avcodec/aacdec_fixed: use 64bit to avoid overflow in rounding in apply_dependent_coup...
[ffmpeg.git] / libavcodec / opusenc.c
1 /*
2  * Opus encoder
3  * Copyright (c) 2017 Rostislav Pehlivanov <atomnuker@gmail.com>
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 #include "opusenc.h"
23 #include "opus_pvq.h"
24 #include "opusenc_psy.h"
25 #include "opustab.h"
26
27 #include "libavutil/float_dsp.h"
28 #include "libavutil/opt.h"
29 #include "internal.h"
30 #include "bytestream.h"
31 #include "audio_frame_queue.h"
32
33 typedef struct OpusEncContext {
34     AVClass *av_class;
35     OpusEncOptions options;
36     OpusPsyContext psyctx;
37     AVCodecContext *avctx;
38     AudioFrameQueue afq;
39     AVFloatDSPContext *dsp;
40     MDCT15Context *mdct[CELT_BLOCK_NB];
41     CeltPVQ *pvq;
42     struct FFBufQueue bufqueue;
43
44     uint8_t enc_id[64];
45     int enc_id_bits;
46
47     OpusPacketInfo packet;
48
49     int channels;
50
51     CeltFrame *frame;
52     OpusRangeCoder *rc;
53
54     /* Actual energy the decoder will have */
55     float last_quantized_energy[OPUS_MAX_CHANNELS][CELT_MAX_BANDS];
56
57     DECLARE_ALIGNED(32, float, scratch)[2048];
58 } OpusEncContext;
59
60 static void opus_write_extradata(AVCodecContext *avctx)
61 {
62     uint8_t *bs = avctx->extradata;
63
64     bytestream_put_buffer(&bs, "OpusHead", 8);
65     bytestream_put_byte  (&bs, 0x1);
66     bytestream_put_byte  (&bs, avctx->channels);
67     bytestream_put_le16  (&bs, avctx->initial_padding);
68     bytestream_put_le32  (&bs, avctx->sample_rate);
69     bytestream_put_le16  (&bs, 0x0);
70     bytestream_put_byte  (&bs, 0x0); /* Default layout */
71 }
72
73 static int opus_gen_toc(OpusEncContext *s, uint8_t *toc, int *size, int *fsize_needed)
74 {
75     int tmp = 0x0, extended_toc = 0;
76     static const int toc_cfg[][OPUS_MODE_NB][OPUS_BANDWITH_NB] = {
77         /*  Silk                    Hybrid                  Celt                    Layer     */
78         /*  NB  MB  WB SWB  FB      NB  MB  WB SWB  FB      NB  MB  WB SWB  FB      Bandwidth */
79         { {  0,  0,  0,  0,  0 }, {  0,  0,  0,  0,  0 }, { 17,  0, 21, 25, 29 } }, /* 2.5 ms */
80         { {  0,  0,  0,  0,  0 }, {  0,  0,  0,  0,  0 }, { 18,  0, 22, 26, 30 } }, /*   5 ms */
81         { {  1,  5,  9,  0,  0 }, {  0,  0,  0, 13, 15 }, { 19,  0, 23, 27, 31 } }, /*  10 ms */
82         { {  2,  6, 10,  0,  0 }, {  0,  0,  0, 14, 16 }, { 20,  0, 24, 28, 32 } }, /*  20 ms */
83         { {  3,  7, 11,  0,  0 }, {  0,  0,  0,  0,  0 }, {  0,  0,  0,  0,  0 } }, /*  40 ms */
84         { {  4,  8, 12,  0,  0 }, {  0,  0,  0,  0,  0 }, {  0,  0,  0,  0,  0 } }, /*  60 ms */
85     };
86     int cfg = toc_cfg[s->packet.framesize][s->packet.mode][s->packet.bandwidth];
87     *fsize_needed = 0;
88     if (!cfg)
89         return 1;
90     if (s->packet.frames == 2) {                                       /* 2 packets */
91         if (s->frame[0].framebits == s->frame[1].framebits) {          /* same size */
92             tmp = 0x1;
93         } else {                                                  /* different size */
94             tmp = 0x2;
95             *fsize_needed = 1;                     /* put frame sizes in the packet */
96         }
97     } else if (s->packet.frames > 2) {
98         tmp = 0x3;
99         extended_toc = 1;
100     }
101     tmp |= (s->channels > 1) << 2;                                /* Stereo or mono */
102     tmp |= (cfg - 1)         << 3;                           /* codec configuration */
103     *toc++ = tmp;
104     if (extended_toc) {
