AAC encoder: Extensive improvements
[ffmpeg.git] / libavcodec / aacenc.c
1 /*
2  * AAC encoder
3  * Copyright (C) 2008 Konstantin Shishkov
4  *
5  * This file is part of FFmpeg.
6  *
7  * FFmpeg is free software; you can redistribute it and/or
8  * modify it under the terms of the GNU Lesser General Public
9  * License as published by the Free Software Foundation; either
10  * version 2.1 of the License, or (at your option) any later version.
11  *
12  * FFmpeg is distributed in the hope that it will be useful,
13  * but WITHOUT ANY WARRANTY; without even the implied warranty of
14  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
15  * Lesser General Public License for more details.
16  *
17  * You should have received a copy of the GNU Lesser General Public
18  * License along with FFmpeg; if not, write to the Free Software
19  * Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
20  */
21
22 /**
23  * @file
24  * AAC encoder
25  */
26
27 /***********************************
28  *              TODOs:
29  * add sane pulse detection
30  ***********************************/
31
32 #include "libavutil/float_dsp.h"
33 #include "libavutil/opt.h"
34 #include "avcodec.h"
35 #include "put_bits.h"
36 #include "internal.h"
37 #include "mpeg4audio.h"
38 #include "kbdwin.h"
39 #include "sinewin.h"
40
41 #include "aac.h"
42 #include "aactab.h"
43 #include "aacenc.h"
44 #include "aacenctab.h"
45 #include "aacenc_utils.h"
46
47 #include "psymodel.h"
48
49 /**
50  * Make AAC audio config object.
51  * @see 1.6.2.1 "Syntax - AudioSpecificConfig"
52  */
53 static void put_audio_specific_config(AVCodecContext *avctx)
54 {
55     PutBitContext pb;
56     AACEncContext *s = avctx->priv_data;
57
58     init_put_bits(&pb, avctx->extradata, avctx->extradata_size);
59     put_bits(&pb, 5, s->profile+1); //profile
60     put_bits(&pb, 4, s->samplerate_index); //sample rate index
61     put_bits(&pb, 4, s->channels);
62     //GASpecificConfig
63     put_bits(&pb, 1, 0); //frame length - 1024 samples
64     put_bits(&pb, 1, 0); //does not depend on core coder
65     put_bits(&pb, 1, 0); //is not extension
66
67     //Explicitly Mark SBR absent
68     put_bits(&pb, 11, 0x2b7); //sync extension
69     put_bits(&pb, 5,  AOT_SBR);
70     put_bits(&pb, 1,  0);
71     flush_put_bits(&pb);
72 }
73
74 #define WINDOW_FUNC(type) \
75 static void apply_ ##type ##_window(AVFloatDSPContext *fdsp, \
76                                     SingleChannelElement *sce, \
77                                     const float *audio)
78
79 WINDOW_FUNC(only_long)
80 {
81     const float *lwindow = sce->ics.use_kb_window[0] ? ff_aac_kbd_long_1024 : ff_sine_1024;
82     const float *pwindow = sce->ics.use_kb_window[1] ? ff_aac_kbd_long_1024 : ff_sine_1024;
83     float *out = sce->ret_buf;
84
85     fdsp->vector_fmul        (out,        audio,        lwindow, 1024);
86     fdsp->vector_fmul_reverse(out + 1024, audio + 1024, pwindow, 1024);
87 }
88
89 WINDOW_FUNC(long_start)
90 {
91     const float *lwindow = sce->ics.use_kb_window[1] ? ff_aac_kbd_long_1024 : ff_sine_1024;
92     const float *swindow = sce->ics.use_kb_window[0] ? ff_aac_kbd_short_128 : ff_sine_128;
93     float *out = sce->ret_buf;
94
95     fdsp->vector_fmul(out, audio, lwindow, 1024);
96     memcpy(out + 1024, audio + 1024, sizeof(out[0]) * 448);
97     fdsp->vector_fmul_reverse(out + 1024 + 448, audio + 1024 + 448, swindow, 128);
98     memset(out + 1024 + 576, 0, sizeof(out[0]) * 448);
99 }
100
101 WINDOW_FUNC(long_stop)
102 {
103     const float *lwindow = sce->ics.use_kb_window[0] ? ff_aac_kbd_long_1024 : ff_sine_1024;
104     const float *swindow = sce->ics.use_kb_window[1] ? ff_aac_kbd_short_128 : ff_sine_128;
105     float *out = sce->ret_buf;
106
107     memset(out, 0, sizeof(out[0]) * 448);
108     fdsp->vector_fmul(out + 448, audio + 448, swindow, 128);
109     memcpy(out + 576, audio + 576, sizeof(out[0]) * 448);
110     fdsp->vector_fmul_reverse(out + 1024, audio + 1024, lwindow, 1024);
111 }
112
113 WINDOW_FUNC(eight_short)
114 {
115     const float *swindow = sce->ics.use_kb_window[0] ? ff_aac_kbd_short_128 : ff_sine_128;
116     const float *pwindow = sce->ics.use_kb_window[1] ? ff_aac_kbd_short_128 : ff_sine_128;
117     const float *in = audio + 448;
118     float *out = sce->ret_buf;
119     int w;
120
121     for (w = 0; w < 8; w++) {
122         fdsp->vector_fmul        (out, in, w ? pwindow : swindow, 128);
123         out += 128;
124         in  += 128;
125         fdsp->vector_fmul_reverse(out, in, swindow, 128);
126         out += 128;
127     }
128 }
129
130 static void (*const apply_window[4])(AVFloatDSPContext *fdsp,
131                                      SingleChannelElement *sce,
132                                      const float *audio) = {
133     [ONLY_LONG_SEQUENCE]   = apply_only_long_window,
134     [LONG_START_SEQUENCE]  = apply_long_start_window,
135     [EIGHT_SHORT_SEQUENCE] = apply_eight_short_window,
136     [LONG_STOP_SEQUENCE]   = apply_long_stop_window
137 };
138
139 static void apply_window_and_mdct(AACEncContext *s, SingleChannelElement *sce,
140                                   float *audio)
141 {
142     int i;
143     float *output = sce->ret_buf;
144
145     apply_window[sce->ics.window_sequence[0]](s->fdsp, sce, audio);
146
147     if (sce->ics.window_sequence[0] != EIGHT_SHORT_SEQUENCE)
148         s->mdct1024.mdct_calc(&s->mdct1024, sce->coeffs, output);
149     else
150         for (i = 0; i < 1024; i += 128)
151             s->mdct128.mdct_calc(&s->mdct128, &sce->coeffs[i], output + i*2);
152     memcpy(audio, audio + 1024, sizeof(audio[0]) * 1024);
153     memcpy(sce->pcoeffs, sce->coeffs, sizeof(sce->pcoeffs));
154 }
155
156 /**
157  * Encode ics_info element.
