avcodec/dca: remove unused float quant table
[ffmpeg.git] / libavcodec / wmavoice.c
1 /*
2  * Windows Media Audio Voice decoder.
3  * Copyright (c) 2009 Ronald S. Bultje
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  * @brief Windows Media Audio Voice compatible decoder
25  * @author Ronald S. Bultje <rsbultje@gmail.com>
26  */
27
28 #include <math.h>
29
30 #include "libavutil/channel_layout.h"
31 #include "libavutil/float_dsp.h"
32 #include "libavutil/mem.h"
33 #include "avcodec.h"
34 #include "internal.h"
35 #include "get_bits.h"
36 #include "put_bits.h"
37 #include "wmavoice_data.h"
38 #include "celp_filters.h"
39 #include "acelp_vectors.h"
40 #include "acelp_filters.h"
41 #include "lsp.h"
42 #include "dct.h"
43 #include "rdft.h"
44 #include "sinewin.h"
45
46 #define MAX_BLOCKS           8   ///< maximum number of blocks per frame
47 #define MAX_LSPS             16  ///< maximum filter order
48 #define MAX_LSPS_ALIGN16     16  ///< same as #MAX_LSPS; needs to be multiple
49                                  ///< of 16 for ASM input buffer alignment
50 #define MAX_FRAMES           3   ///< maximum number of frames per superframe
51 #define MAX_FRAMESIZE        160 ///< maximum number of samples per frame
52 #define MAX_SIGNAL_HISTORY   416 ///< maximum excitation signal history
53 #define MAX_SFRAMESIZE       (MAX_FRAMESIZE * MAX_FRAMES)
54                                  ///< maximum number of samples per superframe
55 #define SFRAME_CACHE_MAXSIZE 256 ///< maximum cache size for frame data that
56                                  ///< was split over two packets
57 #define VLC_NBITS            6   ///< number of bits to read per VLC iteration
58
59 /**
60  * Frame type VLC coding.
61  */
62 static VLC frame_type_vlc;
63
64 /**
65  * Adaptive codebook types.
66  */
67 enum {
68     ACB_TYPE_NONE       = 0, ///< no adaptive codebook (only hardcoded fixed)
69     ACB_TYPE_ASYMMETRIC = 1, ///< adaptive codebook with per-frame pitch, which
70                              ///< we interpolate to get a per-sample pitch.
71                              ///< Signal is generated using an asymmetric sinc
72                              ///< window function
73                              ///< @note see #wmavoice_ipol1_coeffs
74     ACB_TYPE_HAMMING    = 2  ///< Per-block pitch with signal generation using
75                              ///< a Hamming sinc window function
76                              ///< @note see #wmavoice_ipol2_coeffs
77 };
78
79 /**
80  * Fixed codebook types.
81  */
82 enum {
83     FCB_TYPE_SILENCE    = 0, ///< comfort noise during silence
84                              ///< generated from a hardcoded (fixed) codebook
85                              ///< with per-frame (low) gain values
86     FCB_TYPE_HARDCODED  = 1, ///< hardcoded (fixed) codebook with per-block
87                              ///< gain values
88     FCB_TYPE_AW_PULSES  = 2, ///< Pitch-adaptive window (AW) pulse signals,
89                              ///< used in particular for low-bitrate streams
90     FCB_TYPE_EXC_PULSES = 3, ///< Innovation (fixed) codebook pulse sets in
91                              ///< combinations of either single pulses or
92                              ///< pulse pairs
93 };
94
95 /**
96  * Description of frame types.
97  */
98 static const struct frame_type_desc {
99     uint8_t n_blocks;     ///< amount of blocks per frame (each block
100                           ///< (contains 160/#n_blocks samples)
101     uint8_t log_n_blocks; ///< log2(#n_blocks)
102     uint8_t acb_type;     ///< Adaptive codebook type (ACB_TYPE_*)
103     uint8_t fcb_type;     ///< Fixed codebook type (FCB_TYPE_*)
104     uint8_t dbl_pulses;   ///< how many pulse vectors have pulse pairs
105                           ///< (rather than just one single pulse)
106                           ///< only if #fcb_type == #FCB_TYPE_EXC_PULSES
107     uint16_t frame_size;  ///< the amount of bits that make up the block
108                           ///< data (per frame)
109 } frame_descs[17] = {
110     { 1, 0, ACB_TYPE_NONE,       FCB_TYPE_SILENCE,    0,   0 },
111     { 2, 1, ACB_TYPE_NONE,       FCB_TYPE_HARDCODED,  0,  28 },
112     { 2, 1, ACB_TYPE_ASYMMETRIC, FCB_TYPE_AW_PULSES,  0,  46 },
113     { 2, 1, ACB_TYPE_ASYMMETRIC, FCB_TYPE_EXC_PULSES, 2,  80 },
114     { 2, 1, ACB_TYPE_ASYMMETRIC, FCB_TYPE_EXC_PULSES, 5, 104 },
115     { 4, 2, ACB_TYPE_ASYMMETRIC, FCB_TYPE_EXC_PULSES, 0, 108 },
116     { 4, 2, ACB_TYPE_ASYMMETRIC, FCB_TYPE_EXC_PULSES, 2, 132 },
117     { 4, 2, ACB_TYPE_ASYMMETRIC, FCB_TYPE_EXC_PULSES, 5, 168 },
118     { 2, 1, ACB_TYPE_HAMMING,    FCB_TYPE_EXC_PULSES, 0,  64 },
119     { 2, 1, ACB_TYPE_HAMMING,    FCB_TYPE_EXC_PULSES, 2,  80 },
120     { 2, 1, ACB_TYPE_HAMMING,    FCB_TYPE_EXC_PULSES, 5, 104 },
121     { 4, 2, ACB_TYPE_HAMMING,    FCB_TYPE_EXC_PULSES, 0, 108 },
122     { 4, 2, ACB_TYPE_HAMMING,    FCB_TYPE_EXC_PULSES, 2, 132 },
123     { 4, 2, ACB_TYPE_HAMMING,    FCB_TYPE_EXC_PULSES, 5, 168 },
124     { 8, 3, ACB_TYPE_HAMMING,    FCB_TYPE_EXC_PULSES, 0, 176 },
125     { 8, 3, ACB_TYPE_HAMMING,    FCB_TYPE_EXC_PULSES, 2, 208 },
126     { 8, 3, ACB_TYPE_HAMMING,    FCB_TYPE_EXC_PULSES, 5, 256 }
127 };
128
129 /**
130  * WMA Voice decoding context.
131  */
132 typedef struct WMAVoiceContext {
133     /**
134      * @name Global values specified in the stream header / extradata or used all over.
135      * @{
136      */
137     GetBitContext gb;             ///< packet bitreader. During decoder init,
138                                   ///< it contains the extradata from the
139                                   ///< demuxer. During decoding, it contains
140                                   ///< packet data.