105         for (int i = 0; i < (s->packet.frames - 1); i++)
106             *fsize_needed |= (s->frame[i].framebits != s->frame[i + 1].framebits);
107         tmp = (*fsize_needed) << 7;                                /* vbr flag */
108         tmp |= (0) << 6;                                       /* padding flag */
109         tmp |= s->packet.frames;
110         *toc++ = tmp;
111     }
112     *size = 1 + extended_toc;
113     return 0;
114 }
115
116 static void celt_frame_setup_input(OpusEncContext *s, CeltFrame *f)
117 {
118     AVFrame *cur = NULL;
119     const int subframesize = s->avctx->frame_size;
120     int subframes = OPUS_BLOCK_SIZE(s->packet.framesize) / subframesize;
121
122     cur = ff_bufqueue_get(&s->bufqueue);
123
124     for (int ch = 0; ch < f->channels; ch++) {
125         CeltBlock *b = &f->block[ch];
126         const void *input = cur->extended_data[ch];
127         size_t bps = av_get_bytes_per_sample(cur->format);
128         memcpy(b->overlap, input, bps*cur->nb_samples);
129     }
130
131     av_frame_free(&cur);
132
133     for (int sf = 0; sf < subframes; sf++) {
134         if (sf != (subframes - 1))
135             cur = ff_bufqueue_get(&s->bufqueue);
136         else
137             cur = ff_bufqueue_peek(&s->bufqueue, 0);
138
139         for (int ch = 0; ch < f->channels; ch++) {
140             CeltBlock *b = &f->block[ch];
141             const void *input = cur->extended_data[ch];
142             const size_t bps  = av_get_bytes_per_sample(cur->format);
143             const size_t left = (subframesize - cur->nb_samples)*bps;
144             const size_t len  = FFMIN(subframesize, cur->nb_samples)*bps;
145             memcpy(&b->samples[sf*subframesize], input, len);
146             memset(&b->samples[cur->nb_samples], 0, left);
147         }
148
149         /* Last frame isn't popped off and freed yet - we need it for overlap */
150         if (sf != (subframes - 1))
151             av_frame_free(&cur);
152     }
153 }
154
155 /* Apply the pre emphasis filter */
156 static void celt_apply_preemph_filter(OpusEncContext *s, CeltFrame *f)
157 {
158     const int subframesize = s->avctx->frame_size;
159     const int subframes = OPUS_BLOCK_SIZE(s->packet.framesize) / subframesize;
160
161     /* Filter overlap */
162     for (int ch = 0; ch < f->channels; ch++) {
163         CeltBlock *b = &f->block[ch];
164         float m = b->emph_coeff;
165         for (int i = 0; i < CELT_OVERLAP; i++) {
166             float sample = b->overlap[i];
167             b->overlap[i] = sample - m;
168             m = sample * CELT_EMPH_COEFF;
169         }
170         b->emph_coeff = m;
171     }
172
173     /* Filter the samples but do not update the last subframe's coeff - overlap ^^^ */
174     for (int sf = 0; sf < subframes; sf++) {
175         for (int ch = 0; ch < f->channels; ch++) {
176             CeltBlock *b = &f->block[ch];
177             float m = b->emph_coeff;
178             for (int i = 0; i < subframesize; i++) {
179                 float sample = b->samples[sf*subframesize + i];
180                 b->samples[sf*subframesize + i] = sample - m;
181                 m = sample * CELT_EMPH_COEFF;
182             }
183             if (sf != (subframes - 1))
184                 b->emph_coeff = m;
185         }
186     }
187 }
188
189 /* Create the window and do the mdct */
190 static void celt_frame_mdct(OpusEncContext *s, CeltFrame *f)
191 {
192     float *win = s->scratch, *temp = s->scratch + 1920;
193
194     if (f->transient) {
195         for (int ch = 0; ch < f->channels; ch++) {