158  * @see Table 4.6 (syntax of ics_info)
159  */
160 static void put_ics_info(AACEncContext *s, IndividualChannelStream *info)
161 {
162     int w;
163
164     put_bits(&s->pb, 1, 0);                // ics_reserved bit
165     put_bits(&s->pb, 2, info->window_sequence[0]);
166     put_bits(&s->pb, 1, info->use_kb_window[0]);
167     if (info->window_sequence[0] != EIGHT_SHORT_SEQUENCE) {
168         put_bits(&s->pb, 6, info->max_sfb);
169         put_bits(&s->pb, 1, !!info->predictor_present);
170     } else {
171         put_bits(&s->pb, 4, info->max_sfb);
172         for (w = 1; w < 8; w++)
173             put_bits(&s->pb, 1, !info->group_len[w]);
174     }
175 }
176
177 /**
178  * Encode MS data.
179  * @see 4.6.8.1 "Joint Coding - M/S Stereo"
180  */
181 static void encode_ms_info(PutBitContext *pb, ChannelElement *cpe)
182 {
183     int i, w;
184
185     put_bits(pb, 2, cpe->ms_mode);
186     if (cpe->ms_mode == 1)
187         for (w = 0; w < cpe->ch[0].ics.num_windows; w += cpe->ch[0].ics.group_len[w])
188             for (i = 0; i < cpe->ch[0].ics.max_sfb; i++)
189                 put_bits(pb, 1, cpe->ms_mask[w*16 + i]);
190 }
191
192 /**
193  * Produce integer coefficients from scalefactors provided by the model.
194  */
195 static void adjust_frame_information(ChannelElement *cpe, int chans)
196 {
197     int i, w, w2, g, ch;
198     int maxsfb, cmaxsfb;
199
200     for (ch = 0; ch < chans; ch++) {
201         IndividualChannelStream *ics = &cpe->ch[ch].ics;
202         maxsfb = 0;
203         cpe->ch[ch].pulse.num_pulse = 0;
204         for (w = 0; w < ics->num_windows; w += ics->group_len[w]) {
205             for (w2 =  0; w2 < ics->group_len[w]; w2++) {
206                 for (cmaxsfb = ics->num_swb; cmaxsfb > 0 && cpe->ch[ch].zeroes[w*16+cmaxsfb-1]; cmaxsfb--)
207                     ;
208                 maxsfb = FFMAX(maxsfb, cmaxsfb);
209             }
210         }
211         ics->max_sfb = maxsfb;
212
213         //adjust zero bands for window groups
214         for (w = 0; w < ics->num_windows; w += ics->group_len[w]) {
215             for (g = 0; g < ics->max_sfb; g++) {
216                 i = 1;
217                 for (w2 = w; w2 < w + ics->group_len[w]; w2++) {
218                     if (!cpe->ch[ch].zeroes[w2*16 + g]) {
219                         i = 0;
220                         break;
221                     }
222                 }
223                 cpe->ch[ch].zeroes[w*16 + g] = i;
224             }
225         }
226     }
227
228     if (chans > 1 && cpe->common_window) {
229         IndividualChannelStream *ics0 = &cpe->ch[0].ics;
230         IndividualChannelStream *ics1 = &cpe->ch[1].ics;
231         int msc = 0;
232         ics0->max_sfb = FFMAX(ics0->max_sfb, ics1->max_sfb);
233         ics1->max_sfb = ics0->max_sfb;
234         for (w = 0; w < ics0->num_windows*16; w += 16)
235             for (i = 0; i < ics0->max_sfb; i++)
236                 if (cpe->ms_mask[w+i])
237                     msc++;
238         if (msc == 0 || ics0->max_sfb == 0)
239             cpe->ms_mode = 0;
240         else
241             cpe->ms_mode = msc < ics0->max_sfb * ics0->num_windows ? 1 : 2;
242     }
243 }
244
245 static void apply_intensity_stereo(ChannelElement *cpe)
246 {
247     int w, w2, g, i;
248     IndividualChannelStream *ics = &cpe->ch[0].ics;
249     if (!cpe->common_window)
250         return;
251     for (w = 0; w < ics->num_windows; w += ics->group_len[w]) {
252         for (w2 =  0; w2 < ics->group_len[w]; w2++) {
253             int start = (w+w2) * 128;
254             for (g = 0; g < ics->num_swb; g++) {
255                 int p  = -1 + 2 * (cpe->ch[1].band_type[w*16+g] - 14);
256                 float scale = cpe->ch[0].is_ener[w*16+g];
257                 if (!cpe->is_mask[w*16 + g]) {
258                     start += ics->swb_sizes[g];
259                     continue;
260                 }
261                 if (cpe->ms_mask[w*16 + g])
262                     p *= -1;
263                 for (i = 0; i < ics->swb_sizes[g]; i++) {
264                     float sum = (cpe->ch[0].coeffs[start+i] + p*cpe->ch[1].coeffs[start+i])*scale;
265                     cpe->ch[0].coeffs[start+i] = sum;
266                     cpe->ch[1].coeffs[start+i] = 0.0f;
267                 }
268                 start += ics->swb_sizes[g];
269             }
270         }
271     }
272 }
273
274 static void apply_mid_side_stereo(ChannelElement *cpe)
275 {
276     int w, w2, g, i;
277     IndividualChannelStream *ics = &cpe->ch[0].ics;
278     if (!cpe->common_window)
279         return;
280     for (w = 0; w < ics->num_windows; w += ics->group_len[w]) {
281         for (w2 =  0; w2 < ics->group_len[w]; w2++) {
282             int start = (w+w2) * 128;
283             for (g = 0; g < ics->num_swb; g++) {
284                 if (!cpe->ms_mask[w*16 + g] && !cpe->is_mask[w*16 + g]) {
285                     start += ics->swb_sizes[g];
286                     continue;
287                 }
288                 for (i = 0; i < ics->swb_sizes[g]; i++) {
289                     float L = (cpe->ch[0].coeffs[start+i] + cpe->ch[1].coeffs[start+i]) * 0.5f;
290                     float R = L - cpe->ch[1].coeffs[start+i];
291                     cpe->ch[0].coeffs[start+i] = L;
292                     cpe->ch[1].coeffs[start+i] = R;
293                 }
294                 start += ics->swb_sizes[g];
295             }
296         }
297     }
298 }
299
300 /**
301  * Encode scalefactor band coding type.