141     int8_t vbm_tree[25];          ///< converts VLC codes to frame type
142
143     int spillover_bitsize;        ///< number of bits used to specify
144                                   ///< #spillover_nbits in the packet header
145                                   ///< = ceil(log2(ctx->block_align << 3))
146     int history_nsamples;         ///< number of samples in history for signal
147                                   ///< prediction (through ACB)
148
149     /* postfilter specific values */
150     int do_apf;                   ///< whether to apply the averaged
151                                   ///< projection filter (APF)
152     int denoise_strength;         ///< strength of denoising in Wiener filter
153                                   ///< [0-11]
154     int denoise_tilt_corr;        ///< Whether to apply tilt correction to the
155                                   ///< Wiener filter coefficients (postfilter)
156     int dc_level;                 ///< Predicted amount of DC noise, based
157                                   ///< on which a DC removal filter is used
158
159     int lsps;                     ///< number of LSPs per frame [10 or 16]
160     int lsp_q_mode;               ///< defines quantizer defaults [0, 1]
161     int lsp_def_mode;             ///< defines different sets of LSP defaults
162                                   ///< [0, 1]
163     int frame_lsp_bitsize;        ///< size (in bits) of LSPs, when encoded
164                                   ///< per-frame (independent coding)
165     int sframe_lsp_bitsize;       ///< size (in bits) of LSPs, when encoded
166                                   ///< per superframe (residual coding)
167
168     int min_pitch_val;            ///< base value for pitch parsing code
169     int max_pitch_val;            ///< max value + 1 for pitch parsing
170     int pitch_nbits;              ///< number of bits used to specify the
171                                   ///< pitch value in the frame header
172     int block_pitch_nbits;        ///< number of bits used to specify the
173                                   ///< first block's pitch value
174     int block_pitch_range;        ///< range of the block pitch
175     int block_delta_pitch_nbits;  ///< number of bits used to specify the
176                                   ///< delta pitch between this and the last
177                                   ///< block's pitch value, used in all but
178                                   ///< first block
179     int block_delta_pitch_hrange; ///< 1/2 range of the delta (full range is
180                                   ///< from -this to +this-1)
181     uint16_t block_conv_table[4]; ///< boundaries for block pitch unit/scale
182                                   ///< conversion
183
184     /**
185      * @}
186      *
187      * @name Packet values specified in the packet header or related to a packet.
188      *
189      * A packet is considered to be a single unit of data provided to this
190      * decoder by the demuxer.
191      * @{
192      */
193     int spillover_nbits;          ///< number of bits of the previous packet's
194                                   ///< last superframe preceding this
195                                   ///< packet's first full superframe (useful
196                                   ///< for re-synchronization also)
197     int has_residual_lsps;        ///< if set, superframes contain one set of
198                                   ///< LSPs that cover all frames, encoded as
199                                   ///< independent and residual LSPs; if not
200                                   ///< set, each frame contains its own, fully
201                                   ///< independent, LSPs
202     int skip_bits_next;           ///< number of bits to skip at the next call
203                                   ///< to #wmavoice_decode_packet() (since
204                                   ///< they're part of the previous superframe)
205
206     uint8_t sframe_cache[SFRAME_CACHE_MAXSIZE + AV_INPUT_BUFFER_PADDING_SIZE];
207                                   ///< cache for superframe data split over
208                                   ///< multiple packets
209     int sframe_cache_size;        ///< set to >0 if we have data from an
210                                   ///< (incomplete) superframe from a previous
211                                   ///< packet that spilled over in the current
212                                   ///< packet; specifies the amount of bits in
213                                   ///< #sframe_cache
214     PutBitContext pb;             ///< bitstream writer for #sframe_cache
215
216     /**
217      * @}
218      *
219      * @name Frame and superframe values
220      * Superframe and frame data - these can change from frame to frame,
221      * although some of them do in that case serve as a cache / history for
222      * the next frame or superframe.
223      * @{
224      */
225     double prev_lsps[MAX_LSPS];   ///< LSPs of the last frame of the previous
226                                   ///< superframe
227     int last_pitch_val;           ///< pitch value of the previous frame
228     int last_acb_type;            ///< frame type [0-2] of the previous frame
229     int pitch_diff_sh16;          ///< ((cur_pitch_val - #last_pitch_val)
230                                   ///< << 16) / #MAX_FRAMESIZE
231     float silence_gain;           ///< set for use in blocks if #ACB_TYPE_NONE
232
233     int aw_idx_is_ext;            ///< whether the AW index was encoded in
234                                   ///< 8 bits (instead of 6)
235     int aw_pulse_range;           ///< the range over which #aw_pulse_set1()
236                                   ///< can apply the pulse, relative to the
237                                   ///< value in aw_first_pulse_off. The exact
238                                   ///< position of the first AW-pulse is within
239                                   ///< [pulse_off, pulse_off + this], and
240                                   ///< depends on bitstream values; [16 or 24]
241     int aw_n_pulses[2];           ///< number of AW-pulses in each block; note
242                                   ///< that this number can be negative (in
243                                   ///< which case it basically means "zero")
244     int aw_first_pulse_off[2];    ///< index of first sample to which to
245                                   ///< apply AW-pulses, or -0xff if unset
246     int aw_next_pulse_off_cache;  ///< the position (relative to start of the
247                                   ///< second block) at which pulses should
248                                   ///< start to be positioned, serves as a
249                                   ///< cache for pitch-adaptive window pulses
250                                   ///< between blocks
251
252     int frame_cntr;               ///< current frame index [0 - 0xFFFE]; is
253                                   ///< only used for comfort noise in #pRNG()
254     float gain_pred_err[6];       ///< cache for gain prediction
255     float excitation_history[MAX_SIGNAL_HISTORY];
256                                   ///< cache of the signal of previous
257                                   ///< superframes, used as a history for
258                                   ///< signal generation
259     float synth_history[MAX_LSPS]; ///< see #excitation_history
260     /**
261      * @}
262      *
263      * @name Postfilter values
264      *
265      * Variables used for postfilter implementation, mostly history for
266      * smoothing and so on, and context variables for FFT/iFFT.
267      * @{
268      */
269     RDFTContext rdft, irdft;      ///< contexts for FFT-calculation in the
270                                   ///< postfilter (for denoise filter)
271     DCTContext dct, dst;          ///< contexts for phase shift (in Hilbert
272                                   ///< transform, part of postfilter)
273     float sin[511], cos[511];     ///< 8-bit cosine/sine windows over [-pi,pi]
274                                   ///< range
275     float postfilter_agc;         ///< gain control memory, used in
276                                   ///< #adaptive_gain_control()
277     float dcf_mem[2];             ///< DC filter history
278     float zero_exc_pf[MAX_SIGNAL_HISTORY + MAX_SFRAMESIZE];
279                                   ///< zero filter output (i.e. excitation)
280                                   ///< by postfilter
281     float denoise_filter_cache[MAX_FRAMESIZE];
282     int   denoise_filter_cache_size; ///< samples in #denoise_filter_cache
283     DECLARE_ALIGNED(32, float, tilted_lpcs_pf)[0x80];
284                                   ///< aligned buffer for LPC tilting
285     DECLARE_ALIGNED(32, float, denoise_coeffs_pf)[0x80];
286                                   ///< aligned buffer for denoise coefficients
287     DECLARE_ALIGNED(32, float, synth_filter_out_buf)[0x80 + MAX_LSPS_ALIGN16];
288                                   ///< aligned buffer for postfilter speech
289                                   ///< synthesis
290     /**
291      * @}
292      */
293 } WMAVoiceContext;
294
295 /**
296  * Set up the variable bit mode (VBM) tree from container extradata.
297  * @param gb bit I/O context.
298  *           The bit context (s->gb) should be loaded with byte 23-46 of the
299  *           container extradata (i.e. the ones containing the VBM tree).
300  * @param vbm_tree pointer to array to which the decoded VBM tree will be
301  *                 written.
302  * @return 0 on success, <0 on error.
303  */
304 static av_cold int decode_vbmtree(GetBitContext *gb, int8_t vbm_tree[25])
305 {
306     int cntr[8] = { 0 }, n, res;
307
308     memset(vbm_tree, 0xff, sizeof(vbm_tree[0]) * 25);
309     for (n = 0; n < 17; n++) {
310         res = get_bits(gb, 3);
311         if (cntr[res] > 3) // should be >= 3 + (res == 7))
312             return -1;
313         vbm_tree[res * 3 + cntr[res]++] = n;
314     }
315     return 0;
316 }
317
318 static av_cold void wmavoice_init_static_data(AVCodec *codec)
319 {
320     static const uint8_t bits[] = {
321          2,  2,  2,  4,  4,  4,
322          6,  6,  6,  8,  8,  8,
323         10, 10, 10, 12, 12, 12,
324         14, 14, 14, 14
325     };
326     static const uint16_t codes[] = {
327           0x0000, 0x0001, 0x0002,        //              00/01/10
328           0x000c, 0x000d, 0x000e,        //           11+00/01/10
329           0x003c, 0x003d, 0x003e,        //         1111+00/01/10
330           0x00fc, 0x00fd, 0x00fe,        //       111111+00/01/10
331           0x03fc, 0x03fd, 0x03fe,        //     11111111+00/01/10
332           0x0ffc, 0x0ffd, 0x0ffe,        //   1111111111+00/01/10
333           0x3ffc, 0x3ffd, 0x3ffe, 0x3fff // 111111111111+xx
334     };
335
336     INIT_VLC_STATIC(&frame_type_vlc, VLC_NBITS, sizeof(bits),
337                     bits, 1, 1, codes, 2, 2, 132);
338 }
339
340 /**
341  * Set up decoder with parameters from demuxer (extradata etc.).