196             CeltBlock *b = &f->block[ch];
197             float *src1 = b->overlap;
198             for (int t = 0; t < f->blocks; t++) {
199                 float *src2 = &b->samples[CELT_OVERLAP*t];
200                 s->dsp->vector_fmul(win, src1, ff_celt_window, 128);
201                 s->dsp->vector_fmul_reverse(&win[CELT_OVERLAP], src2,
202                                             ff_celt_window - 8, 128);
203                 src1 = src2;
204                 s->mdct[0]->mdct(s->mdct[0], b->coeffs + t, win, f->blocks);
205             }
206         }
207     } else {
208         int blk_len = OPUS_BLOCK_SIZE(f->size), wlen = OPUS_BLOCK_SIZE(f->size + 1);
209         int rwin = blk_len - CELT_OVERLAP, lap_dst = (wlen - blk_len - CELT_OVERLAP) >> 1;
210         memset(win, 0, wlen*sizeof(float));
211         for (int ch = 0; ch < f->channels; ch++) {
212             CeltBlock *b = &f->block[ch];
213
214             /* Overlap */
215             s->dsp->vector_fmul(temp, b->overlap, ff_celt_window, 128);
216             memcpy(win + lap_dst, temp, CELT_OVERLAP*sizeof(float));
217
218             /* Samples, flat top window */
219             memcpy(&win[lap_dst + CELT_OVERLAP], b->samples, rwin*sizeof(float));
220
221             /* Samples, windowed */
222             s->dsp->vector_fmul_reverse(temp, b->samples + rwin,
223                                         ff_celt_window - 8, 128);
224             memcpy(win + lap_dst + blk_len, temp, CELT_OVERLAP*sizeof(float));
225
226             s->mdct[f->size]->mdct(s->mdct[f->size], b->coeffs, win, 1);
227         }
228     }
229
230     for (int ch = 0; ch < f->channels; ch++) {
231         CeltBlock *block = &f->block[ch];
232         for (int i = 0; i < CELT_MAX_BANDS; i++) {
233             float ener = 0.0f;
234             int band_offset = ff_celt_freq_bands[i] << f->size;
235             int band_size   = ff_celt_freq_range[i] << f->size;
236             float *coeffs   = &block->coeffs[band_offset];
237
238             for (int j = 0; j < band_size; j++)
239                 ener += coeffs[j]*coeffs[j];
240
241             block->lin_energy[i] = sqrtf(ener) + FLT_EPSILON;
242             ener = 1.0f/block->lin_energy[i];
243
244             for (int j = 0; j < band_size; j++)
245                 coeffs[j] *= ener;
246
247             block->energy[i] = log2f(block->lin_energy[i]) - ff_celt_mean_energy[i];
248
249             /* CELT_ENERGY_SILENCE is what the decoder uses and its not -infinity */
250             block->energy[i] = FFMAX(block->energy[i], CELT_ENERGY_SILENCE);
251         }
252     }
253 }
254
255 static void celt_enc_tf(CeltFrame *f, OpusRangeCoder *rc)
256 {
257     int tf_select = 0, diff = 0, tf_changed = 0, tf_select_needed;
258     int bits = f->transient ? 2 : 4;
259
260     tf_select_needed = ((f->size && (opus_rc_tell(rc) + bits + 1) <= f->framebits));
261
262     for (int i = f->start_band; i < f->end_band; i++) {
263         if ((opus_rc_tell(rc) + bits + tf_select_needed) <= f->framebits) {
264             const int tbit = (diff ^ 1) == f->tf_change[i];
265             ff_opus_rc_enc_log(rc, tbit, bits);
266             diff ^= tbit;
267             tf_changed |= diff;
268         }
269         bits = f->transient ? 4 : 5;
270     }
271
272     if (tf_select_needed && ff_celt_tf_select[f->size][f->transient][0][tf_changed] !=
273                             ff_celt_tf_select[f->size][f->transient][1][tf_changed]) {
274         ff_opus_rc_enc_log(rc, f->tf_select, 1);
275         tf_select = f->tf_select;
276     }
277