302  */
303 static void encode_band_info(AACEncContext *s, SingleChannelElement *sce)
304 {
305     int w;
306
307     if (s->coder->set_special_band_scalefactors)
308         s->coder->set_special_band_scalefactors(s, sce);
309
310     for (w = 0; w < sce->ics.num_windows; w += sce->ics.group_len[w])
311         s->coder->encode_window_bands_info(s, sce, w, sce->ics.group_len[w], s->lambda);
312 }
313
314 /**
315  * Encode scalefactors.
316  */
317 static void encode_scale_factors(AVCodecContext *avctx, AACEncContext *s,
318                                  SingleChannelElement *sce)
319 {
320     int diff, off_sf = sce->sf_idx[0], off_pns = sce->sf_idx[0] - NOISE_OFFSET;
321     int off_is = 0, noise_flag = 1;
322     int i, w;
323
324     for (w = 0; w < sce->ics.num_windows; w += sce->ics.group_len[w]) {
325         for (i = 0; i < sce->ics.max_sfb; i++) {
326             if (!sce->zeroes[w*16 + i]) {
327                 if (sce->band_type[w*16 + i] == NOISE_BT) {
328                     diff = sce->sf_idx[w*16 + i] - off_pns;
329                     off_pns = sce->sf_idx[w*16 + i];
330                     if (noise_flag-- > 0) {
331                         put_bits(&s->pb, NOISE_PRE_BITS, diff + NOISE_PRE);
332                         continue;
333                     }
334                 } else if (sce->band_type[w*16 + i] == INTENSITY_BT  ||
335                            sce->band_type[w*16 + i] == INTENSITY_BT2) {
336                     diff = sce->sf_idx[w*16 + i] - off_is;
337                     off_is = sce->sf_idx[w*16 + i];
338                 } else {
339                     diff = sce->sf_idx[w*16 + i] - off_sf;
340                     off_sf = sce->sf_idx[w*16 + i];
341                 }
342                 diff += SCALE_DIFF_ZERO;
343                 av_assert0(diff >= 0 && diff <= 120);
344                 put_bits(&s->pb, ff_aac_scalefactor_bits[diff], ff_aac_scalefactor_code[diff]);
345             }
346         }
347     }
348 }
349
350 /**
351  * Encode pulse data.
352  */
353 static void encode_pulses(AACEncContext *s, Pulse *pulse)
354 {
355     int i;
356
357     put_bits(&s->pb, 1, !!pulse->num_pulse);
358     if (!pulse->num_pulse)
359         return;
360
361     put_bits(&s->pb, 2, pulse->num_pulse - 1);
362     put_bits(&s->pb, 6, pulse->start);
363     for (i = 0; i < pulse->num_pulse; i++) {
364         put_bits(&s->pb, 5, pulse->pos[i]);
365         put_bits(&s->pb, 4, pulse->amp[i]);
366     }
367 }
368
369 /**
370  * Encode spectral coefficients processed by psychoacoustic model.
371  */
372 static void encode_spectral_coeffs(AACEncContext *s, SingleChannelElement *sce)
373 {
374     int start, i, w, w2;
375
376     for (w = 0; w < sce->ics.num_windows; w += sce->ics.group_len[w]) {
377         start = 0;
378         for (i = 0; i < sce->ics.max_sfb; i++) {
379             if (sce->zeroes[w*16 + i]) {
380                 start += sce->ics.swb_sizes[i];
381                 continue;
382             }
383             for (w2 = w; w2 < w + sce->ics.group_len[w]; w2++) {
384                 s->coder->quantize_and_encode_band(s, &s->pb,
385                                                    &sce->coeffs[start + w2*128],
386                                                    NULL, sce->ics.swb_sizes[i],
387                                                    sce->sf_idx[w*16 + i],
388                                                    sce->band_type[w*16 + i],
389                                                    s->lambda,
390                                                    sce->ics.window_clipping[w]);
391             }
392             start += sce->ics.swb_sizes[i];
393         }
394     }
395 }
396
397 /**
398  * Downscale spectral coefficients for near-clipping windows to avoid artifacts
399  */
400 static void avoid_clipping(AACEncContext *s, SingleChannelElement *sce)
401 {
402     int start, i, j, w;
403
404     if (sce->ics.clip_avoidance_factor < 1.0f) {
405         for (w = 0; w < sce->ics.num_windows; w++) {
406             start = 0;
407             for (i = 0; i < sce->ics.max_sfb; i++) {
408                 float *swb_coeffs = &sce->coeffs[start + w*128];
409                 for (j = 0; j < sce->ics.swb_sizes[i]; j++)
410                     swb_coeffs[j] *= sce->ics.clip_avoidance_factor;
411                 start += sce->ics.swb_sizes[i];
412             }
413         }
414     }
415 }
416
417 /**
418  * Encode one channel of audio data.