342  */
343 static av_cold int wmavoice_decode_init(AVCodecContext *ctx)
344 {
345     int n, flags, pitch_range, lsp16_flag;
346     WMAVoiceContext *s = ctx->priv_data;
347
348     /**
349      * Extradata layout:
350      * - byte  0-18: WMAPro-in-WMAVoice extradata (see wmaprodec.c),
351      * - byte 19-22: flags field (annoyingly in LE; see below for known
352      *               values),
353      * - byte 23-46: variable bitmode tree (really just 17 * 3 bits,
354      *               rest is 0).
355      */
356     if (ctx->extradata_size != 46) {
357         av_log(ctx, AV_LOG_ERROR,
358                "Invalid extradata size %d (should be 46)\n",
359                ctx->extradata_size);
360         return AVERROR_INVALIDDATA;
361     }
362     flags                = AV_RL32(ctx->extradata + 18);
363     s->spillover_bitsize = 3 + av_ceil_log2(ctx->block_align);
364     s->do_apf            =    flags & 0x1;
365     if (s->do_apf) {
366         ff_rdft_init(&s->rdft,  7, DFT_R2C);
367         ff_rdft_init(&s->irdft, 7, IDFT_C2R);
368         ff_dct_init(&s->dct,  6, DCT_I);
369         ff_dct_init(&s->dst,  6, DST_I);
370
371         ff_sine_window_init(s->cos, 256);
372         memcpy(&s->sin[255], s->cos, 256 * sizeof(s->cos[0]));
373         for (n = 0; n < 255; n++) {
374             s->sin[n]       = -s->sin[510 - n];
375             s->cos[510 - n] =  s->cos[n];
376         }
377     }
378     s->denoise_strength  =   (flags >> 2) & 0xF;
379     if (s->denoise_strength >= 12) {
380         av_log(ctx, AV_LOG_ERROR,
381                "Invalid denoise filter strength %d (max=11)\n",
382                s->denoise_strength);
383         return AVERROR_INVALIDDATA;
384     }
385     s->denoise_tilt_corr = !!(flags & 0x40);
386     s->dc_level          =   (flags >> 7) & 0xF;
387     s->lsp_q_mode        = !!(flags & 0x2000);
388     s->lsp_def_mode      = !!(flags & 0x4000);
389     lsp16_flag           =    flags & 0x1000;
390     if (lsp16_flag) {
391         s->lsps               = 16;
392         s->frame_lsp_bitsize  = 34;
393         s->sframe_lsp_bitsize = 60;
394     } else {
395         s->lsps               = 10;
396         s->frame_lsp_bitsize  = 24;
397         s->sframe_lsp_bitsize = 48;
398     }
399     for (n = 0; n < s->lsps; n++)
400         s->prev_lsps[n] = M_PI * (n + 1.0) / (s->lsps + 1.0);
401
402     init_get_bits(&s->gb, ctx->extradata + 22, (ctx->extradata_size - 22) << 3);
403     if (decode_vbmtree(&s->gb, s->vbm_tree) < 0) {
404         av_log(ctx, AV_LOG_ERROR, "Invalid VBM tree; broken extradata?\n");
405         return AVERROR_INVALIDDATA;
406     }
407
408     s->min_pitch_val    = ((ctx->sample_rate << 8)      /  400 + 50) >> 8;
409     s->max_pitch_val    = ((ctx->sample_rate << 8) * 37 / 2000 + 50) >> 8;
410     pitch_range         = s->max_pitch_val - s->min_pitch_val;
411     if (pitch_range <= 0) {
412         av_log(ctx, AV_LOG_ERROR, "Invalid pitch range; broken extradata?\n");
413         return AVERROR_INVALIDDATA;
414     }
415     s->pitch_nbits      = av_ceil_log2(pitch_range);
416     s->last_pitch_val   = 40;
417     s->last_acb_type    = ACB_TYPE_NONE;
418     s->history_nsamples = s->max_pitch_val + 8;
419
420     if (s->min_pitch_val < 1 || s->history_nsamples > MAX_SIGNAL_HISTORY) {
421         int min_sr = ((((1 << 8) - 50) * 400) + 0xFF) >> 8,
422             max_sr = ((((MAX_SIGNAL_HISTORY - 8) << 8) + 205) * 2000 / 37) >> 8;
423
424         av_log(ctx, AV_LOG_ERROR,
425                "Unsupported samplerate %d (min=%d, max=%d)\n",
426                ctx->sample_rate, min_sr, max_sr); // 322-22097 Hz
427
428         return AVERROR(ENOSYS);
429     }
430
431     s->block_conv_table[0]      = s->min_pitch_val;
432     s->block_conv_table[1]      = (pitch_range * 25) >> 6;
433     s->block_conv_table[2]      = (pitch_range * 44) >> 6;
434     s->block_conv_table[3]      = s->max_pitch_val - 1;
435     s->block_delta_pitch_hrange = (pitch_range >> 3) & ~0xF;
436     if (s->block_delta_pitch_hrange <= 0) {
437         av_log(ctx, AV_LOG_ERROR, "Invalid delta pitch hrange; broken extradata?\n");
438         return AVERROR_INVALIDDATA;
439     }
440     s->block_delta_pitch_nbits  = 1 + av_ceil_log2(s->block_delta_pitch_hrange);
441     s->block_pitch_range        = s->block_conv_table[2] +
442                                   s->block_conv_table[3] + 1 +
443                                   2 * (s->block_conv_table[1] - 2 * s->min_pitch_val);
444     s->block_pitch_nbits        = av_ceil_log2(s->block_pitch_range);
445
446     ctx->channels               = 1;
447     ctx->channel_layout         = AV_CH_LAYOUT_MONO;
448     ctx->sample_fmt             = AV_SAMPLE_FMT_FLT;
449
450     return 0;
451 }
452
453 /**
454  * @name Postfilter functions
455  * Postfilter functions (gain control, wiener denoise filter, DC filter,
456  * kalman smoothening, plus surrounding code to wrap it)
457  * @{
458  */
459 /**
460  * Adaptive gain control (as used in postfilter).
461  *
462  * Identical to #ff_adaptive_gain_control() in acelp_vectors.c, except
463  * that the energy here is calculated using sum(abs(...)), whereas the
464  * other codecs (e.g. AMR-NB, SIPRO) use sqrt(dotproduct(...)).
465  *
466  * @param out output buffer for filtered samples
467  * @param in input buffer containing the samples as they are after the
468  *           postfilter steps so far
469  * @param speech_synth input buffer containing speech synth before postfilter
470  * @param size input buffer size
471  * @param alpha exponential filter factor
472  * @param gain_mem pointer to filter memory (single float)
473  */
474 static void adaptive_gain_control(float *out, const float *in,
475                                   const float *speech_synth,
476                                   int size, float alpha, float *gain_mem)
477 {
478     int i;
479     float speech_energy = 0.0, postfilter_energy = 0.0, gain_scale_factor;
480     float mem = *gain_mem;
481
482     for (i = 0; i < size; i++) {
483         speech_energy     += fabsf(speech_synth[i]);
484         postfilter_energy += fabsf(in[i]);
485     }
486     gain_scale_factor = (1.0 - alpha) * speech_energy / postfilter_energy;
487
488     for (i = 0; i < size; i++) {
489         mem = alpha * mem + gain_scale_factor;
490         out[i] = in[i] * mem;
491     }
492
493     *gain_mem = mem;
494 }
495
496 /**
497  * Kalman smoothing function.
