Merge commit '381dc1a5ec0925b281c573457c413ae643567086'
[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  * add temporal noise shaping
31  ***********************************/
32
33 #include "libavutil/float_dsp.h"
34 #include "libavutil/opt.h"
35 #include "avcodec.h"
36 #include "put_bits.h"
37 #include "dsputil.h"
38 #include "internal.h"
39 #include "mpeg4audio.h"
40 #include "kbdwin.h"
41 #include "sinewin.h"
42
43 #include "aac.h"
44 #include "aactab.h"
45 #include "aacenc.h"
46
47 #include "psymodel.h"
48
49 #define AAC_MAX_CHANNELS 6
50
51 #define ERROR_IF(cond, ...) \
52     if (cond) { \
53         av_log(avctx, AV_LOG_ERROR, __VA_ARGS__); \
54         return AVERROR(EINVAL); \
55     }
56
57 float ff_aac_pow34sf_tab[428];
58
59 static const uint8_t swb_size_1024_96[] = {
60     4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 8, 8, 8, 8, 8,
61     12, 12, 12, 12, 12, 16, 16, 24, 28, 36, 44,
62     64, 64, 64, 64, 64, 64, 64, 64, 64, 64, 64
63 };
64
65 static const uint8_t swb_size_1024_64[] = {
66     4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 8, 8, 8, 8,
67     12, 12, 12, 16, 16, 16, 20, 24, 24, 28, 36,
68     40, 40, 40, 40, 40, 40, 40, 40, 40, 40, 40, 40, 40, 40, 40, 40, 40, 40
69 };
70
71 static const uint8_t swb_size_1024_48[] = {
72     4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 8, 8, 8, 8, 8, 8, 8,
73     12, 12, 12, 12, 16, 16, 20, 20, 24, 24, 28, 28,
74     32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32,
75     96
76 };
77
78 static const uint8_t swb_size_1024_32[] = {
79     4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 8, 8, 8, 8, 8, 8, 8,
80     12, 12, 12, 12, 16, 16, 20, 20, 24, 24, 28, 28,
81     32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32
82 };
83
84 static const uint8_t swb_size_1024_24[] = {
85     4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 8, 8, 8, 8, 8, 8, 8, 8, 8, 8,
86     12, 12, 12, 12, 16, 16, 16, 20, 20, 24, 24, 28, 28,
87     32, 36, 36, 40, 44, 48, 52, 52, 64, 64, 64, 64, 64
88 };
89
90 static const uint8_t swb_size_1024_16[] = {
91     8, 8, 8, 8, 8, 8, 8, 8, 8, 8, 8,
92     12, 12, 12, 12, 12, 12, 12, 12, 12, 16, 16, 16, 16, 20, 20, 20, 24, 24, 28, 28,
93     32, 36, 40, 40, 44, 48, 52, 56, 60, 64, 64, 64
94 };
95
96 static const uint8_t swb_size_1024_8[] = {
97     12, 12, 12, 12, 12, 12, 12, 12, 12, 12, 12, 12, 12,
98     16, 16, 16, 16, 16, 16, 16, 20, 20, 20, 20, 24, 24, 24, 28, 28,
99     32, 36, 36, 40, 44, 48, 52, 56, 60, 64, 80
100 };
101
102 static const uint8_t *swb_size_1024[] = {
103     swb_size_1024_96, swb_size_1024_96, swb_size_1024_64,
104     swb_size_1024_48, swb_size_1024_48, swb_size_1024_32,
105     swb_size_1024_24, swb_size_1024_24, swb_size_1024_16,
106     swb_size_1024_16, swb_size_1024_16, swb_size_1024_8
107 };
108
109 static const uint8_t swb_size_128_96[] = {
110     4, 4, 4, 4, 4, 4, 8, 8, 8, 16, 28, 36
111 };
112
113 static const uint8_t swb_size_128_48[] = {
114     4, 4, 4, 4, 4, 8, 8, 8, 12, 12, 12, 16, 16, 16
115 };
116
117 static const uint8_t swb_size_128_24[] = {
118     4, 4, 4, 4, 4, 4, 4, 8, 8, 8, 12, 12, 16, 16, 20
119 };
120
121 static const uint8_t swb_size_128_16[] = {
122     4, 4, 4, 4, 4, 4, 4, 4, 8, 8, 12, 12, 16, 20, 20
123 };
124
125 static const uint8_t swb_size_128_8[] = {
126     4, 4, 4, 4, 4, 4, 4, 8, 8, 8, 8, 12, 16, 20, 20
127 };
128
129 static const uint8_t *swb_size_128[] = {
130     /* the last entry on the following row is swb_size_128_64 but is a
131        duplicate of swb_size_128_96 */
132     swb_size_128_96, swb_size_128_96, swb_size_128_96,
133     swb_size_128_48, swb_size_128_48, swb_size_128_48,
134     swb_size_128_24, swb_size_128_24, swb_size_128_16,
135     swb_size_128_16, swb_size_128_16, swb_size_128_8
136 };
137
138 /** default channel configurations */
139 static const uint8_t aac_chan_configs[6][5] = {
140  {1, TYPE_SCE},                               // 1 channel  - single channel element
141  {1, TYPE_CPE},                               // 2 channels - channel pair
142  {2, TYPE_SCE, TYPE_CPE},                     // 3 channels - center + stereo
143  {3, TYPE_SCE, TYPE_CPE, TYPE_SCE},           // 4 channels - front center + stereo + back center
144  {3, TYPE_SCE, TYPE_CPE, TYPE_CPE},           // 5 channels - front center + stereo + back stereo
145  {4, TYPE_SCE, TYPE_CPE, TYPE_CPE, TYPE_LFE}, // 6 channels - front center + stereo + back stereo + LFE
146 };
147
148 /**
149  * Table to remap channels from libavcodec's default order to AAC order.