419  */
420 static int encode_individual_channel(AVCodecContext *avctx, AACEncContext *s,
421                                      SingleChannelElement *sce,
422                                      int common_window)
423 {
424     put_bits(&s->pb, 8, sce->sf_idx[0]);
425     if (!common_window) {
426         put_ics_info(s, &sce->ics);
427         if (s->coder->encode_main_pred)
428             s->coder->encode_main_pred(s, sce);
429     }
430     encode_band_info(s, sce);
431     encode_scale_factors(avctx, s, sce);
432     encode_pulses(s, &sce->pulse);
433     put_bits(&s->pb, 1, !!sce->tns.present);
434     if (s->coder->encode_tns_info)
435         s->coder->encode_tns_info(s, sce);
436     put_bits(&s->pb, 1, 0); //ssr
437     encode_spectral_coeffs(s, sce);
438     return 0;
439 }
440
441 /**
442  * Write some auxiliary information about the created AAC file.
443  */
444 static void put_bitstream_info(AACEncContext *s, const char *name)
445 {
446     int i, namelen, padbits;
447
448     namelen = strlen(name) + 2;
449     put_bits(&s->pb, 3, TYPE_FIL);
450     put_bits(&s->pb, 4, FFMIN(namelen, 15));
451     if (namelen >= 15)
452         put_bits(&s->pb, 8, namelen - 14);
453     put_bits(&s->pb, 4, 0); //extension type - filler
454     padbits = -put_bits_count(&s->pb) & 7;
455     avpriv_align_put_bits(&s->pb);
456     for (i = 0; i < namelen - 2; i++)
457         put_bits(&s->pb, 8, name[i]);
458     put_bits(&s->pb, 12 - padbits, 0);
459 }
460
461 /*
462  * Copy input samples.
463  * Channels are reordered from libavcodec's default order to AAC order.
464  */
465 static void copy_input_samples(AACEncContext *s, const AVFrame *frame)
466 {
467     int ch;
468     int end = 2048 + (frame ? frame->nb_samples : 0);
469     const uint8_t *channel_map = aac_chan_maps[s->channels - 1];
470
471     /* copy and remap input samples */
472     for (ch = 0; ch < s->channels; ch++) {
473         /* copy last 1024 samples of previous frame to the start of the current frame */
474         memcpy(&s->planar_samples[ch][1024], &s->planar_samples[ch][2048], 1024 * sizeof(s->planar_samples[0][0]));
475
476         /* copy new samples and zero any remaining samples */
477         if (frame) {
478             memcpy(&s->planar_samples[ch][2048],
479                    frame->extended_data[channel_map[ch]],
480                    frame->nb_samples * sizeof(s->planar_samples[0][0]));
481         }
482         memset(&s->planar_samples[ch][end], 0,
483                (3072 - end) * sizeof(s->planar_samples[0][0]));
484     }
485 }
486
487 static int aac_encode_frame(AVCodecContext *avctx, AVPacket *avpkt,
488                             const AVFrame *frame, int *got_packet_ptr)
489 {
490     AACEncContext *s = avctx->priv_data;
491     float **samples = s->planar_samples, *samples2, *la, *overlap;
492     ChannelElement *cpe;
493     SingleChannelElement *sce;
494     int i, its, ch, w, chans, tag, start_ch, ret, frame_bits;
495     int target_bits, rate_bits, too_many_bits, too_few_bits;
496     int ms_mode = 0, is_mode = 0, tns_mode = 0, pred_mode = 0;
497     int chan_el_counter[4];
498     FFPsyWindowInfo windows[AAC_MAX_CHANNELS];
499
500     if (s->last_frame == 2)
501         return 0;
502
503     /* add current frame to queue */
504     if (frame) {
505         if ((ret = ff_af_queue_add(&s->afq, frame)) < 0)
506             return ret;
507     }
508
509     copy_input_samples(s, frame);
510     if (s->psypp)
511         ff_psy_preprocess(s->psypp, s->planar_samples, s->channels);
512
513     if (!avctx->frame_number)
514         return 0;
515
516     start_ch = 0;
517     for (i = 0; i < s->chan_map[0]; i++) {
518         FFPsyWindowInfo* wi = windows + start_ch;
519         tag      = s->chan_map[i+1];
520         chans    = tag == TYPE_CPE ? 2 : 1;
521         cpe      = &s->cpe[i];
522         for (ch = 0; ch < chans; ch++) {
523             IndividualChannelStream *ics = &cpe->ch[ch].ics;
524             int cur_channel = start_ch + ch;
525             float clip_avoidance_factor;
526             overlap  = &samples[cur_channel][0];
527             samples2 = overlap + 1024;
528             la       = samples2 + (448+64);
529             if (!frame)
530                 la = NULL;
531             if (tag == TYPE_LFE) {
532                 wi[ch].window_type[0] = ONLY_LONG_SEQUENCE;
533                 wi[ch].window_shape   = 0;
534                 wi[ch].num_windows    = 1;
535                 wi[ch].grouping[0]    = 1;
536
537                 /* Only the lowest 12 coefficients are used in a LFE channel.