498  *
499  * This function looks back pitch +/- 3 samples back into history to find
500  * the best fitting curve (that one giving the optimal gain of the two
501  * signals, i.e. the highest dot product between the two), and then
502  * uses that signal history to smoothen the output of the speech synthesis
503  * filter.
504  *
505  * @param s WMA Voice decoding context
506  * @param pitch pitch of the speech signal
507  * @param in input speech signal
508  * @param out output pointer for smoothened signal
509  * @param size input/output buffer size
510  *
511  * @returns -1 if no smoothening took place, e.g. because no optimal
512  *          fit could be found, or 0 on success.
513  */
514 static int kalman_smoothen(WMAVoiceContext *s, int pitch,
515                            const float *in, float *out, int size)
516 {
517     int n;
518     float optimal_gain = 0, dot;
519     const float *ptr = &in[-FFMAX(s->min_pitch_val, pitch - 3)],
520                 *end = &in[-FFMIN(s->max_pitch_val, pitch + 3)],
521                 *best_hist_ptr = NULL;
522
523     /* find best fitting point in history */
524     do {
525         dot = avpriv_scalarproduct_float_c(in, ptr, size);
526         if (dot > optimal_gain) {
527             optimal_gain  = dot;
528             best_hist_ptr = ptr;
529         }
530     } while (--ptr >= end);
531
532     if (optimal_gain <= 0)
533         return -1;
534     dot = avpriv_scalarproduct_float_c(best_hist_ptr, best_hist_ptr, size);
535     if (dot <= 0) // would be 1.0
536         return -1;
537
538     if (optimal_gain <= dot) {
539         dot = dot / (dot + 0.6 * optimal_gain); // 0.625-1.000
540     } else
541         dot = 0.625;
542
543     /* actual smoothing */
544     for (n = 0; n < size; n++)
545         out[n] = best_hist_ptr[n] + dot * (in[n] - best_hist_ptr[n]);
546
547     return 0;
548 }
549
550 /**
551  * Get the tilt factor of a formant filter from its transfer function
552  * @see #tilt_factor() in amrnbdec.c, which does essentially the same,
553  *      but somehow (??) it does a speech synthesis filter in the
554  *      middle, which is missing here
555  *
556  * @param lpcs LPC coefficients
557  * @param n_lpcs Size of LPC buffer
558  * @returns the tilt factor
559  */
560 static float tilt_factor(const float *lpcs, int n_lpcs)
561 {
562     float rh0, rh1;
563
564     rh0 = 1.0     + avpriv_scalarproduct_float_c(lpcs,  lpcs,    n_lpcs);
565     rh1 = lpcs[0] + avpriv_scalarproduct_float_c(lpcs, &lpcs[1], n_lpcs - 1);
566
567     return rh1 / rh0;
568 }
569
570 /**
571  * Derive denoise filter coefficients (in real domain) from the LPCs.
572  */
573 static void calc_input_response(WMAVoiceContext *s, float *lpcs,
574                                 int fcb_type, float *coeffs, int remainder)
575 {
576     float last_coeff, min = 15.0, max = -15.0;
577     float irange, angle_mul, gain_mul, range, sq;
578     int n, idx;
579
580     /* Create frequency power spectrum of speech input (i.e. RDFT of LPCs) */
581     s->rdft.rdft_calc(&s->rdft, lpcs);
582 #define log_range(var, assign) do { \
583         float tmp = log10f(assign);  var = tmp; \
584         max       = FFMAX(max, tmp); min = FFMIN(min, tmp); \
585     } while (0)
586     log_range(last_coeff,  lpcs[1]         * lpcs[1]);
587     for (n = 1; n < 64; n++)
588         log_range(lpcs[n], lpcs[n * 2]     * lpcs[n * 2] +
589                            lpcs[n * 2 + 1] * lpcs[n * 2 + 1]);
590     log_range(lpcs[0],     lpcs[0]         * lpcs[0]);
591 #undef log_range
592     range    = max - min;
593     lpcs[64] = last_coeff;
594
595     /* Now, use this spectrum to pick out these frequencies with higher
596      * (relative) power/energy (which we then take to be "not noise"),
597      * and set up a table (still in lpc[]) of (relative) gains per frequency.
598      * These frequencies will be maintained, while others ("noise") will be
599      * decreased in the filter output. */
600     irange    = 64.0 / range; // so irange*(max-value) is in the range [0, 63]
601     gain_mul  = range * (fcb_type == FCB_TYPE_HARDCODED ? (5.0 / 13.0) :
602                                                           (5.0 / 14.7));
603     angle_mul = gain_mul * (8.0 * M_LN10 / M_PI);
604     for (n = 0; n <= 64; n++) {
605         float pwr;
606
607         idx = FFMAX(0, lrint((max - lpcs[n]) * irange) - 1);
608         pwr = wmavoice_denoise_power_table[s->denoise_strength][idx];
609         lpcs[n] = angle_mul * pwr;
610
611         /* 70.57 =~ 1/log10(1.0331663) */
612         idx = (pwr * gain_mul - 0.0295) * 70.570526123;
613         if (idx > 127) { // fall back if index falls outside table range
614             coeffs[n] = wmavoice_energy_table[127] *
615                         powf(1.0331663, idx - 127);
616         } else
617             coeffs[n] = wmavoice_energy_table[FFMAX(0, idx)];
618     }
619
620     /* calculate the Hilbert transform of the gains, which we do (since this
621      * is a sine input) by doing a phase shift (in theory, H(sin())=cos()).
622      * Hilbert_Transform(RDFT(x)) = Laplace_Transform(x), which calculates the
623      * "moment" of the LPCs in this filter. */
624     s->dct.dct_calc(&s->dct, lpcs);
625     s->dst.dct_calc(&s->dst, lpcs);
626
627     /* Split out the coefficient indexes into phase/magnitude pairs */
628     idx = 255 + av_clip(lpcs[64],               -255, 255);
629     coeffs[0]  = coeffs[0]  * s->cos[idx];
630     idx = 255 + av_clip(lpcs[64] - 2 * lpcs[63], -255, 255);
631     last_coeff = coeffs[64] * s->cos[idx];
632     for (n = 63;; n--) {
633         idx = 255 + av_clip(-lpcs[64] - 2 * lpcs[n - 1], -255, 255);
634         coeffs[n * 2 + 1] = coeffs[n] * s->sin[idx];
635         coeffs[n * 2]     = coeffs[n] * s->cos[idx];
636
637         if (!--n) break;
638
639         idx = 255 + av_clip( lpcs[64] - 2 * lpcs[n - 1], -255, 255);
640         coeffs[n * 2 + 1] = coeffs[n] * s->sin[idx];
641         coeffs[n * 2]     = coeffs[n] * s->cos[idx];
642     }
643     coeffs[1] = last_coeff;
644
645     /* move into real domain */
646     s->irdft.rdft_calc(&s->irdft, coeffs);
647
648     /* tilt correction and normalize scale */
649     memset(&coeffs[remainder], 0, sizeof(coeffs[0]) * (128 - remainder));
650     if (s->denoise_tilt_corr) {
651         float tilt_mem = 0;
652
653         coeffs[remainder - 1] = 0;
654         ff_tilt_compensation(&tilt_mem,
655                              -1.8 * tilt_factor(coeffs, remainder - 1),
656                              coeffs, remainder);
657     }
658     sq = (1.0 / 64.0) * sqrtf(1 / avpriv_scalarproduct_float_c(coeffs, coeffs,
659                                                                remainder));
660     for (n = 0; n < remainder; n++)
661         coeffs[n] *= sq;
662 }
663
664 /**
665  * This function applies a Wiener filter on the (noisy) speech signal as
666  * a means to denoise it.