150  */
151 static const uint8_t aac_chan_maps[AAC_MAX_CHANNELS][AAC_MAX_CHANNELS] = {
152     { 0 },
153     { 0, 1 },
154     { 2, 0, 1 },
155     { 2, 0, 1, 3 },
156     { 2, 0, 1, 3, 4 },
157     { 2, 0, 1, 4, 5, 3 },
158 };
159
160 /**
161  * Make AAC audio config object.
162  * @see 1.6.2.1 "Syntax - AudioSpecificConfig"
163  */
164 static void put_audio_specific_config(AVCodecContext *avctx)
165 {
166     PutBitContext pb;
167     AACEncContext *s = avctx->priv_data;
168
169     init_put_bits(&pb, avctx->extradata, avctx->extradata_size*8);
170     put_bits(&pb, 5, 2); //object type - AAC-LC
171     put_bits(&pb, 4, s->samplerate_index); //sample rate index
172     put_bits(&pb, 4, s->channels);
173     //GASpecificConfig
174     put_bits(&pb, 1, 0); //frame length - 1024 samples
175     put_bits(&pb, 1, 0); //does not depend on core coder
176     put_bits(&pb, 1, 0); //is not extension
177
178     //Explicitly Mark SBR absent
179     put_bits(&pb, 11, 0x2b7); //sync extension
180     put_bits(&pb, 5,  AOT_SBR);
181     put_bits(&pb, 1,  0);
182     flush_put_bits(&pb);
183 }
184
185 #define WINDOW_FUNC(type) \
186 static void apply_ ##type ##_window(DSPContext *dsp, AVFloatDSPContext *fdsp, \
187                                     SingleChannelElement *sce, \
188                                     const float *audio)
189
190 WINDOW_FUNC(only_long)
191 {
192     const float *lwindow = sce->ics.use_kb_window[0] ? ff_aac_kbd_long_1024 : ff_sine_1024;
193     const float *pwindow = sce->ics.use_kb_window[1] ? ff_aac_kbd_long_1024 : ff_sine_1024;
194     float *out = sce->ret;
195
196     fdsp->vector_fmul       (out,        audio,        lwindow, 1024);
197     dsp->vector_fmul_reverse(out + 1024, audio + 1024, pwindow, 1024);
198 }
199
200 WINDOW_FUNC(long_start)
201 {
202     const float *lwindow = sce->ics.use_kb_window[1] ? ff_aac_kbd_long_1024 : ff_sine_1024;
203     const float *swindow = sce->ics.use_kb_window[0] ? ff_aac_kbd_short_128 : ff_sine_128;
204     float *out = sce->ret;
205
206     fdsp->vector_fmul(out, audio, lwindow, 1024);
207     memcpy(out + 1024, audio + 1024, sizeof(out[0]) * 448);
208     dsp->vector_fmul_reverse(out + 1024 + 448, audio + 1024 + 448, swindow, 128);
209     memset(out + 1024 + 576, 0, sizeof(out[0]) * 448);
210 }
211
212 WINDOW_FUNC(long_stop)
213 {
214     const float *lwindow = sce->ics.use_kb_window[0] ? ff_aac_kbd_long_1024 : ff_sine_1024;
215     const float *swindow = sce->ics.use_kb_window[1] ? ff_aac_kbd_short_128 : ff_sine_128;
216     float *out = sce->ret;
217
218     memset(out, 0, sizeof(out[0]) * 448);
219     fdsp->vector_fmul(out + 448, audio + 448, swindow, 128);
220     memcpy(out + 576, audio + 576, sizeof(out[0]) * 448);
221     dsp->vector_fmul_reverse(out + 1024, audio + 1024, lwindow, 1024);
222 }
223
224 WINDOW_FUNC(eight_short)
225 {