538                  * The expression below results in only the bottom 8 coefficients
539                  * being used for 11.025kHz to 16kHz sample rates.
540                  */
541                 ics->num_swb = s->samplerate_index >= 8 ? 1 : 3;
542             } else {
543                 wi[ch] = s->psy.model->window(&s->psy, samples2, la, cur_channel,
544                                               ics->window_sequence[0]);
545             }
546             ics->window_sequence[1] = ics->window_sequence[0];
547             ics->window_sequence[0] = wi[ch].window_type[0];
548             ics->use_kb_window[1]   = ics->use_kb_window[0];
549             ics->use_kb_window[0]   = wi[ch].window_shape;
550             ics->num_windows        = wi[ch].num_windows;
551             ics->swb_sizes          = s->psy.bands    [ics->num_windows == 8];
552             ics->num_swb            = tag == TYPE_LFE ? ics->num_swb : s->psy.num_bands[ics->num_windows == 8];
553             ics->swb_offset         = wi[ch].window_type[0] == EIGHT_SHORT_SEQUENCE ?
554                                         ff_swb_offset_128 [s->samplerate_index]:
555                                         ff_swb_offset_1024[s->samplerate_index];
556             ics->tns_max_bands      = wi[ch].window_type[0] == EIGHT_SHORT_SEQUENCE ?
557                                         ff_tns_max_bands_128 [s->samplerate_index]:
558                                         ff_tns_max_bands_1024[s->samplerate_index];
559             clip_avoidance_factor = 0.0f;
560             for (w = 0; w < ics->num_windows; w++)
561                 ics->group_len[w] = wi[ch].grouping[w];
562             for (w = 0; w < ics->num_windows; w++) {
563                 if (wi[ch].clipping[w] > CLIP_AVOIDANCE_FACTOR) {
564                     ics->window_clipping[w] = 1;
565                     clip_avoidance_factor = FFMAX(clip_avoidance_factor, wi[ch].clipping[w]);
566                 } else {
567                     ics->window_clipping[w] = 0;
568                 }
569             }
570             if (clip_avoidance_factor > CLIP_AVOIDANCE_FACTOR) {
571                 ics->clip_avoidance_factor = CLIP_AVOIDANCE_FACTOR / clip_avoidance_factor;
572             } else {
573                 ics->clip_avoidance_factor = 1.0f;
574             }
575
576             apply_window_and_mdct(s, &cpe->ch[ch], overlap);
577             if (isnan(cpe->ch->coeffs[0])) {
578                 av_log(avctx, AV_LOG_ERROR, "Input contains NaN\n");
579                 return AVERROR(EINVAL);
580             }
581             avoid_clipping(s, &cpe->ch[ch]);
582         }
583         start_ch += chans;
584     }
585     if ((ret = ff_alloc_packet2(avctx, avpkt, 8192 * s->channels, 0)) < 0)
586         return ret;
587     frame_bits = its = 0;
588     do {
589         init_put_bits(&s->pb, avpkt->data, avpkt->size);
590
591         if ((avctx->frame_number & 0xFF)==1 && !(avctx->flags & AV_CODEC_FLAG_BITEXACT))
592             put_bitstream_info(s, LIBAVCODEC_IDENT);
593         start_ch = 0;
594         target_bits = 0;
595         memset(chan_el_counter, 0, sizeof(chan_el_counter));
596         for (i = 0; i < s->chan_map[0]; i++) {
597             FFPsyWindowInfo* wi = windows + start_ch;
598             const float *coeffs[2];
599             tag      = s->chan_map[i+1];
600             chans    = tag == TYPE_CPE ? 2 : 1;
601             cpe      = &s->cpe[i];
602             cpe->common_window = 0;
603             memset(cpe->is_mask, 0, sizeof(cpe->is_mask));
604             memset(cpe->ms_mask, 0, sizeof(cpe->ms_mask));
605             put_bits(&s->pb, 3, tag);
606             put_bits(&s->pb, 4, chan_el_counter[tag]++);
607             for (ch = 0; ch < chans; ch++) {
608                 sce = &cpe->ch[ch];
609                 coeffs[ch] = sce->coeffs;
610                 sce->ics.predictor_present = 0;
611                 memset(&sce->ics.prediction_used, 0, sizeof(sce->ics.prediction_used));
612                 memset(&sce->tns, 0, sizeof(TemporalNoiseShaping));
613                 for (w = 0; w < 128; w++)
614                     if (sce->band_type[w] > RESERVED_BT)
615                         sce->band_type[w] = 0;
616             }
617             s->psy.bitres.alloc = -1;
618             s->psy.bitres.bits = avctx->frame_bits / s->channels;
619             s->psy.model->analyze(&s->psy, start_ch, coeffs, wi);
620             if (s->psy.bitres.alloc > 0) {
621                 /* Lambda unused here on purpose, we need to take psy's unscaled allocation */
622                 target_bits += s->psy.bitres.alloc
623                     * (s->lambda / (avctx->global_quality ? avctx->global_quality : 120));
624                 s->psy.bitres.alloc /= chans;
625             }
626             s->cur_type = tag;
627             for (ch = 0; ch < chans; ch++) {
628                 s->cur_channel = start_ch + ch;
629                 if (s->options.pns && s->coder->mark_pns)
630                     s->coder->mark_pns(s, avctx, &cpe->ch[ch]);