667  *
668  * - take RDFT of LPCs to get the power spectrum of the noise + speech;
669  * - using this power spectrum, calculate (for each frequency) the Wiener
670  *    filter gain, which depends on the frequency power and desired level
671  *    of noise subtraction (when set too high, this leads to artifacts)
672  *    We can do this symmetrically over the X-axis (so 0-4kHz is the inverse
673  *    of 4-8kHz);
674  * - by doing a phase shift, calculate the Hilbert transform of this array
675  *    of per-frequency filter-gains to get the filtering coefficients;
676  * - smoothen/normalize/de-tilt these filter coefficients as desired;
677  * - take RDFT of noisy sound, apply the coefficients and take its IRDFT
678  *    to get the denoised speech signal;
679  * - the leftover (i.e. output of the IRDFT on denoised speech data beyond
680  *    the frame boundary) are saved and applied to subsequent frames by an
681  *    overlap-add method (otherwise you get clicking-artifacts).
682  *
683  * @param s WMA Voice decoding context
684  * @param fcb_type Frame (codebook) type
685  * @param synth_pf input: the noisy speech signal, output: denoised speech
686  *                 data; should be 16-byte aligned (for ASM purposes)
687  * @param size size of the speech data
688  * @param lpcs LPCs used to synthesize this frame's speech data
689  */
690 static void wiener_denoise(WMAVoiceContext *s, int fcb_type,
691                            float *synth_pf, int size,
692                            const float *lpcs)
693 {
694     int remainder, lim, n;
695
696     if (fcb_type != FCB_TYPE_SILENCE) {
697         float *tilted_lpcs = s->tilted_lpcs_pf,
698               *coeffs = s->denoise_coeffs_pf, tilt_mem = 0;
699
700         tilted_lpcs[0]           = 1.0;
701         memcpy(&tilted_lpcs[1], lpcs, sizeof(lpcs[0]) * s->lsps);
702         memset(&tilted_lpcs[s->lsps + 1], 0,
703                sizeof(tilted_lpcs[0]) * (128 - s->lsps - 1));
704         ff_tilt_compensation(&tilt_mem, 0.7 * tilt_factor(lpcs, s->lsps),
705                              tilted_lpcs, s->lsps + 2);
706
707         /* The IRDFT output (127 samples for 7-bit filter) beyond the frame
708          * size is applied to the next frame. All input beyond this is zero,
709          * and thus all output beyond this will go towards zero, hence we can
710          * limit to min(size-1, 127-size) as a performance consideration. */
711         remainder = FFMIN(127 - size, size - 1);
712         calc_input_response(s, tilted_lpcs, fcb_type, coeffs, remainder);
713
714         /* apply coefficients (in frequency spectrum domain), i.e. complex
715          * number multiplication */
716         memset(&synth_pf[size], 0, sizeof(synth_pf[0]) * (128 - size));
717         s->rdft.rdft_calc(&s->rdft, synth_pf);
718         s->rdft.rdft_calc(&s->rdft, coeffs);
719         synth_pf[0] *= coeffs[0];
720         synth_pf[1] *= coeffs[1];
721         for (n = 1; n < 64; n++) {
722             float v1 = synth_pf[n * 2], v2 = synth_pf[n * 2 + 1];
723             synth_pf[n * 2]     = v1 * coeffs[n * 2] - v2 * coeffs[n * 2 + 1];
724             synth_pf[n * 2 + 1] = v2 * coeffs[n * 2] + v1 * coeffs[n * 2 + 1];
725         }
726         s->irdft.rdft_calc(&s->irdft, synth_pf);
727     }
728
729     /* merge filter output with the history of previous runs */
730     if (s->denoise_filter_cache_size) {
731         lim = FFMIN(s->denoise_filter_cache_size, size);
732         for (n = 0; n < lim; n++)
733             synth_pf[n] += s->denoise_filter_cache[n];
734         s->denoise_filter_cache_size -= lim;
735         memmove(s->denoise_filter_cache, &s->denoise_filter_cache[size],
736                 sizeof(s->denoise_filter_cache[0]) * s->denoise_filter_cache_size);
737     }
738
739     /* move remainder of filter output into a cache for future runs */
740     if (fcb_type != FCB_TYPE_SILENCE) {
741         lim = FFMIN(remainder, s->denoise_filter_cache_size);
742         for (n = 0; n < lim; n++)
743             s->denoise_filter_cache[n] += synth_pf[size + n];
744         if (lim < remainder) {
745             memcpy(&s->denoise_filter_cache[lim], &synth_pf[size + lim],
746                    sizeof(s->denoise_filter_cache[0]) * (remainder - lim));
747             s->denoise_filter_cache_size = remainder;
748         }
749     }
750 }
751
752 /**
753  * Averaging projection filter, the postfilter used in WMAVoice.
754  *
755  * This uses the following steps:
756  * - A zero-synthesis filter (generate excitation from synth signal)
757  * - Kalman smoothing on excitation, based on pitch
758  * - Re-synthesized smoothened output
759  * - Iterative Wiener denoise filter
760  * - Adaptive gain filter
761  * - DC filter
762  *
763  * @param s WMAVoice decoding context
764  * @param synth Speech synthesis output (before postfilter)
765  * @param samples Output buffer for filtered samples
766  * @param size Buffer size of synth & samples
767  * @param lpcs Generated LPCs used for speech synthesis
768  * @param zero_exc_pf destination for zero synthesis filter (16-byte aligned)
769  * @param fcb_type Frame type (silence, hardcoded, AW-pulses or FCB-pulses)
770  * @param pitch Pitch of the input signal
771  */
772 static void postfilter(WMAVoiceContext *s, const float *synth,
773                        float *samples,    int size,
774                        const float *lpcs, float *zero_exc_pf,
775                        int fcb_type,      int pitch)
776 {
777     float synth_filter_in_buf[MAX_FRAMESIZE / 2],
778           *synth_pf = &s->synth_filter_out_buf[MAX_LSPS_ALIGN16],
779           *synth_filter_in = zero_exc_pf;
780
781     av_assert0(size <= MAX_FRAMESIZE / 2);
782
783     /* generate excitation from input signal */
784     ff_celp_lp_zero_synthesis_filterf(zero_exc_pf, lpcs, synth, size, s->lsps);
785
786     if (fcb_type >= FCB_TYPE_AW_PULSES &&
787         !kalman_smoothen(s, pitch, zero_exc_pf, synth_filter_in_buf, size))
788         synth_filter_in = synth_filter_in_buf;
789
790     /* re-synthesize speech after smoothening, and keep history */
791     ff_celp_lp_synthesis_filterf(synth_pf, lpcs,
792                                  synth_filter_in, size, s->lsps);
793     memcpy(&synth_pf[-s->lsps], &synth_pf[size - s->lsps],
794            sizeof(synth_pf[0]) * s->lsps);
795
796     wiener_denoise(s, fcb_type, synth_pf, size, lpcs);
797
798     adaptive_gain_control(samples, synth_pf, synth, size, 0.99,
799                           &s->postfilter_agc);
800
801     if (s->dc_level > 8) {
802         /* remove ultra-low frequency DC noise / highpass filter;
803          * coefficients are identical to those used in SIPR decoding,
804          * and very closely resemble those used in AMR-NB decoding. */
805         ff_acelp_apply_order_2_transfer_function(samples, samples,
806             (const float[2]) { -1.99997,      1.0 },
807             (const float[2]) { -1.9330735188, 0.93589198496 },
808             0.93980580475, s->dcf_mem, size);
809     }
810 }
811 /**
812  * @}
813  */
814
815 /**
816  * Dequantize LSPs
817  * @param lsps output pointer to the array that will hold the LSPs
818  * @param num number of LSPs to be dequantized
819  * @param values quantized values, contains n_stages values
820  * @param sizes range (i.e. max value) of each quantized value
821  * @param n_stages number of dequantization runs
822  * @param table dequantization table to be used
823  * @param mul_q LSF multiplier
824  * @param base_q base (lowest) LSF values
825  */
826 static void dequant_lsps(double *lsps, int num,
827                          const uint16_t *values,
828                          const uint16_t *sizes,
829                          int n_stages, const uint8_t *table,
830                          const double *mul_q,
831                          const double *base_q)
832 {
833     int n, m;
834
835     memset(lsps, 0, num * sizeof(*lsps));
836     for (n = 0; n < n_stages; n++) {
837         const uint8_t *t_off = &table[values[n] * num];
838         double base = base_q[n], mul = mul_q[n];
839
840         for (m = 0; m < num; m++)
841             lsps[m] += base + mul * t_off[m];
842
843         table += sizes[n] * num;
844     }
845 }
846
847 /**
848  * @name LSP dequantization routines
849  * LSP dequantization routines, for 10/16LSPs and independent/residual coding.
