B41.79 dB
KAC -V 7320,097 B42.80 dB

72% 的体积,高 1 dB。同为波形编码,PSNR 可比;两者码率不同,比的是体积与保真度。

解码与状态

解码零延迟——这里限定在解码。预测只用已输出的采样,没有前视;编码器按约 20 毫秒的块工作。互相关在 -2000 到 2000 全范围扫描,lag 0,第 1 个采样即对齐,数值仍差一个量化误差。

解码一个采样:一次查表、四次乘加、一次输出钳位,再加四次权重更新。进程内解码循环,九批各一百次取中位数,约 600 倍实时,10 秒音频解码用时 0.017 秒。kac_decode.c 587 行,没有 malloc,没有浮点。

sizeof(kacdec_t) 是 208 字节,其中预测状态约 80 字节,其余是指向码流的指针与头部字段。库不分配内存(命令行工具会把整个文件读入内存,限定在库)。grep -h '#include' *.c *.h 共 13 行,均为 C 标准库或本项目的头文件,无第三方依赖。

表述口径

上面每个数字都标了来源,这里补几条容易读错的:

  • 「等听感」是作者的试听判断,不是测量结论。
  • 「零延迟」指格式与解码器的算法延迟为 0,编码器仍按约 20 毫秒的块工作。
  • 「不分配内存」指解码库;命令行工具把整个文件读入内存。
  • 素材决定数字。同一设置在古典管弦乐录音上只有 1.1 倍,在流行音乐母带上是 1.73 倍,这不是编码器的固有属性。
  • 位宽与折合码率不混用:残差位宽是 1 至 7 比特;1.067 至 8.000 是含 4 比特缩放因子开销的折合值。

若以压缩率为先,请使用 MP3。若要在没有 FPU 的芯片上即时发声,则选它。

1
2
github.com/lunzima/kac
MIT · C99 · 无外部依赖

评论

点击下面的按钮加载评论框。评论提交后需经确认,不会立即显示。