226     const float *swindow = sce->ics.use_kb_window[0] ? ff_aac_kbd_short_128 : ff_sine_128;
227     const float *pwindow = sce->ics.use_kb_window[1] ? ff_aac_kbd_short_128 : ff_sine_128;
228     const float *in = audio + 448;
229     float *out = sce->ret;
230     int w;
231
232     for (w = 0; w < 8; w++) {
233         fdsp->vector_fmul       (out, in, w ? pwindow : swindow, 128);
234         out += 128;
235         in  += 128;
236         dsp->vector_fmul_reverse(out, in, swindow, 128);
237         out += 128;
238     }
239 }
240
241 static void (*const apply_window[4])(DSPContext *dsp, AVFloatDSPContext *fdsp,
242                                      SingleChannelElement *sce,
243                                      const float *audio) = {
244     [ONLY_LONG_SEQUENCE]   = apply_only_long_window,
245     [LONG_START_SEQUENCE]  = apply_long_start_window,
246     [EIGHT_SHORT_SEQUENCE] = apply_eight_short_window,
247     [LONG_STOP_SEQUENCE]   = apply_long_stop_window
248 };
249
250 static void apply_window_and_mdct(AACEncContext *s, SingleChannelElement *sce,
251                                   float *audio)
252 {
253     int i;
254     float *output = sce->ret;
255
256     apply_window[sce->ics.window_sequence[0]](&s->dsp, &s->fdsp, sce, audio);
257
258     if (sce->ics.window_sequence[0] != EIGHT_SHORT_SEQUENCE)
259         s->mdct1024.mdct_calc(&s->mdct1024, sce->coeffs, output);
260     else
261         for (i = 0; i < 1024; i += 128)
262             s->mdct128.mdct_calc(&s->mdct128, sce->coeffs + i, output + i*2);
263     memcpy(audio, audio + 1024, sizeof(audio[0]) * 1024);
264 }
265
266 /**
267  * Encode ics_info element.
268  * @see Table 4.6 (syntax of ics_info)
269  */
270 static void put_ics_info(AACEncContext *s, IndividualChannelStream *info)
271 {
272     int w;
273
274     put_bits(&s->pb, 1, 0);                // ics_reserved bit
275     put_bits(&s->pb, 2, info->window_sequence[0]);
276     put_bits(&s->pb, 1, info->use_kb_window[0]);
277     if (info->window_sequence[0] != EIGHT_SHORT_SEQUENCE) {
278         put_bits(&s->pb, 6, info->max_sfb);
279         put_bits(&s->pb, 1, 0);            // no prediction
280     } else {
281         put_bits(&s->pb, 4, info->max_sfb);
282         for (w = 1; w < 8; w++)
283             put_bits(&s->pb, 1, !info->group_len[w]);
284     }
285 }
286
287 /**
288  * Encode MS data.
289  * @see 4.6.8.1 "Joint Coding - M/S Stereo"
290  */
291 static void encode_ms_info(PutBitContext *pb, ChannelElement *cpe)
292 {
293     int i, w;
294
295     put_bits(pb, 2, cpe->ms_mode);
296     if (cpe->ms_mode == 1)
297         for (w = 0; w < cpe->ch[0].ics.num_windows; w += cpe->ch[0].ics.group_len[w])
298             for (i = 0; i < cpe->ch[0].ics.max_sfb; i++)
299                 put_bits(pb, 1, cpe->ms_mask[w*16 + i]);
300 }
301
302 /**
303  * Produce integer coefficients from scalefactors provided by the model.