278     for (int i = f->start_band; i < f->end_band; i++)
279         f->tf_change[i] = ff_celt_tf_select[f->size][f->transient][tf_select][f->tf_change[i]];
280 }
281
282 static void celt_enc_quant_pfilter(OpusRangeCoder *rc, CeltFrame *f)
283 {
284     float gain = f->pf_gain;
285     int txval, octave = f->pf_octave, period = f->pf_period, tapset = f->pf_tapset;
286
287     ff_opus_rc_enc_log(rc, f->pfilter, 1);
288     if (!f->pfilter)
289         return;
290
291     /* Octave */
292     txval = FFMIN(octave, 6);
293     ff_opus_rc_enc_uint(rc, txval, 6);
294     octave = txval;
295     /* Period */
296     txval = av_clip(period - (16 << octave) + 1, 0, (1 << (4 + octave)) - 1);
297     ff_opus_rc_put_raw(rc, period, 4 + octave);
298     period = txval + (16 << octave) - 1;
299     /* Gain */
300     txval = FFMIN(((int)(gain / 0.09375f)) - 1, 7);
301     ff_opus_rc_put_raw(rc, txval, 3);
302     gain   = 0.09375f * (txval + 1);
303     /* Tapset */
304     if ((opus_rc_tell(rc) + 2) <= f->framebits)
305         ff_opus_rc_enc_cdf(rc, tapset, ff_celt_model_tapset);
306     else
307         tapset = 0;
308     /* Finally create the coeffs */
309     for (int i = 0; i < 2; i++) {
310         CeltBlock *block = &f->block[i];
311
312         block->pf_period_new = FFMAX(period, CELT_POSTFILTER_MINPERIOD);
313         block->pf_gains_new[0] = gain * ff_celt_postfilter_taps[tapset][0];
314         block->pf_gains_new[1] = gain * ff_celt_postfilter_taps[tapset][1];
315         block->pf_gains_new[2] = gain * ff_celt_postfilter_taps[tapset][2];
316     }
317 }
318
319 static void exp_quant_coarse(OpusRangeCoder *rc, CeltFrame *f,
320                              float last_energy[][CELT_MAX_BANDS], int intra)
321 {
322     float alpha, beta, prev[2] = { 0, 0 };
323     const uint8_t *pmod = ff_celt_coarse_energy_dist[f->size][intra];
324
325     /* Inter is really just differential coding */
326     if (opus_rc_tell(rc) + 3 <= f->framebits)
327         ff_opus_rc_enc_log(rc, intra, 3);
328     else
329         intra = 0;
330
331     if (intra) {
332         alpha = 0.0f;
333         beta  = 1.0f - (4915.0f/32768.0f);
334     } else {
335         alpha = ff_celt_alpha_coef[f->size];
336         beta  = ff_celt_beta_coef[f->size];
337     }
338
339     for (int i = f->start_band; i < f->end_band; i++) {
340         for (int ch = 0; ch < f->channels; ch++) {
341             CeltBlock *block = &f->block[ch];
342             const int left = f->framebits - opus_rc_tell(rc);
343             const float last = FFMAX(-9.0f, last_energy[ch][i]);
344             float diff = block->energy[i] - prev[ch] - last*alpha;
345             int q_en = lrintf(diff);
346             if (left >= 15) {
347                 ff_opus_rc_enc_laplace(rc, &q_en, pmod[i << 1] << 7, pmod[(i << 1) + 1] << 6);
348             } else if (left >= 2) {
349                 q_en = av_clip(q_en, -1, 1);
350                 ff_opus_rc_enc_cdf(rc, 2*q_en + 3*(q_en < 0), ff_celt_model_energy_small);
351             } else if (left >= 1) {
352                 q_en = av_clip(q_en, -1, 0);
353                 ff_opus_rc_enc_log(rc, (q_en & 1), 1);
354             } else q_en = -1;
355
356             block->error_energy[i] = q_en - diff;
357             prev[ch] += beta * q_en;
358         }
359     }
360 }
361
362 static void celt_quant_coarse(CeltFrame *f, OpusRangeCoder *rc,
363                               float last_energy[][CELT_MAX_BANDS])
364 {
365     uint32_t inter, intra;
366     OPUS_RC_CHECKPOINT_SPAWN(rc);
367
368     exp_quant_coarse(rc, f, last_energy, 1);