850  * @note we assume enough bits are available, caller should check.
851  * lsp10i() consumes 24 bits; lsp10r() consumes an additional 24 bits;
852  * lsp16i() consumes 34 bits; lsp16r() consumes an additional 26 bits.
853  * @{
854  */
855 /**
856  * Parse 10 independently-coded LSPs.
857  */
858 static void dequant_lsp10i(GetBitContext *gb, double *lsps)
859 {
860     static const uint16_t vec_sizes[4] = { 256, 64, 32, 32 };
861     static const double mul_lsf[4] = {
862         5.2187144800e-3,    1.4626986422e-3,
863         9.6179549166e-4,    1.1325736225e-3
864     };
865     static const double base_lsf[4] = {
866         M_PI * -2.15522e-1, M_PI * -6.1646e-2,
867         M_PI * -3.3486e-2,  M_PI * -5.7408e-2
868     };
869     uint16_t v[4];
870
871     v[0] = get_bits(gb, 8);
872     v[1] = get_bits(gb, 6);
873     v[2] = get_bits(gb, 5);
874     v[3] = get_bits(gb, 5);
875
876     dequant_lsps(lsps, 10, v, vec_sizes, 4, wmavoice_dq_lsp10i,
877                  mul_lsf, base_lsf);
878 }
879
880 /**
881  * Parse 10 independently-coded LSPs, and then derive the tables to
882  * generate LSPs for the other frames from them (residual coding).
883  */
884 static void dequant_lsp10r(GetBitContext *gb,
885                            double *i_lsps, const double *old,
886                            double *a1, double *a2, int q_mode)
887 {
888     static const uint16_t vec_sizes[3] = { 128, 64, 64 };
889     static const double mul_lsf[3] = {
890         2.5807601174e-3,    1.2354460219e-3,   1.1763821673e-3
891     };
892     static const double base_lsf[3] = {
893         M_PI * -1.07448e-1, M_PI * -5.2706e-2, M_PI * -5.1634e-2
894     };
895     const float (*ipol_tab)[2][10] = q_mode ?
896         wmavoice_lsp10_intercoeff_b : wmavoice_lsp10_intercoeff_a;
897     uint16_t interpol, v[3];
898     int n;
899
900     dequant_lsp10i(gb, i_lsps);
901
902     interpol = get_bits(gb, 5);
903     v[0]     = get_bits(gb, 7);
904     v[1]     = get_bits(gb, 6);
905     v[2]     = get_bits(gb, 6);
906
907     for (n = 0; n < 10; n++) {
908         double delta = old[n] - i_lsps[n];
909         a1[n]        = ipol_tab[interpol][0][n] * delta + i_lsps[n];
910         a1[10 + n]   = ipol_tab[interpol][1][n] * delta + i_lsps[n];
911     }
912
913     dequant_lsps(a2, 20, v, vec_sizes, 3, wmavoice_dq_lsp10r,
914                  mul_lsf, base_lsf);
915 }
916
917 /**
918  * Parse 16 independently-coded LSPs.
919  */
920 static void dequant_lsp16i(GetBitContext *gb, double *lsps)
921 {
922     static const uint16_t vec_sizes[5] = { 256, 64, 128, 64, 128 };
923     static const double mul_lsf[5] = {
924         3.3439586280e-3,    6.9908173703e-4,
925         3.3216608306e-3,    1.0334960326e-3,
926         3.1899104283e-3
927     };
928     static const double base_lsf[5] = {
929         M_PI * -1.27576e-1, M_PI * -2.4292e-2,
930         M_PI * -1.28094e-1, M_PI * -3.2128e-2,
931         M_PI * -1.29816e-1
932     };
933     uint16_t v[5];
934
935     v[0] = get_bits(gb, 8);
936     v[1] = get_bits(gb, 6);
937     v[2] = get_bits(gb, 7);
938     v[3] = get_bits(gb, 6);
939     v[4] = get_bits(gb, 7);
940
941     dequant_lsps( lsps,     5,  v,     vec_sizes,    2,
942                  wmavoice_dq_lsp16i1,  mul_lsf,     base_lsf);
943     dequant_lsps(&lsps[5],  5, &v[2], &vec_sizes[2], 2,
944                  wmavoice_dq_lsp16i2, &mul_lsf[2], &base_lsf[2]);
945     dequant_lsps(&lsps[10], 6, &v[4], &vec_sizes[4], 1,
946                  wmavoice_dq_lsp16i3, &mul_lsf[4], &base_lsf[4]);
947 }
948
949 /**
950  * Parse 16 independently-coded LSPs, and then derive the tables to
951  * generate LSPs for the other frames from them (residual coding).
952  */
953 static void dequant_lsp16r(GetBitContext *gb,
954                            double *i_lsps, const double *old,
955                            double *a1, double *a2, int q_mode)
956 {
957     static const uint16_t vec_sizes[3] = { 128, 128, 128 };
958     static const double mul_lsf[3] = {
959         1.2232979501e-3,   1.4062241527e-3,   1.6114744851e-3
960     };
961     static const double base_lsf[3] = {
962         M_PI * -5.5830e-2, M_PI * -5.2908e-2, M_PI * -5.4776e-2
963     };
964     const float (*ipol_tab)[2][16] = q_mode ?
965         wmavoice_lsp16_intercoeff_b : wmavoice_lsp16_intercoeff_a;
966     uint16_t interpol, v[3];
967     int n;
968
969     dequant_lsp16i(gb, i_lsps);
970
971     interpol = get_bits(gb, 5);
972     v[0]     = get_bits(gb, 7);
973     v[1]     = get_bits(gb, 7);
974     v[2]     = get_bits(gb, 7);
975
976     for (n = 0; n < 16; n++) {
977         double delta = old[n] - i_lsps[n];
978         a1[n]        = ipol_tab[interpol][0][n] * delta + i_lsps[n];
979         a1[16 + n]   = ipol_tab[interpol][1][n] * delta + i_lsps[n];
980     }
981
982     dequant_lsps( a2,     10,  v,     vec_sizes,    1,
983                  wmavoice_dq_lsp16r1,  mul_lsf,     base_lsf);
984     dequant_lsps(&a2[10], 10, &v[1], &vec_sizes[1], 1,
985                  wmavoice_dq_lsp16r2, &mul_lsf[1], &base_lsf[1]);
986     dequant_lsps(&a2[20], 12, &v[2], &vec_sizes[2], 1,
987                  wmavoice_dq_lsp16r3, &mul_lsf[2], &base_lsf[2]);
988 }
989
990 /**
991  * @}
992  * @name Pitch-adaptive window coding functions
993  * The next few functions are for pitch-adaptive window coding.
994  * @{
995  */
996 /**
997  * Parse the offset of the first pitch-adaptive window pulses, and
998  * the distribution of pulses between the two blocks in this frame.