304  */
305 static void adjust_frame_information(ChannelElement *cpe, int chans)
306 {
307     int i, w, w2, g, ch;
308     int start, maxsfb, cmaxsfb;
309
310     for (ch = 0; ch < chans; ch++) {
311         IndividualChannelStream *ics = &cpe->ch[ch].ics;
312         start = 0;
313         maxsfb = 0;
314         cpe->ch[ch].pulse.num_pulse = 0;
315         for (w = 0; w < ics->num_windows*16; w += 16) {
316             for (g = 0; g < ics->num_swb; g++) {
317                 //apply M/S
318                 if (cpe->common_window && !ch && cpe->ms_mask[w + g]) {
319                     for (i = 0; i < ics->swb_sizes[g]; i++) {
320                         cpe->ch[0].coeffs[start+i] = (cpe->ch[0].coeffs[start+i] + cpe->ch[1].coeffs[start+i]) / 2.0;
321                         cpe->ch[1].coeffs[start+i] =  cpe->ch[0].coeffs[start+i] - cpe->ch[1].coeffs[start+i];
322                     }
323                 }
324                 start += ics->swb_sizes[g];
325             }
326             for (cmaxsfb = ics->num_swb; cmaxsfb > 0 && cpe->ch[ch].zeroes[w+cmaxsfb-1]; cmaxsfb--)
327                 ;
328             maxsfb = FFMAX(maxsfb, cmaxsfb);
329         }
330         ics->max_sfb = maxsfb;
331
332         //adjust zero bands for window groups
333         for (w = 0; w < ics->num_windows; w += ics->group_len[w]) {
334             for (g = 0; g < ics->max_sfb; g++) {
335                 i = 1;
336                 for (w2 = w; w2 < w + ics->group_len[w]; w2++) {
337                     if (!cpe->ch[ch].zeroes[w2*16 + g]) {
338                         i = 0;
339                         break;
340                     }
341                 }
342                 cpe->ch[ch].zeroes[w*16 + g] = i;
343             }
344         }
345     }
346
347     if (chans > 1 && cpe->common_window) {
348         IndividualChannelStream *ics0 = &cpe->ch[0].ics;
349         IndividualChannelStream *ics1 = &cpe->ch[1].ics;
350         int msc = 0;
351         ics0->max_sfb = FFMAX(ics0->max_sfb, ics1->max_sfb);
352         ics1->max_sfb = ics0->max_sfb;
353         for (w = 0; w < ics0->num_windows*16; w += 16)
354             for (i = 0; i < ics0->max_sfb; i++)
355                 if (cpe->ms_mask[w+i])
356                     msc++;
357         if (msc == 0 || ics0->max_sfb == 0)
358             cpe->ms_mode = 0;
359         else
360             cpe->ms_mode = msc < ics0->max_sfb * ics0->num_windows ? 1 : 2;
361     }
362 }
363
364 /**
365  * Encode scalefactor band coding type.
366  */
367 static void encode_band_info(AACEncContext *s, SingleChannelElement *sce)
368 {
369     int w;
370
371     for (w = 0; w < sce->ics.num_windows; w += sce->ics.group_len[w])
372         s->coder->encode_window_bands_info(s, sce, w, sce->ics.group_len[w], s->lambda);
373 }
374
375 /**
376  * Encode scalefactors.
377  */
378 static void encode_scale_factors(AVCodecContext *avctx, AACEncContext *s,
379                                  SingleChannelElement *sce)
380 {
381     int off = sce->sf_idx[0], diff;
382     int i, w;
383
384     for (w = 0; w < sce->ics.num_windows; w += sce->ics.group_len[w]) {
385         for (i = 0; i < sce->ics.max_sfb; i++) {
386             if (!sce->zeroes[w*16 + i]) {
387                 diff = sce->sf_idx[w*16 + i] - off + SCALE_DIFF_ZERO;
388                 av_assert0(diff >= 0 && diff <= 120);
389                 off = sce->sf_idx[w*16 + i];
390                 put_bits(&s->pb, ff_aac_scalefactor_bits[diff], ff_aac_scalefactor_code[diff]);
391             }
392         }
393     }
394 }
395
396 /**
397  * Encode pulse data.
398  */
399 static void encode_pulses(AACEncContext *s, Pulse *pulse)
400 {
401     int i;
402
403     put_bits(&s->pb, 1, !!pulse->num_pulse);
404     if (!pulse->num_pulse)
405         return;
406
407     put_bits(&s->pb, 2, pulse->num_pulse - 1);
408     put_bits(&s->pb, 6, pulse->start);
409     for (i = 0; i < pulse->num_pulse; i++) {
410         put_bits(&s->pb, 5, pulse->pos[i]);
411         put_bits(&s->pb, 4, pulse->amp[i]);
412     }
413 }
414
415 /**
416  * Encode spectral coefficients processed by psychoacoustic model.