369     intra = OPUS_RC_CHECKPOINT_BITS(rc);
370
371     OPUS_RC_CHECKPOINT_ROLLBACK(rc);
372
373     exp_quant_coarse(rc, f, last_energy, 0);
374     inter = OPUS_RC_CHECKPOINT_BITS(rc);
375
376     if (inter > intra) { /* Unlikely */
377         OPUS_RC_CHECKPOINT_ROLLBACK(rc);
378         exp_quant_coarse(rc, f, last_energy, 1);
379     }
380 }
381
382 static void celt_quant_fine(CeltFrame *f, OpusRangeCoder *rc)
383 {
384     for (int i = f->start_band; i < f->end_band; i++) {
385         if (!f->fine_bits[i])
386             continue;
387         for (int ch = 0; ch < f->channels; ch++) {
388             CeltBlock *block = &f->block[ch];
389             int quant, lim = (1 << f->fine_bits[i]);
390             float offset, diff = 0.5f - block->error_energy[i];
391             quant = av_clip(floor(diff*lim), 0, lim - 1);
392             ff_opus_rc_put_raw(rc, quant, f->fine_bits[i]);
393             offset = 0.5f - ((quant + 0.5f) * (1 << (14 - f->fine_bits[i])) / 16384.0f);
394             block->error_energy[i] -= offset;
395         }
396     }
397 }
398
399 static void celt_quant_final(OpusEncContext *s, OpusRangeCoder *rc, CeltFrame *f)
400 {
401     for (int priority = 0; priority < 2; priority++) {
402         for (int i = f->start_band; i < f->end_band && (f->framebits - opus_rc_tell(rc)) >= f->channels; i++) {
403             if (f->fine_priority[i] != priority || f->fine_bits[i] >= CELT_MAX_FINE_BITS)
404                 continue;
405             for (int ch = 0; ch < f->channels; ch++) {
406                 CeltBlock *block = &f->block[ch];
407                 const float err = block->error_energy[i];
408                 const float offset = 0.5f * (1 << (14 - f->fine_bits[i] - 1)) / 16384.0f;
409                 const int sign = FFABS(err + offset) < FFABS(err - offset);
410                 ff_opus_rc_put_raw(rc, sign, 1);
411                 block->error_energy[i] -= offset*(1 - 2*sign);
412             }
413         }
414     }
415 }
416
417 static void celt_encode_frame(OpusEncContext *s, OpusRangeCoder *rc,
418                               CeltFrame *f, int index)
419 {
420     ff_opus_rc_enc_init(rc);
421
422     ff_opus_psy_celt_frame_init(&s->psyctx, f, index);
423
424     celt_frame_setup_input(s, f);
425
426     if (f->silence) {
427         if (f->framebits >= 16)
428             ff_opus_rc_enc_log(rc, 1, 15); /* Silence (if using explicit singalling) */
429         for (int ch = 0; ch < s->channels; ch++)
430             memset(s->last_quantized_energy[ch], 0.0f, sizeof(float)*CELT_MAX_BANDS);
431         return;
432     }
433
434     /* Filters */
435     celt_apply_preemph_filter(s, f);
436     if (f->pfilter) {
437         ff_opus_rc_enc_log(rc, 0, 15);
438         celt_enc_quant_pfilter(rc, f);
439     }
440
441     /* Transform */
442     celt_frame_mdct(s, f);
443
444     /* Need to handle transient/non-transient switches at any point during analysis */
445     while (ff_opus_psy_celt_frame_process(&s->psyctx, f, index))
446         celt_frame_mdct(s, f);
447
448     ff_opus_rc_enc_init(rc);
449
450     /* Silence */
451     ff_opus_rc_enc_log(rc, 0, 15);
452
453     /* Pitch filter */
454     if (!f->start_band && opus_rc_tell(rc) + 16 <= f->framebits)
455         celt_enc_quant_pfilter(rc, f);
456
457     /* Transient flag */
458     if (f->size && opus_rc_tell(rc) + 3 <= f->framebits)
459         ff_opus_rc_enc_log(rc, f->transient, 3);
460
461     /* Main encoding */
462     celt_quant_coarse  (f, rc, s->last_quantized_energy);
463     celt_enc_tf        (f, rc);
464     ff_celt_bitalloc   (f, rc, 1);
