audio - 如何将字节数组转换为音频文件？

Question

我编写了一个从网络实时获取 SIP 数据包的程序，我想使用数据包中嵌入的 SDP 信息来捕获来自两个 VOIP 软电话的音频对话。

从 RTP 协议(protocol)中检索二进制数据后，我应该如何将其转换为声音文件？

c++ 首选。

Answer 1

嗨，阿德里安，欢迎，

你是对的，我们不能直接把 RTP 一个文件中的有效负载一个接一个地连接，然后将该文件作为音频文件读取，假设是 ".wav" .

您正在寻找的缺失部分是一段代码，该代码将数据包的 rtp 流重新组装、解码和播放为语音样本；为简单起见，考虑众所周知的 G.711或 PCM编解码器，因为所有 SIP 电话都支持此编解码器。
您需要实现 Playout buffer (从逻辑上讲，一个无限缓冲区，但一个环绕的环形缓冲区是可以的)。

数据包本身包含持续时间为 20 毫秒的小负载中的音频数据。每个音频数据 block 前面都有一个 RTP header ，它指示编码的类型(这与 SDP 信息有关，您对那部分有很好的理解)。

对于每个数据包:

以正确的速率将 8 位值解码为 16 位样本，对于 G.711，通常每秒 8,000 次;

从 RTP 头计算播放点，它是播放缓冲区数组中的索引。
考虑基于 RTP 时间戳的抖动和重新排序

将样本写入 .wav或将其播放到音频设备。

从实用的角度来看，您可以通过以下几种方式做到这一点:

您在捕获文件中收集所有 UDP/RTP 数据包并使用 wireshark 做艰苦的工作；

使用现有工具，例如 playSIP A command-line SIP session recorder ;

为此目的获取一个库或编写现有代码，但这不是一件容易的事。例如，您可以考虑处理丢包。