417  */
418 static void encode_spectral_coeffs(AACEncContext *s, SingleChannelElement *sce)
419 {
420     int start, i, w, w2;
421
422     for (w = 0; w < sce->ics.num_windows; w += sce->ics.group_len[w]) {
423         start = 0;
424         for (i = 0; i < sce->ics.max_sfb; i++) {
425             if (sce->zeroes[w*16 + i]) {
426                 start += sce->ics.swb_sizes[i];
427                 continue;
428             }
429             for (w2 = w; w2 < w + sce->ics.group_len[w]; w2++)
430                 s->coder->quantize_and_encode_band(s, &s->pb, sce->coeffs + start + w2*128,
431                                                    sce->ics.swb_sizes[i],
432                                                    sce->sf_idx[w*16 + i],
433                                                    sce->band_type[w*16 + i],
434                                                    s->lambda);
435             start += sce->ics.swb_sizes[i];
436         }
437     }
438 }
439
440 /**
441  * Encode one channel of audio data.
442  */
443 static int encode_individual_channel(AVCodecContext *avctx, AACEncContext *s,
444                                      SingleChannelElement *sce,
445                                      int common_window)
446 {
447     put_bits(&s->pb, 8, sce->sf_idx[0]);
448     if (!common_window)
449         put_ics_info(s, &sce->ics);
450     encode_band_info(s, sce);
451     encode_scale_factors(avctx, s, sce);
452     encode_pulses(s, &sce->pulse);
453     put_bits(&s->pb, 1, 0); //tns
454     put_bits(&s->pb, 1, 0); //ssr
455     encode_spectral_coeffs(s, sce);
456     return 0;
457 }
458
459 /**
460  * Write some auxiliary information about the created AAC file.
461  */
462 static void put_bitstream_info(AACEncContext *s, const char *name)
463 {
464     int i, namelen, padbits;
465
466     namelen = strlen(name) + 2;
467     put_bits(&s->pb, 3, TYPE_FIL);
468     put_bits(&s->pb, 4, FFMIN(namelen, 15));
469     if (namelen >= 15)
470         put_bits(&s->pb, 8, namelen - 14);
471     put_bits(&s->pb, 4, 0); //extension type - filler
472     padbits = -put_bits_count(&s->pb) & 7;
473     avpriv_align_put_bits(&s->pb);
474     for (i = 0; i < namelen - 2; i++)
475         put_bits(&s->pb, 8, name[i]);
476     put_bits(&s->pb, 12 - padbits, 0);
477 }
478
479 /*
480  * Copy input samples.
481  * Channels are reordered from libavcodec's default order to AAC order.
482  */
483 static void copy_input_samples(AACEncContext *s, const AVFrame *frame)
484 {
485     int ch;
486     int end = 2048 + (frame ? frame->nb_samples : 0);
487     const uint8_t *channel_map = aac_chan_maps[s->channels - 1];
488
489     /* copy and remap input samples */
490     for (ch = 0; ch < s->channels; ch++) {
491         /* copy last 1024 samples of previous frame to the start of the current frame */
492         memcpy(&s->planar_samples[ch][1024], &s->planar_samples[ch][2048], 1024 * sizeof(s->planar_samples[0][0]));
493
494         /* copy new samples and zero any remaining samples */
495         if (frame) {
496             memcpy(&s->planar_samples[ch][2048],
497                    frame->extended_data[channel_map[ch]],
498                    frame->nb_samples * sizeof(s->planar_samples[0][0]));
499         }
500         memset(&s->planar_samples[ch][end], 0,
501                (3072 - end) * sizeof(s->planar_samples[0][0]));
502     }
503 }
504
505 static int aac_encode_frame(AVCodecContext *avctx, AVPacket *avpkt,
506                             const AVFrame *frame, int *got_packet_ptr)
507 {
508     AACEncContext *s = avctx->priv_data;
509     float **samples = s->planar_samples, *samples2, *la, *overlap;
510     ChannelElement *cpe;
511     int i, ch, w, g, chans, tag, start_ch, ret;
512     int chan_el_counter[4];
513     FFPsyWindowInfo windows[AAC_MAX_CHANNELS];
514
515     if (s->last_frame == 2)
516         return 0;
517
518     /* add current frame to queue */
519     if (frame) {
520         if ((ret = ff_af_queue_add(&s->afq, frame) < 0))
521             return ret;
522     }
523
524     copy_input_samples(s, frame);
525     if (s->psypp)
526         ff_psy_preprocess(s->psypp, s->planar_samples, s->channels);
527
528     if (!avctx->frame_number)
529         return 0;
530
531     start_ch = 0;
532     for (i = 0; i < s->chan_map[0]; i++) {
533         FFPsyWindowInfo* wi = windows + start_ch;
534         tag      = s->chan_map[i+1];
535         chans    = tag == TYPE_CPE ? 2 : 1;
536         cpe      = &s->cpe[i];
537         for (ch = 0; ch < chans; ch++) {
538             IndividualChannelStream *ics = &cpe->ch[ch].ics;
539             int cur_channel = start_ch + ch;
540             overlap  = &samples[cur_channel][0];
541             samples2 = overlap + 1024;
542             la       = samples2 + (448+64);
543             if (!frame)
544                 la = NULL;
545             if (tag == TYPE_LFE) {
546                 wi[ch].window_type[0] = ONLY_LONG_SEQUENCE;
547                 wi[ch].window_shape   = 0;
548                 wi[ch].num_windows    = 1;
549                 wi[ch].grouping[0]    = 1;
550
551                 /* Only the lowest 12 coefficients are used in a LFE channel.