631                 s->coder->search_for_quantizers(avctx, s, &cpe->ch[ch], s->lambda);
632             }
633             if (chans > 1
634                 && wi[0].window_type[0] == wi[1].window_type[0]
635                 && wi[0].window_shape   == wi[1].window_shape) {
636
637                 cpe->common_window = 1;
638                 for (w = 0; w < wi[0].num_windows; w++) {
639                     if (wi[0].grouping[w] != wi[1].grouping[w]) {
640                         cpe->common_window = 0;
641                         break;
642                     }
643                 }
644             }
645             for (ch = 0; ch < chans; ch++) { /* TNS and PNS */
646                 sce = &cpe->ch[ch];
647                 s->cur_channel = start_ch + ch;
648                 if (s->options.pns && s->coder->search_for_pns)
649                     s->coder->search_for_pns(s, avctx, sce);
650                 if (s->options.tns && s->coder->search_for_tns)
651                     s->coder->search_for_tns(s, sce);
652                 if (s->options.tns && s->coder->apply_tns_filt)
653                     s->coder->apply_tns_filt(s, sce);
654                 if (sce->tns.present)
655                     tns_mode = 1;
656             }
657             s->cur_channel = start_ch;
658             if (s->options.intensity_stereo) { /* Intensity Stereo */
659                 if (s->coder->search_for_is)
660                     s->coder->search_for_is(s, avctx, cpe);
661                 if (cpe->is_mode) is_mode = 1;
662                 apply_intensity_stereo(cpe);
663             }
664             if (s->options.pred) { /* Prediction */
665                 for (ch = 0; ch < chans; ch++) {
666                     sce = &cpe->ch[ch];
667                     s->cur_channel = start_ch + ch;
668                     if (s->options.pred && s->coder->search_for_pred)
669                         s->coder->search_for_pred(s, sce);
670                     if (cpe->ch[ch].ics.predictor_present) pred_mode = 1;
671                 }
672                 if (s->coder->adjust_common_prediction)
673                     s->coder->adjust_common_prediction(s, cpe);
674                 for (ch = 0; ch < chans; ch++) {
675                     sce = &cpe->ch[ch];
676                     s->cur_channel = start_ch + ch;
677                     if (s->options.pred && s->coder->apply_main_pred)
678                         s->coder->apply_main_pred(s, sce);
679                 }
680                 s->cur_channel = start_ch;
681             }
682             if (s->options.stereo_mode) { /* Mid/Side stereo */
683                 if (s->options.stereo_mode == -1 && s->coder->search_for_ms)
684                     s->coder->search_for_ms(s, cpe);
685                 else if (cpe->common_window)
686                     memset(cpe->ms_mask, 1, sizeof(cpe->ms_mask));
687                 apply_mid_side_stereo(cpe);
688             }
689             adjust_frame_information(cpe, chans);
690             if (chans == 2) {
691                 put_bits(&s->pb, 1, cpe->common_window);
692                 if (cpe->common_window) {
693                     put_ics_info(s, &cpe->ch[0].ics);
694                     if (s->coder->encode_main_pred)
695                         s->coder->encode_main_pred(s, &cpe->ch[0]);
696                     encode_ms_info(&s->pb, cpe);
697                     if (cpe->ms_mode) ms_mode = 1;
698                 }
699             }
700             for (ch = 0; ch < chans; ch++) {
701                 s->cur_channel = start_ch + ch;
702                 encode_individual_channel(avctx, s, &cpe->ch[ch], cpe->common_window);
703             }
704             start_ch += chans;
705         }
706
707         if (avctx->flags & CODEC_FLAG_QSCALE) {
708             /* When using a constant Q-scale, don't mess with lambda */
709             break;
710         }
711
712         /* rate control stuff
713          * allow between the nominal bitrate, and what psy's bit reservoir says to target
714          * but drift towards the nominal bitrate always
715          */
716         frame_bits = put_bits_count(&s->pb);
717         rate_bits = avctx->bit_rate * 1024 / avctx->sample_rate;
718         rate_bits = FFMIN(rate_bits, 6144 * s->channels - 3);
719         too_many_bits = FFMAX(target_bits, rate_bits);
720         too_many_bits = FFMIN(too_many_bits, 6144 * s->channels - 3);
721         too_few_bits = FFMIN(FFMAX(rate_bits - rate_bits/4, target_bits), too_many_bits);
722
723         /* When using ABR, be strict (but only for increasing) */
724         too_few_bits = too_few_bits - too_few_bits/8;
725         too_many_bits = too_many_bits + too_many_bits/2;
726
727         if (   its == 0 /* for steady-state Q-scale tracking */
728             || (its < 5 && (frame_bits < too_few_bits || frame_bits > too_many_bits))
729             || frame_bits >= 6144 * s->channels - 3  )
730         {
731             float ratio = ((float)rate_bits) / frame_bits;
732