999  * @param s WMA Voice decoding context private data
1000  * @param gb bit I/O context
1001  * @param pitch pitch for each block in this frame
1002  */
1003 static void aw_parse_coords(WMAVoiceContext *s, GetBitContext *gb,
1004                             const int *pitch)
1005 {
1006     static const int16_t start_offset[94] = {
1007         -11,  -9,  -7,  -5,  -3,  -1,   1,   3,   5,   7,   9,  11,
1008          13,  15,  18,  17,  19,  20,  21,  22,  23,  24,  25,  26,
1009          27,  28,  29,  30,  31,  32,  33,  35,  37,  39,  41,  43,
1010          45,  47,  49,  51,  53,  55,  57,  59,  61,  63,  65,  67,
1011          69,  71,  73,  75,  77,  79,  81,  83,  85,  87,  89,  91,
1012          93,  95,  97,  99, 101, 103, 105, 107, 109, 111, 113, 115,
1013         117, 119, 121, 123, 125, 127, 129, 131, 133, 135, 137, 139,
1014         141, 143, 145, 147, 149, 151, 153, 155, 157, 159
1015     };
1016     int bits, offset;
1017
1018     /* position of pulse */
1019     s->aw_idx_is_ext = 0;
1020     if ((bits = get_bits(gb, 6)) >= 54) {
1021         s->aw_idx_is_ext = 1;
1022         bits += (bits - 54) * 3 + get_bits(gb, 2);
1023     }
1024
1025     /* for a repeated pulse at pulse_off with a pitch_lag of pitch[], count
1026      * the distribution of the pulses in each block contained in this frame. */
1027     s->aw_pulse_range        = FFMIN(pitch[0], pitch[1]) > 32 ? 24 : 16;
1028     for (offset = start_offset[bits]; offset < 0; offset += pitch[0]) ;
1029     s->aw_n_pulses[0]        = (pitch[0] - 1 + MAX_FRAMESIZE / 2 - offset) / pitch[0];
1030     s->aw_first_pulse_off[0] = offset - s->aw_pulse_range / 2;
1031     offset                  += s->aw_n_pulses[0] * pitch[0];
1032     s->aw_n_pulses[1]        = (pitch[1] - 1 + MAX_FRAMESIZE - offset) / pitch[1];
1033     s->aw_first_pulse_off[1] = offset - (MAX_FRAMESIZE + s->aw_pulse_range) / 2;
1034
1035     /* if continuing from a position before the block, reset position to
1036      * start of block (when corrected for the range over which it can be
1037      * spread in aw_pulse_set1()). */
1038     if (start_offset[bits] < MAX_FRAMESIZE / 2) {
1039         while (s->aw_first_pulse_off[1] - pitch[1] + s->aw_pulse_range > 0)
1040             s->aw_first_pulse_off[1] -= pitch[1];
1041         if (start_offset[bits] < 0)
1042             while (s->aw_first_pulse_off[0] - pitch[0] + s->aw_pulse_range > 0)
1043                 s->aw_first_pulse_off[0] -= pitch[0];
1044     }
1045 }
1046
1047 /**
1048  * Apply second set of pitch-adaptive window pulses.
1049  * @param s WMA Voice decoding context private data
1050  * @param gb bit I/O context
1051  * @param block_idx block index in frame [0, 1]
1052  * @param fcb structure containing fixed codebook vector info
1053  * @return -1 on error, 0 otherwise
1054  */
1055 static int aw_pulse_set2(WMAVoiceContext *s, GetBitContext *gb,
1056                          int block_idx, AMRFixed *fcb)
1057 {
1058     uint16_t use_mask_mem[9]; // only 5 are used, rest is padding
1059     uint16_t *use_mask = use_mask_mem + 2;
1060     /* in this function, idx is the index in the 80-bit (+ padding) use_mask
1061      * bit-array. Since use_mask consists of 16-bit values, the lower 4 bits
1062      * of idx are the position of the bit within a particular item in the
1063      * array (0 being the most significant bit, and 15 being the least
1064      * significant bit), and the remainder (>> 4) is the index in the
1065      * use_mask[]-array. This is faster and uses less memory than using a
1066      * 80-byte/80-int array. */
1067     int pulse_off = s->aw_first_pulse_off[block_idx],
1068         pulse_start, n, idx, range, aidx, start_off = 0;
1069
1070     /* set offset of first pulse to within this block */
1071     if (s->aw_n_pulses[block_idx] > 0)
1072         while (pulse_off + s->aw_pulse_range < 1)
1073             pulse_off += fcb->pitch_lag;
1074
1075     /* find range per pulse */
1076     if (s->aw_n_pulses[0] > 0) {
1077         if (block_idx == 0) {
1078             range = 32;
1079         } else /* block_idx = 1 */ {
1080             range = 8;
1081             if (s->aw_n_pulses[block_idx] > 0)
1082                 pulse_off = s->aw_next_pulse_off_cache;
1083         }
1084     } else
1085         range = 16;
1086     pulse_start = s->aw_n_pulses[block_idx] > 0 ? pulse_off - range / 2 : 0;
1087
1088     /* aw_pulse_set1() already applies pulses around pulse_off (to be exactly,
1089      * in the range of [pulse_off, pulse_off + s->aw_pulse_range], and thus
1090      * we exclude that range from being pulsed again in this function. */
1091     memset(&use_mask[-2], 0, 2 * sizeof(use_mask[0]));
1092     memset( use_mask,   -1, 5 * sizeof(use_mask[0]));
1093     memset(&use_mask[5], 0, 2 * sizeof(use_mask[0]));
1094     if (s->aw_n_pulses[block_idx] > 0)
1095         for (idx = pulse_off; idx < MAX_FRAMESIZE / 2; idx += fcb->pitch_lag) {
1096             int excl_range         = s->aw_pulse_range; // always 16 or 24
1097             uint16_t *use_mask_ptr = &use_mask[idx >> 4];
1098             int first_sh           = 16 - (idx & 15);
1099             *use_mask_ptr++       &= 0xFFFFu << first_sh;
1100             excl_range            -= first_sh;
1101             if (excl_range >= 16) {
1102                 *use_mask_ptr++    = 0;
1103                 *use_mask_ptr     &= 0xFFFF >> (excl_range - 16);
1104             } else
1105                 *use_mask_ptr     &= 0xFFFF >> excl_range;
1106         }
1107
1108     /* find the 'aidx'th offset that is not excluded */
1109     aidx = get_bits(gb, s->aw_n_pulses[0] > 0 ? 5 - 2 * block_idx : 4);
1110     for (n = 0; n <= aidx; pulse_start++) {
1111         for (idx = pulse_start; idx < 0; idx += fcb->pitch_lag) ;
1112         if (idx >= MAX_FRAMESIZE / 2) { // find from zero
1113             if (use_mask[0])      idx = 0x0F;
1114             else if (use_mask[1]) idx = 0x1F;
1115             else if (use_mask[2]) idx = 0x2F;
1116             else if (use_mask[3]) idx = 0x3F;
1117             else if (use_mask[4]) idx = 0x4F;
1118             else return -1;
1119             idx -= av_log2_16bit(use_mask[idx >> 4]);
1120         }
1121         if (use_mask[idx >> 4] & (0x8000 >> (idx & 15))) {
1122             use_mask[idx >> 4] &= ~(0x8000 >> (idx & 15));
1123             n++;
1124             start_off = idx;
1125         }
1126     }
1127
1128     fcb->x[fcb->n] = start_off;
1129     fcb->y[fcb->n] = get_bits1(gb) ? -1.0 : 1.0;
1130     fcb->n++;
1131
1132     /* set offset for next block, relative to start of that block */
1133     n = (MAX_FRAMESIZE / 2 - start_off) % fcb->pitch_lag;
1134     s->aw_next_pulse_off_cache = n ? fcb->pitch_lag - n : 0;
1135     return 0;
1136 }
1137
1138 /**
1139  * Apply first set of pitch-adaptive window pulses.