552                  * The expression below results in only the bottom 8 coefficients
553                  * being used for 11.025kHz to 16kHz sample rates.
554                  */
555                 ics->num_swb = s->samplerate_index >= 8 ? 1 : 3;
556             } else {
557                 wi[ch] = s->psy.model->window(&s->psy, samples2, la, cur_channel,
558                                               ics->window_sequence[0]);
559             }
560             ics->window_sequence[1] = ics->window_sequence[0];
561             ics->window_sequence[0] = wi[ch].window_type[0];
562             ics->use_kb_window[1]   = ics->use_kb_window[0];
563             ics->use_kb_window[0]   = wi[ch].window_shape;
564             ics->num_windows        = wi[ch].num_windows;
565             ics->swb_sizes          = s->psy.bands    [ics->num_windows == 8];
566             ics->num_swb            = tag == TYPE_LFE ? ics->num_swb : s->psy.num_bands[ics->num_windows == 8];
567             for (w = 0; w < ics->num_windows; w++)
568                 ics->group_len[w] = wi[ch].grouping[w];
569
570             apply_window_and_mdct(s, &cpe->ch[ch], overlap);
571         }
572         start_ch += chans;
573     }
574     if ((ret = ff_alloc_packet2(avctx, avpkt, 8192 * s->channels))) {
575         av_log(avctx, AV_LOG_ERROR, "Error getting output packet\n");
576         return ret;
577     }
578     do {
579         int frame_bits;
580
581         init_put_bits(&s->pb, avpkt->data, avpkt->size);
582
583         if ((avctx->frame_number & 0xFF)==1 && !(avctx->flags & CODEC_FLAG_BITEXACT))
584             put_bitstream_info(s, LIBAVCODEC_IDENT);
585         start_ch = 0;
586         memset(chan_el_counter, 0, sizeof(chan_el_counter));
587         for (i = 0; i < s->chan_map[0]; i++) {
588             FFPsyWindowInfo* wi = windows + start_ch;
589             const float *coeffs[2];
590             tag      = s->chan_map[i+1];
591             chans    = tag == TYPE_CPE ? 2 : 1;
592             cpe      = &s->cpe[i];
593             put_bits(&s->pb, 3, tag);
594             put_bits(&s->pb, 4, chan_el_counter[tag]++);
595             for (ch = 0; ch < chans; ch++)
596                 coeffs[ch] = cpe->ch[ch].coeffs;
597             s->psy.model->analyze(&s->psy, start_ch, coeffs, wi);
598             for (ch = 0; ch < chans; ch++) {
599                 s->cur_channel = start_ch * 2 + ch;
600                 s->coder->search_for_quantizers(avctx, s, &cpe->ch[ch], s->lambda);
601             }
602             cpe->common_window = 0;
603             if (chans > 1
604                 && wi[0].window_type[0] == wi[1].window_type[0]
605                 && wi[0].window_shape   == wi[1].window_shape) {
606
607                 cpe->common_window = 1;
608                 for (w = 0; w < wi[0].num_windows; w++) {
609                     if (wi[0].grouping[w] != wi[1].grouping[w]) {
610                         cpe->common_window = 0;
611                         break;
612                     }
613                 }
614             }
615             s->cur_channel = start_ch * 2;
616             if (s->options.stereo_mode && cpe->common_window) {
617                 if (s->options.stereo_mode > 0) {
618                     IndividualChannelStream *ics = &cpe->ch[0].ics;
619                     for (w = 0; w < ics->num_windows; w += ics->group_len[w])
620                         for (g = 0;  g < ics->num_swb; g++)
621                             cpe->ms_mask[w*16+g] = 1;
622                 } else if (s->coder->search_for_ms) {
623                     s->coder->search_for_ms(s, cpe, s->lambda);
624                 }
625             }
626             adjust_frame_information(cpe, chans);