733             if (frame_bits >= too_few_bits && frame_bits <= too_many_bits) {
734                 /*
735                  * This path is for steady-state Q-scale tracking
736                  * When frame bits fall within the stable range, we still need to adjust
737                  * lambda to maintain it like so in a stable fashion (large jumps in lambda
738                  * create artifacts and should be avoided), but slowly
739                  */
740                 ratio = sqrtf(sqrtf(ratio));
741                 ratio = av_clipf(ratio, 0.9f, 1.1f);
742             } else {
743                 /* Not so fast though */
744                 ratio = sqrtf(ratio);
745             }
746             s->lambda = FFMIN(s->lambda * ratio, 65536.f);
747
748             /* Keep iterating if we must reduce and lambda is in the sky */
749             if ((s->lambda < 300.f || ratio > 0.9f) && (s->lambda > 10.f || ratio < 1.1f)) {
750                 break;
751             } else {
752                 if (is_mode || ms_mode || tns_mode || pred_mode) {
753                     for (i = 0; i < s->chan_map[0]; i++) {
754                         // Must restore coeffs
755                         chans = tag == TYPE_CPE ? 2 : 1;
756                         cpe = &s->cpe[i];
757                         for (ch = 0; ch < chans; ch++)
758                             memcpy(cpe->ch[ch].coeffs, cpe->ch[ch].pcoeffs, sizeof(cpe->ch[ch].coeffs));
759                     }
760                 }
761                 its++;
762             }
763         } else {
764             break;
765         }
766     } while (1);
767
768     put_bits(&s->pb, 3, TYPE_END);
769     flush_put_bits(&s->pb);
770     avctx->frame_bits = put_bits_count(&s->pb);
771     s->lambda_sum += s->lambda;
772     s->lambda_count++;
773
774     if (!frame)
775         s->last_frame++;
776
777     ff_af_queue_remove(&s->afq, avctx->frame_size, &avpkt->pts,
778                        &avpkt->duration);
779
780     avpkt->size = put_bits_count(&s->pb) >> 3;
781     *got_packet_ptr = 1;
782     return 0;
783 }
784
785 static av_cold int aac_encode_end(AVCodecContext *avctx)
786 {
787     AACEncContext *s = avctx->priv_data;
788
789     av_log(avctx, AV_LOG_INFO, "Qavg: %.3f\n", s->lambda_sum / s->lambda_count);
790
791     ff_mdct_end(&s->mdct1024);
792     ff_mdct_end(&s->mdct128);
793     ff_psy_end(&s->psy);
794     ff_lpc_end(&s->lpc);
795     if (s->psypp)
796         ff_psy_preprocess_end(s->psypp);
797     av_freep(&s->buffer.samples);
798     av_freep(&s->cpe);
799     av_freep(&s->fdsp);
800     ff_af_queue_close(&s->afq);
801     return 0;
802 }
803
804 static av_cold int dsp_init(AVCodecContext *avctx, AACEncContext *s)
805 {
806     int ret = 0;
807
808     s->fdsp = avpriv_float_dsp_alloc(avctx->flags & AV_CODEC_FLAG_BITEXACT);
809     if (!s->fdsp)
810         return AVERROR(ENOMEM);
811
812     // window init
813     ff_kbd_window_init(ff_aac_kbd_long_1024, 4.0, 1024);
814     ff_kbd_window_init(ff_aac_kbd_short_128, 6.0, 128);
815     ff_init_ff_sine_windows(10);
816     ff_init_ff_sine_windows(7);
817
818     if ((ret = ff_mdct_init(&s->mdct1024, 11, 0, 32768.0)) < 0)
819         return ret;
820     if ((ret = ff_mdct_init(&s->mdct128,   8, 0, 32768.0)) < 0)
821         return ret;
822
823     return 0;
824 }
825
826 static av_cold int alloc_buffers(AVCodecContext *avctx, AACEncContext *s)
827 {
828     int ch;
829     FF_ALLOCZ_ARRAY_OR_GOTO(avctx, s->buffer.samples, s->channels, 3 * 1024 * sizeof(s->buffer.samples[0]), alloc_fail);
830     FF_ALLOCZ_ARRAY_OR_GOTO(avctx, s->cpe, s->chan_map[0], sizeof(ChannelElement), alloc_fail);
831     FF_ALLOCZ_OR_GOTO(avctx, avctx->extradata, 5 + AV_INPUT_BUFFER_PADDING_SIZE, alloc_fail);
832
833     for(ch = 0; ch < s->channels; ch++)
834         s->planar_samples[ch] = s->buffer.samples + 3 * 1024 * ch;
835
836     return 0;
837 alloc_fail:
838     return AVERROR(ENOMEM);
839 }
840
841 static av_cold int aac_encode_init(AVCodecContext *avctx)
842 {
843     AACEncContext *s = avctx->priv_data;
844     int i, ret = 0;
845     const uint8_t *sizes[2];
846     uint8_t grouping[AAC_MAX_CHANNELS];
847     int lengths[2];
848
849     avctx->frame_size = 1024;
850
851     for (i = 0; i < 16; i++)
852         if (avctx->sample_rate == avpriv_mpeg4audio_sample_rates[i])
853             break;
854
855     s->channels = avctx->channels;
856
857     ERROR_IF(i == 16 || i >= ff_aac_swb_size_1024_len || i >= ff_aac_swb_size_128_len,
858              "Unsupported sample rate %d\n", avctx->sample_rate);
859     ERROR_IF(s->channels > AAC_MAX_CHANNELS,
860              "Unsupported number of channels: %d\n", s->channels);
861     WARN_IF(1024.0 * avctx->bit_rate / avctx->sample_rate > 6144 * s->channels,
862              "Too many bits per frame requested, clamping to max\n");
863     if (avctx->profile == FF_PROFILE_AAC_MAIN) {
864         s->options.pred = 1;
865     } else if ((avctx->profile == FF_PROFILE_AAC_LOW ||
866                 avctx->profile == FF_PROFILE_UNKNOWN) && s->options.pred) {