465     celt_quant_fine    (f, rc);
466     ff_celt_quant_bands(f, rc);
467
468     /* Anticollapse bit */
469     if (f->anticollapse_needed)
470         ff_opus_rc_put_raw(rc, f->anticollapse, 1);
471
472     /* Final per-band energy adjustments from leftover bits */
473     celt_quant_final(s, rc, f);
474
475     for (int ch = 0; ch < f->channels; ch++) {
476         CeltBlock *block = &f->block[ch];
477         for (int i = 0; i < CELT_MAX_BANDS; i++)
478             s->last_quantized_energy[ch][i] = block->energy[i] + block->error_energy[i];
479     }
480 }
481
482 static inline int write_opuslacing(uint8_t *dst, int v)
483 {
484     dst[0] = FFMIN(v - FFALIGN(v - 255, 4), v);
485     dst[1] = v - dst[0] >> 2;
486     return 1 + (v >= 252);
487 }
488
489 static void opus_packet_assembler(OpusEncContext *s, AVPacket *avpkt)
490 {
491     int offset, fsize_needed;
492
493     /* Write toc */
494     opus_gen_toc(s, avpkt->data, &offset, &fsize_needed);
495
496     /* Frame sizes if needed */
497     if (fsize_needed) {
498         for (int i = 0; i < s->packet.frames - 1; i++) {
499             offset += write_opuslacing(avpkt->data + offset,
500                                        s->frame[i].framebits >> 3);
501         }
502     }
503
504     /* Packets */
505     for (int i = 0; i < s->packet.frames; i++) {
506         ff_opus_rc_enc_end(&s->rc[i], avpkt->data + offset,
507                            s->frame[i].framebits >> 3);
508         offset += s->frame[i].framebits >> 3;
509     }
510
511     avpkt->size = offset;
512 }
513
514 /* Used as overlap for the first frame and padding for the last encoded packet */
515 static AVFrame *spawn_empty_frame(OpusEncContext *s)
516 {
517     AVFrame *f = av_frame_alloc();
518     if (!f)
519         return NULL;
520     f->format         = s->avctx->sample_fmt;
521     f->nb_samples     = s->avctx->frame_size;
522     f->channel_layout = s->avctx->channel_layout;
523     if (av_frame_get_buffer(f, 4)) {
524         av_frame_free(&f);
525         return NULL;
526     }
527     for (int i = 0; i < s->channels; i++) {
528         size_t bps = av_get_bytes_per_sample(f->format);
529         memset(f->extended_data[i], 0, bps*f->nb_samples);
530     }
531     return f;
532 }
533
534 static int opus_encode_frame(AVCodecContext *avctx, AVPacket *avpkt,
535                              const AVFrame *frame, int *got_packet_ptr)
536 {
537     OpusEncContext *s = avctx->priv_data;
538     int ret, frame_size, alloc_size = 0;
539
540     if (frame) { /* Add new frame to queue */
541         if ((ret = ff_af_queue_add(&s->afq, frame)) < 0)
542             return ret;
543         ff_bufqueue_add(avctx, &s->bufqueue, av_frame_clone(frame));
544     } else {
545         ff_opus_psy_signal_eof(&s->psyctx);
546         if (!s->afq.remaining_samples)
547             return 0; /* We've been flushed and there's nothing left to encode */
548     }
549
550     /* Run the psychoacoustic system */
551     if (ff_opus_psy_process(&s->psyctx, &s->packet))
552         return 0;
553
554     frame_size = OPUS_BLOCK_SIZE(s->packet.framesize);
555
556     if (!frame) {
557         /* This can go negative, that's not a problem, we only pad if positive */
558         int pad_empty = s->packet.frames*(frame_size/s->avctx->frame_size) - s->bufqueue.available + 1;
559         /* Pad with empty 2.5 ms frames to whatever framesize was decided,
560          * this should only happen at the very last flush frame. The frames
561          * allocated here will be freed (because they have no other references)