627             if (chans == 2) {
628                 put_bits(&s->pb, 1, cpe->common_window);
629                 if (cpe->common_window) {
630                     put_ics_info(s, &cpe->ch[0].ics);
631                     encode_ms_info(&s->pb, cpe);
632                 }
633             }
634             for (ch = 0; ch < chans; ch++) {
635                 s->cur_channel = start_ch + ch;
636                 encode_individual_channel(avctx, s, &cpe->ch[ch], cpe->common_window);
637             }
638             start_ch += chans;
639         }
640
641         frame_bits = put_bits_count(&s->pb);
642         if (frame_bits <= 6144 * s->channels - 3) {
643             s->psy.bitres.bits = frame_bits / s->channels;
644             break;
645         }
646
647         s->lambda *= avctx->bit_rate * 1024.0f / avctx->sample_rate / frame_bits;
648
649     } while (1);
650
651     put_bits(&s->pb, 3, TYPE_END);
652     flush_put_bits(&s->pb);
653     avctx->frame_bits = put_bits_count(&s->pb);
654
655     // rate control stuff
656     if (!(avctx->flags & CODEC_FLAG_QSCALE)) {
657         float ratio = avctx->bit_rate * 1024.0f / avctx->sample_rate / avctx->frame_bits;
658         s->lambda *= ratio;
659         s->lambda = FFMIN(s->lambda, 65536.f);
660     }
661
662     if (!frame)
663         s->last_frame++;
664
665     ff_af_queue_remove(&s->afq, avctx->frame_size, &avpkt->pts,
666                        &avpkt->duration);
667
668     avpkt->size = put_bits_count(&s->pb) >> 3;
669     *got_packet_ptr = 1;
670     return 0;
671 }
672
673 static av_cold int aac_encode_end(AVCodecContext *avctx)
674 {
675     AACEncContext *s = avctx->priv_data;
676
677     ff_mdct_end(&s->mdct1024);
678     ff_mdct_end(&s->mdct128);
679     ff_psy_end(&s->psy);
680     if (s->psypp)
681         ff_psy_preprocess_end(s->psypp);
682     av_freep(&s->buffer.samples);
683     av_freep(&s->cpe);
684     ff_af_queue_close(&s->afq);
685 #if FF_API_OLD_ENCODE_AUDIO
686     av_freep(&avctx->coded_frame);
687 #endif
688     return 0;
689 }
690
691 static av_cold int dsp_init(AVCodecContext *avctx, AACEncContext *s)
692 {
693     int ret = 0;
694
695     ff_dsputil_init(&s->dsp, avctx);
696     avpriv_float_dsp_init(&s->fdsp, avctx->flags & CODEC_FLAG_BITEXACT);
697
698     // window init
699     ff_kbd_window_init(ff_aac_kbd_long_1024, 4.0, 1024);
700     ff_kbd_window_init(ff_aac_kbd_short_128, 6.0, 128);
701     ff_init_ff_sine_windows(10);
702     ff_init_ff_sine_windows(7);
703
704     if (ret = ff_mdct_init(&s->mdct1024, 11, 0, 32768.0))
705         return ret;
706     if (ret = ff_mdct_init(&s->mdct128,   8, 0, 32768.0))
707         return ret;
708
709     return 0;
710 }
711
712 static av_cold int alloc_buffers(AVCodecContext *avctx, AACEncContext *s)
713 {
714     int ch;
715     FF_ALLOCZ_OR_GOTO(avctx, s->buffer.samples, 3 * 1024 * s->channels * sizeof(s->buffer.samples[0]), alloc_fail);
716     FF_ALLOCZ_OR_GOTO(avctx, s->cpe, sizeof(ChannelElement) * s->chan_map[0], alloc_fail);
717     FF_ALLOCZ_OR_GOTO(avctx, avctx->extradata, 5 + FF_INPUT_BUFFER_PADDING_SIZE, alloc_fail);
718
719     for(ch = 0; ch < s->channels; ch++)
720         s->planar_samples[ch] = s->buffer.samples + 3 * 1024 * ch;
721
722 #if FF_API_OLD_ENCODE_AUDIO
723     if (!(avctx->coded_frame = avcodec_alloc_frame()))
724         goto alloc_fail;
725 #endif
726
727     return 0;
728 alloc_fail:
729     return AVERROR(ENOMEM);
730 }
731
732 static av_cold int aac_encode_init(AVCodecContext *avctx)
733 {
734     AACEncContext *s = avctx->priv_data;
735     int i, ret = 0;
736     const uint8_t *sizes[2];
737     uint8_t grouping[AAC_MAX_CHANNELS];
738     int lengths[2];