867         s->profile = 0; /* Main */
868         WARN_IF(1, "Prediction requested, changing profile to AAC-Main\n");
869     } else if (avctx->profile == FF_PROFILE_AAC_LOW ||
870                avctx->profile == FF_PROFILE_UNKNOWN) {
871         s->profile = 1; /* Low */
872     } else {
873         ERROR_IF(1, "Unsupported profile %d\n", avctx->profile);
874     }
875
876     if (s->options.aac_coder != AAC_CODER_TWOLOOP) {
877         s->options.intensity_stereo = 0;
878         s->options.pns = 0;
879     }
880
881     avctx->bit_rate = (int)FFMIN(
882         6144 * s->channels / 1024.0 * avctx->sample_rate,
883         avctx->bit_rate);
884
885     s->samplerate_index = i;
886
887     s->chan_map = aac_chan_configs[s->channels-1];
888
889     if ((ret = dsp_init(avctx, s)) < 0)
890         goto fail;
891
892     if ((ret = alloc_buffers(avctx, s)) < 0)
893         goto fail;
894
895     avctx->extradata_size = 5;
896     put_audio_specific_config(avctx);
897
898     sizes[0]   = ff_aac_swb_size_1024[i];
899     sizes[1]   = ff_aac_swb_size_128[i];
900     lengths[0] = ff_aac_num_swb_1024[i];
901     lengths[1] = ff_aac_num_swb_128[i];
902     for (i = 0; i < s->chan_map[0]; i++)
903         grouping[i] = s->chan_map[i + 1] == TYPE_CPE;
904     if ((ret = ff_psy_init(&s->psy, avctx, 2, sizes, lengths,
905                            s->chan_map[0], grouping)) < 0)
906         goto fail;
907     s->psypp = ff_psy_preprocess_init(avctx);
908     s->coder = &ff_aac_coders[s->options.aac_coder];
909     ff_lpc_init(&s->lpc, 2*avctx->frame_size, TNS_MAX_ORDER, FF_LPC_TYPE_LEVINSON);
910
911     if (HAVE_MIPSDSPR1)
912         ff_aac_coder_init_mips(s);
913
914     s->lambda = avctx->global_quality > 0 ? avctx->global_quality : 120;
915     s->random_state = 0x1f2e3d4c;
916
917     ff_aac_tableinit();
918
919     avctx->initial_padding = 1024;
920     ff_af_queue_init(avctx, &s->afq);
921
922     return 0;
923 fail:
924     aac_encode_end(avctx);
925     return ret;
926 }
927
928 #define AACENC_FLAGS AV_OPT_FLAG_ENCODING_PARAM | AV_OPT_FLAG_AUDIO_PARAM
929 static const AVOption aacenc_options[] = {
930     {"stereo_mode", "Stereo coding method", offsetof(AACEncContext, options.stereo_mode), AV_OPT_TYPE_INT, {.i64 = 0}, -1, 1, AACENC_FLAGS, "stereo_mode"},
931         {"auto",     "Selected by the Encoder", 0, AV_OPT_TYPE_CONST, {.i64 = -1 }, INT_MIN, INT_MAX, AACENC_FLAGS, "stereo_mode"},
932         {"ms_off",   "Disable Mid/Side coding", 0, AV_OPT_TYPE_CONST, {.i64 =  0 }, INT_MIN, INT_MAX, AACENC_FLAGS, "stereo_mode"},
933         {"ms_force", "Force Mid/Side for the whole frame if possible", 0, AV_OPT_TYPE_CONST, {.i64 =  1 }, INT_MIN, INT_MAX, AACENC_FLAGS, "stereo_mode"},
934     {"aac_coder", "Coding algorithm", offsetof(AACEncContext, options.aac_coder), AV_OPT_TYPE_INT, {.i64 = AAC_CODER_TWOLOOP}, 0, AAC_CODER_NB-1, AACENC_FLAGS, "aac_coder"},
935         {"faac",     "FAAC-inspired method",      0, AV_OPT_TYPE_CONST, {.i64 = AAC_CODER_FAAC},    INT_MIN, INT_MAX, AACENC_FLAGS, "aac_coder"},
936         {"anmr",     "ANMR method",               0, AV_OPT_TYPE_CONST, {.i64 = AAC_CODER_ANMR},    INT_MIN, INT_MAX, AACENC_FLAGS, "aac_coder"},
937         {"twoloop",  "Two loop searching method", 0, AV_OPT_TYPE_CONST, {.i64 = AAC_CODER_TWOLOOP}, INT_MIN, INT_MAX, AACENC_FLAGS, "aac_coder"},
938         {"fast",     "Constant quantizer",        0, AV_OPT_TYPE_CONST, {.i64 = AAC_CODER_FAST},    INT_MIN, INT_MAX, AACENC_FLAGS, "aac_coder"},
939     {"aac_pns", "Perceptual Noise Substitution", offsetof(AACEncContext, options.pns), AV_OPT_TYPE_BOOL, {.i64 = 1}, 0, 1, AACENC_FLAGS},
940     {"aac_is", "Intensity stereo coding", offsetof(AACEncContext, options.intensity_stereo), AV_OPT_TYPE_BOOL, {.i64 = 1}, 0, 1, AACENC_FLAGS},
941     {"aac_tns", "Temporal noise shaping", offsetof(AACEncContext, options.tns), AV_OPT_TYPE_BOOL, {.i64 = 0}, 0, 1, AACENC_FLAGS},
942     {"aac_pred", "AAC-Main prediction", offsetof(AACEncContext, options.pred), AV_OPT_TYPE_BOOL, {.i64 = 0}, 0, 1, AACENC_FLAGS},
943     {NULL}
944 };
945
946 static const AVClass aacenc_class = {
947     "AAC encoder",
948     av_default_item_name,
949     aacenc_options,
950     LIBAVUTIL_VERSION_INT,
951 };
952
953 AVCodec ff_aac_encoder = {
954     .name           = "aac",
955     .long_name      = NULL_IF_CONFIG_SMALL("AAC (Advanced Audio Coding)"),
956     .type           = AVMEDIA_TYPE_AUDIO,
957     .id             = AV_CODEC_ID_AAC,
958     .priv_data_size = sizeof(AACEncContext),
959     .init           = aac_encode_init,
960     .encode2        = aac_encode_frame,
961     .close          = aac_encode_end,
962     .supported_samplerates = mpeg4audio_sample_rates,
963     .capabilities   = AV_CODEC_CAP_SMALL_LAST_FRAME | AV_CODEC_CAP_DELAY |
964                       AV_CODEC_CAP_EXPERIMENTAL,
965     .sample_fmts    = (const enum AVSampleFormat[]){ AV_SAMPLE_FMT_FLTP,
966                                                      AV_SAMPLE_FMT_NONE },
967     .priv_class     = &aacenc_class,
968 };