562          * after they get used by celt_frame_setup_input() */
563         for (int i = 0; i < pad_empty; i++) {
564             AVFrame *empty = spawn_empty_frame(s);
565             if (!empty)
566                 return AVERROR(ENOMEM);
567             ff_bufqueue_add(avctx, &s->bufqueue, empty);
568         }
569     }
570
571     for (int i = 0; i < s->packet.frames; i++) {
572         celt_encode_frame(s, &s->rc[i], &s->frame[i], i);
573         alloc_size += s->frame[i].framebits >> 3;
574     }
575
576     /* Worst case toc + the frame lengths if needed */
577     alloc_size += 2 + s->packet.frames*2;
578
579     if ((ret = ff_alloc_packet2(avctx, avpkt, alloc_size, 0)) < 0)
580         return ret;
581
582     /* Assemble packet */
583     opus_packet_assembler(s, avpkt);
584
585     /* Update the psychoacoustic system */
586     ff_opus_psy_postencode_update(&s->psyctx, s->frame, s->rc);
587
588     /* Remove samples from queue and skip if needed */
589     ff_af_queue_remove(&s->afq, s->packet.frames*frame_size, &avpkt->pts, &avpkt->duration);
590     if (s->packet.frames*frame_size > avpkt->duration) {
591         uint8_t *side = av_packet_new_side_data(avpkt, AV_PKT_DATA_SKIP_SAMPLES, 10);
592         if (!side)
593             return AVERROR(ENOMEM);
594         AV_WL32(&side[4], s->packet.frames*frame_size - avpkt->duration + 120);
595     }
596
597     *got_packet_ptr = 1;
598
599     return 0;
600 }
601
602 static av_cold int opus_encode_end(AVCodecContext *avctx)
603 {
604     OpusEncContext *s = avctx->priv_data;
605
606     for (int i = 0; i < CELT_BLOCK_NB; i++)
607         ff_mdct15_uninit(&s->mdct[i]);
608
609     ff_celt_pvq_uninit(&s->pvq);
610     av_freep(&s->dsp);
611     av_freep(&s->frame);
612     av_freep(&s->rc);
613     ff_af_queue_close(&s->afq);
614     ff_opus_psy_end(&s->psyctx);
615     ff_bufqueue_discard_all(&s->bufqueue);
616     av_freep(&avctx->extradata);
617
618     return 0;
619 }
620
621 static av_cold int opus_encode_init(AVCodecContext *avctx)
622 {
623     int ret, max_frames;
624     OpusEncContext *s = avctx->priv_data;
625
626     s->avctx = avctx;
627     s->channels = avctx->channels;
628
629     /* Opus allows us to change the framesize on each packet (and each packet may
630      * have multiple frames in it) but we can't change the codec's frame size on
631      * runtime, so fix it to the lowest possible number of samples and use a queue
632      * to accumulate AVFrames until we have enough to encode whatever the encoder
633      * decides is the best */
634     avctx->frame_size = 120;
635     /* Initial padding will change if SILK is ever supported */
636     avctx->initial_padding = 120;
637
638     if (!avctx->bit_rate) {
639         int coupled = ff_opus_default_coupled_streams[s->channels - 1];
640         avctx->bit_rate = coupled*(96000) + (s->channels - coupled*2)*(48000);
641     } else if (avctx->bit_rate < 6000 || avctx->bit_rate > 255000 * s->channels) {
642         int64_t clipped_rate = av_clip(avctx->bit_rate, 6000, 255000 * s->channels);
643         av_log(avctx, AV_LOG_ERROR, "Unsupported bitrate %"PRId64" kbps, clipping to %"PRId64" kbps\n",
644                avctx->bit_rate/1000, clipped_rate/1000);
645         avctx->bit_rate = clipped_rate;
646     }
647
648     /* Extradata */
649     avctx->extradata_size = 19;
650     avctx->extradata = av_malloc(avctx->extradata_size + AV_INPUT_BUFFER_PADDING_SIZE);
651     if (!avctx->extradata)
652         return AVERROR(ENOMEM);
653     opus_write_extradata(avctx);
654
