audio - 如何确定音轨是否为杜比定向逻辑II(Dolby Pro Logic II)混音

Question

我正在尝试找出是否有一种方法可以确定是否使用Dolby Pro Logic II数据对AAC编码的音轨进行了编码。有没有一种检查文件的方式，以便您可以查看此信息？例如，我已经在Handbrake中使用-E av_aac -B 320 --mixdown dpl2(截断为音频选项)对媒体文件进行了编码，这是mediainfo显示的音轨输出:

Audio #1
ID                                       : 2
Format                                   : AAC
Format/Info                              : Advanced Audio Codec
Format profile                           : LC
Codec ID                                 : 40
Duration                                 : 2h 5mn
Bit rate mode                            : Variable
Bit rate                                 : 321 Kbps
Channel(s)                               : 2 channels
Channel positions                        : Front: L R
Sampling rate                            : 48.0 KHz
Compression mode                         : Lossy
Stream size                              : 288 MiB (3%)
Title                                    : Stereo / Stereo
Language                                 : English
Encoded date                             : UTC 2017-04-11 22:21:41
Tagged date                              : UTC 2017-04-11 22:21:41

但我无法确定此输出中是否有任何内容暗示使用DPL2数据进行了编码。

Answer 1

tl:dr;这可能是可能的；如果您是一名程序员，可能会更容易。

因为编码的信息只是立体声模拟对，所以无法保证在其中检测杜比定向逻辑II(DPL2)信号的方法，除非您专门存储自己的元数据说“这是DPL2文件”。但是您可能可以做出一个很好的猜测。

所有旧的模拟杜比环绕声格式，包括DPL2，都通过反转一个或多个环绕声的相位，然后将它们混合为原始的左右声道，在两个 channel 中存储环绕声信息。包括DPL2在内的杜比环绕声类型解码器试图通过反转两个 channel 之一的相位，然后在这些信号对中寻找相似性来恢复此信息。这可以像在Dolby Surround中那样简单地完成，或者像DPL2一样，将这些相似性人为地偏向于向左或向右或向左或向右推得更远。

因此，诀窍是检测重要数据是否存储在环绕声 channel 中。我将为您勾勒出一种可能有效的方法，并且尝试不编写代码来表达它，但是您可以根据自己的喜好实现和改进它。

将节目内容的前N秒左右裁剪为立体声文件，其中N在1到30之间。将此文件称为输入。

将输入立体声声道混音为一个新的单声道文件，每个声道-3dB。称为此文件中心。

将Input的左右声道拆分为单独的文件。称这些为“左”和“右”。

反转右声道。将此文件称为RightInvert。

将Left和RightInvert声道混合到一个新的单声道文件，每个声道-3dB。将此文件称为“环绕声”。

确定环绕声文件的RMS和峰值dB。

如果“环绕声”文件的RMS或峰值DB低于“公差”，则停止；否则，停止运行。原始文件为单声道或居中显示，因此不包含环绕声信息。您必须尝试使用​​多个DPL2和非DPL2来源来查看这些容差是多少，但是在打了十几个文件之后，数字应该变得清楚了。我猜大概在-30 dB左右。

将Center文件转换为新文件。将此文件称为CenterInvert。

以0 dB的比例将CenterInvert文件混合到Surround文件中(CenterInvert和Surround应该都是单声道)。将此新文件称为SurroundInvert。

确定SurroundInvert文件的RMS和峰值dB。

如果SurroundInvert的RMS和/或峰值dB均低于“公差”，则停止；否则，停止运行。您的原始来源包含平移的左或右前信息，而不是环绕声信息。您必须试验几种DPL2和非DPL2信号源，以了解这些容差是多少，但是在打了十几个文件之后，数字应该变得很清楚了-我猜大概在-35 dB左右。

如果您到此为止，您的原始Input可能包含环绕声信息，因此可能是Dolby Surround编码家族的成员。

我已经写出了该算法，以便您可以使用 sox中的特定命令来完成所有这些步骤。如果您想变得更聪明，可以不运行sox的RMS/峰值值步骤，而可以运行 ebur128程序并根据容差检查LUFS中的级别。如果您想变得更高级，则可以在创建Surround和Center文件之后过滤掉所有高于7kHz的频率，并对它们进行去加重，就像真正的DPL2解码器一样。

为了简化该算法，我已经在幅度域中对其进行了概述。如果您知道如何计算FFT仓的幅度和角度，并且使用30到100 ms的窗口，则可以在频域中更准确地完成SurroundLevel文件的计算。但是上面的cheapo版本应该可以帮助您入门。

最后一提。 AAC是一种现代的心理声学编解码器，这意味着它喜欢玩具有立体声定相和成像功能的游戏来实现其压缩。因此，我认为将DPL2封装到AAC流中的行为很可能会削弱DPL2中存在的某些图像。坦率地说，DPL2和AAC都不属于该管道中的任何位置。如果必须存储最初使用DPL2编码的模拟流，请以无损格式(例如WAV或FLAC，而不是AAC)进行处理。

在撰写本文时，杜比定向逻辑(I)背后的操作概念是 here。这些基本概念仍然适用于DPL2。 DPL2的操作概念是 here。