739
740     avctx->frame_size = 1024;
741
742     for (i = 0; i < 16; i++)
743         if (avctx->sample_rate == avpriv_mpeg4audio_sample_rates[i])
744             break;
745
746     s->channels = avctx->channels;
747
748     ERROR_IF(i == 16,
749              "Unsupported sample rate %d\n", avctx->sample_rate);
750     ERROR_IF(s->channels > AAC_MAX_CHANNELS,
751              "Unsupported number of channels: %d\n", s->channels);
752     ERROR_IF(avctx->profile != FF_PROFILE_UNKNOWN && avctx->profile != FF_PROFILE_AAC_LOW,
753              "Unsupported profile %d\n", avctx->profile);
754     ERROR_IF(1024.0 * avctx->bit_rate / avctx->sample_rate > 6144 * s->channels,
755              "Too many bits per frame requested\n");
756
757     s->samplerate_index = i;
758
759     s->chan_map = aac_chan_configs[s->channels-1];
760
761     if (ret = dsp_init(avctx, s))
762         goto fail;
763
764     if (ret = alloc_buffers(avctx, s))
765         goto fail;
766
767     avctx->extradata_size = 5;
768     put_audio_specific_config(avctx);
769
770     sizes[0]   = swb_size_1024[i];
771     sizes[1]   = swb_size_128[i];
772     lengths[0] = ff_aac_num_swb_1024[i];
773     lengths[1] = ff_aac_num_swb_128[i];
774     for (i = 0; i < s->chan_map[0]; i++)
775         grouping[i] = s->chan_map[i + 1] == TYPE_CPE;
776     if (ret = ff_psy_init(&s->psy, avctx, 2, sizes, lengths, s->chan_map[0], grouping))
777         goto fail;
778     s->psypp = ff_psy_preprocess_init(avctx);
779     s->coder = &ff_aac_coders[s->options.aac_coder];
780
781     s->lambda = avctx->global_quality ? avctx->global_quality : 120;
782
783     ff_aac_tableinit();
784
785     for (i = 0; i < 428; i++)
786         ff_aac_pow34sf_tab[i] = sqrt(ff_aac_pow2sf_tab[i] * sqrt(ff_aac_pow2sf_tab[i]));
787
788     avctx->delay = 1024;
789     ff_af_queue_init(avctx, &s->afq);
790
791     return 0;
792 fail:
793     aac_encode_end(avctx);
794     return ret;
795 }
796
797 #define AACENC_FLAGS AV_OPT_FLAG_ENCODING_PARAM | AV_OPT_FLAG_AUDIO_PARAM
798 static const AVOption aacenc_options[] = {
799     {"stereo_mode", "Stereo coding method", offsetof(AACEncContext, options.stereo_mode), AV_OPT_TYPE_INT, {.i64 = 0}, -1, 1, AACENC_FLAGS, "stereo_mode"},
800         {"auto",     "Selected by the Encoder", 0, AV_OPT_TYPE_CONST, {.i64 = -1 }, INT_MIN, INT_MAX, AACENC_FLAGS, "stereo_mode"},
801         {"ms_off",   "Disable Mid/Side coding", 0, AV_OPT_TYPE_CONST, {.i64 =  0 }, INT_MIN, INT_MAX, AACENC_FLAGS, "stereo_mode"},
802         {"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"},
803     {"aac_coder", "", offsetof(AACEncContext, options.aac_coder), AV_OPT_TYPE_INT, {.i64 = 2}, 0, AAC_CODER_NB-1, AACENC_FLAGS},
804     {NULL}
805 };
806
807 static const AVClass aacenc_class = {
808     "AAC encoder",
809     av_default_item_name,
810     aacenc_options,
811     LIBAVUTIL_VERSION_INT,
812 };
813
814 AVCodec ff_aac_encoder = {
815     .name           = "aac",
816     .type           = AVMEDIA_TYPE_AUDIO,
817     .id             = AV_CODEC_ID_AAC,
818     .priv_data_size = sizeof(AACEncContext),
819     .init           = aac_encode_init,
820     .encode2        = aac_encode_frame,
821     .close          = aac_encode_end,
822     .supported_samplerates = avpriv_mpeg4audio_sample_rates,
823     .capabilities   = CODEC_CAP_SMALL_LAST_FRAME | CODEC_CAP_DELAY |
824                       CODEC_CAP_EXPERIMENTAL,
825     .sample_fmts    = (const enum AVSampleFormat[]){ AV_SAMPLE_FMT_FLTP,
826                                                      AV_SAMPLE_FMT_NONE },
827     .long_name      = NULL_IF_CONFIG_SMALL("AAC (Advanced Audio Coding)"),
828     .priv_class     = &aacenc_class,
829 };