655     ff_af_queue_init(avctx, &s->afq);
656
657     if ((ret = ff_celt_pvq_init(&s->pvq, 1)) < 0)
658         return ret;
659
660     if (!(s->dsp = avpriv_float_dsp_alloc(avctx->flags & AV_CODEC_FLAG_BITEXACT)))
661         return AVERROR(ENOMEM);
662
663     /* I have no idea why a base scaling factor of 68 works, could be the twiddles */
664     for (int i = 0; i < CELT_BLOCK_NB; i++)
665         if ((ret = ff_mdct15_init(&s->mdct[i], 0, i + 3, 68 << (CELT_BLOCK_NB - 1 - i))))
666             return AVERROR(ENOMEM);
667
668     /* Zero out previous energy (matters for inter first frame) */
669     for (int ch = 0; ch < s->channels; ch++)
670         memset(s->last_quantized_energy[ch], 0.0f, sizeof(float)*CELT_MAX_BANDS);
671
672     /* Allocate an empty frame to use as overlap for the first frame of audio */
673     ff_bufqueue_add(avctx, &s->bufqueue, spawn_empty_frame(s));
674     if (!ff_bufqueue_peek(&s->bufqueue, 0))
675         return AVERROR(ENOMEM);
676
677     if ((ret = ff_opus_psy_init(&s->psyctx, s->avctx, &s->bufqueue, &s->options)))
678         return ret;
679
680     /* Frame structs and range coder buffers */
681     max_frames = ceilf(FFMIN(s->options.max_delay_ms, 120.0f)/2.5f);
682     s->frame = av_malloc(max_frames*sizeof(CeltFrame));
683     if (!s->frame)
684         return AVERROR(ENOMEM);
685     s->rc = av_malloc(max_frames*sizeof(OpusRangeCoder));
686     if (!s->rc)
687         return AVERROR(ENOMEM);
688
689     for (int i = 0; i < max_frames; i++) {
690         s->frame[i].dsp = s->dsp;
691         s->frame[i].avctx = s->avctx;
692         s->frame[i].seed = 0;
693         s->frame[i].pvq = s->pvq;
694         s->frame[i].apply_phase_inv = 1;
695         s->frame[i].block[0].emph_coeff = s->frame[i].block[1].emph_coeff = 0.0f;
696     }
697
698     return 0;
699 }
700
701 #define OPUSENC_FLAGS AV_OPT_FLAG_ENCODING_PARAM | AV_OPT_FLAG_AUDIO_PARAM
702 static const AVOption opusenc_options[] = {
703     { "opus_delay", "Maximum delay in milliseconds", offsetof(OpusEncContext, options.max_delay_ms), AV_OPT_TYPE_FLOAT, { .dbl = OPUS_MAX_LOOKAHEAD }, 2.5f, OPUS_MAX_LOOKAHEAD, OPUSENC_FLAGS, "max_delay_ms" },
704     { NULL },
705 };
706
707 static const AVClass opusenc_class = {
708     .class_name = "Opus encoder",
709     .item_name  = av_default_item_name,
710     .option     = opusenc_options,
711     .version    = LIBAVUTIL_VERSION_INT,
712 };
713
714 static const AVCodecDefault opusenc_defaults[] = {
715     { "b", "0" },
716     { "compression_level", "10" },
717     { NULL },
718 };
719
720 AVCodec ff_opus_encoder = {
721     .name           = "opus",
722     .long_name      = NULL_IF_CONFIG_SMALL("Opus"),
723     .type           = AVMEDIA_TYPE_AUDIO,
724     .id             = AV_CODEC_ID_OPUS,
725     .defaults       = opusenc_defaults,
726     .priv_class     = &opusenc_class,
727     .priv_data_size = sizeof(OpusEncContext),
728     .init           = opus_encode_init,
729     .encode2        = opus_encode_frame,
730     .close          = opus_encode_end,
731     .caps_internal  = FF_CODEC_CAP_INIT_THREADSAFE | FF_CODEC_CAP_INIT_CLEANUP,
732     .capabilities   = AV_CODEC_CAP_EXPERIMENTAL | AV_CODEC_CAP_SMALL_LAST_FRAME | AV_CODEC_CAP_DELAY,
733     .supported_samplerates = (const int []){ 48000, 0 },
734     .channel_layouts = (const uint64_t []){ AV_CH_LAYOUT_MONO,
735                                             AV_CH_LAYOUT_STEREO, 0 },
736     .sample_fmts    = (const enum AVSampleFormat[]){ AV_SAMPLE_FMT_FLTP,
737                                                      AV_SAMPLE_FMT_NONE },
738 };