1140  * @param s WMA Voice decoding context private data
1141  * @param gb bit I/O context
1142  * @param block_idx block index in frame [0, 1]
1143  * @param fcb storage location for fixed codebook pulse info
1144  */
1145 static void aw_pulse_set1(WMAVoiceContext *s, GetBitContext *gb,
1146                           int block_idx, AMRFixed *fcb)
1147 {
1148     int val = get_bits(gb, 12 - 2 * (s->aw_idx_is_ext && !block_idx));
1149     float v;
1150
1151     if (s->aw_n_pulses[block_idx] > 0) {
1152         int n, v_mask, i_mask, sh, n_pulses;
1153
1154         if (s->aw_pulse_range == 24) { // 3 pulses, 1:sign + 3:index each
1155             n_pulses = 3;
1156             v_mask   = 8;
1157             i_mask   = 7;
1158             sh       = 4;
1159         } else { // 4 pulses, 1:sign + 2:index each
1160             n_pulses = 4;
1161             v_mask   = 4;
1162             i_mask   = 3;
1163             sh       = 3;
1164         }
1165
1166         for (n = n_pulses - 1; n >= 0; n--, val >>= sh) {
1167             fcb->y[fcb->n] = (val & v_mask) ? -1.0 : 1.0;
1168             fcb->x[fcb->n] = (val & i_mask) * n_pulses + n +
1169                                  s->aw_first_pulse_off[block_idx];
1170             while (fcb->x[fcb->n] < 0)
1171                 fcb->x[fcb->n] += fcb->pitch_lag;
1172             if (fcb->x[fcb->n] < MAX_FRAMESIZE / 2)
1173                 fcb->n++;
1174         }
1175     } else {
1176         int num2 = (val & 0x1FF) >> 1, delta, idx;
1177
1178         if (num2 < 1 * 79)      { delta = 1; idx = num2 + 1; }
1179         else if (num2 < 2 * 78) { delta = 3; idx = num2 + 1 - 1 * 77; }
1180         else if (num2 < 3 * 77) { delta = 5; idx = num2 + 1 - 2 * 76; }
1181         else                    { delta = 7; idx = num2 + 1 - 3 * 75; }
1182         v = (val & 0x200) ? -1.0 : 1.0;
1183
1184         fcb->no_repeat_mask |= 3 << fcb->n;
1185         fcb->x[fcb->n]       = idx - delta;
1186         fcb->y[fcb->n]       = v;
1187         fcb->x[fcb->n + 1]   = idx;
1188         fcb->y[fcb->n + 1]   = (val & 1) ? -v : v;
1189         fcb->n              += 2;
1190     }
1191 }
1192
1193 /**
1194  * @}
1195  *
1196  * Generate a random number from frame_cntr and block_idx, which will lief
1197  * in the range [0, 1000 - block_size] (so it can be used as an index in a
1198  * table of size 1000 of which you want to read block_size entries).
1199  *
1200  * @param frame_cntr current frame number
1201  * @param block_num current block index
1202  * @param block_size amount of entries we want to read from a table
1203  *                   that has 1000 entries
1204  * @return a (non-)random number in the [0, 1000 - block_size] range.
1205  */
1206 static int pRNG(int frame_cntr, int block_num, int block_size)
1207 {
1208     /* array to simplify the calculation of z:
1209      * y = (x % 9) * 5 + 6;
1210      * z = (49995 * x) / y;
1211      * Since y only has 9 values, we can remove the division by using a
1212      * LUT and using FASTDIV-style divisions. For each of the 9 values
1213      * of y, we can rewrite z as:
1214      * z = x * (49995 / y) + x * ((49995 % y) / y)
1215      * In this table, each col represents one possible value of y, the
1216      * first number is 49995 / y, and the second is the FASTDIV variant
1217      * of 49995 % y / y. */
1218     static const unsigned int div_tbl[9][2] = {
1219         { 8332,  3 * 715827883U }, // y =  6
1220         { 4545,  0 * 390451573U }, // y = 11
1221         { 3124, 11 * 268435456U }, // y = 16
1222         { 2380, 15 * 204522253U }, // y = 21
1223         { 1922, 23 * 165191050U }, // y = 26
1224         { 1612, 23 * 138547333U }, // y = 31
1225         { 1388, 27 * 119304648U }, // y = 36
1226         { 1219, 16 * 104755300U }, // y = 41
1227         { 1086, 39 *  93368855U }  // y = 46
1228     };
1229     unsigned int z, y, x = MUL16(block_num, 1877) + frame_cntr;
1230     if (x >= 0xFFFF) x -= 0xFFFF;   // max value of x is 8*1877+0xFFFE=0x13AA6,
1231                                     // so this is effectively a modulo (%)
1232     y = x - 9 * MULH(477218589, x); // x % 9
1233     z = (uint16_t) (x * div_tbl[y][0] + UMULH(x, div_tbl[y][1]));
1234                                     // z = x * 49995 / (y * 5 + 6)
1235     return z % (1000 - block_size);
1236 }
1237
1238 /**
1239  * Parse hardcoded signal for a single block.
1240  * @note see #synth_block().
1241  */
1242 static void synth_block_hardcoded(WMAVoiceContext *s, GetBitContext *gb,
1243                                  int block_idx, int size,
1244                                  const struct frame_type_desc *frame_desc,
1245                                  float *excitation)
1246 {
1247     float gain;
1248     int n, r_idx;
1249
1250     av_assert0(size <= MAX_FRAMESIZE);
1251
1252     /* Set the offset from which we start reading wmavoice_std_codebook */
1253     if (frame_desc->fcb_type == FCB_TYPE_SILENCE) {
1254         r_idx = pRNG(s->frame_cntr, block_idx, size);
1255         gain  = s->silence_gain;
1256     } else /* FCB_TYPE_HARDCODED */ {
1257         r_idx = get_bits(gb, 8);
1258         gain  = wmavoice_gain_universal[get_bits(gb, 6)];
1259     }
1260
1261     /* Clear gain prediction parameters */
1262     memset(s->gain_pred_err, 0, sizeof(s->gain_pred_err));
1263
1264     /* Apply gain to hardcoded codebook and use that as excitation signal */
1265     for (n = 0; n < size; n++)
1266         excitation[n] = wmavoice_std_codebook[r_idx + n] * gain;
1267 }
1268
1269 /**
1270  * Parse FCB/ACB signal for a single block.
1271  * @note see #synth_block().
1272  */
1273 static void synth_block_fcb_acb(WMAVoiceContext *s, GetBitContext *gb,
1274                                 int block_idx, int size,
1275                                 int block_pitch_sh2,
1276                                 const struct frame_type_desc *frame_desc,
1277                                 float *excitation)
1278 {
1279     static const float gain_coeff[6] = {
1280         0.8169, -0.06545, 0.1726, 0.0185, -0.0359, 0.0458
1281     };
1282     float pulses[MAX_FRAMESIZE / 2], pred_err, acb_gain, fcb_gain;
1283     int n, idx, gain_weight;
1284     AMRFixed fcb;
1285
1286     av_assert0(size <= MAX_FRAMESIZE / 2);
1287     memset(pulses, 0, sizeof(*pulses) * size);
1288
1289     fcb.pitch_lag      = block_pitch_sh2 >> 2;
1290     fcb.pitch_fac      = 1.0;
1291     fcb.no_repeat_mask = 0;
1292     fcb.n              = 0;
1293
1294     /* For the other frame types, this is where we apply the innovation
1295      * (fixed) codebook pulses of the speech signal. */
1296     if (frame_desc->fcb_type == FCB_TYPE_AW_PULSES) {
1297         aw_pulse_set1(s, gb, block_idx, &fcb);
1298         if (aw_pulse_set2(s, gb, block_idx, &fcb)) {
1299             /* Conceal the block with silence and return.
1300              * Skip the correct amount of bits to read the next
1301              * block from the correct offset. */
1302             int r_idx = pRNG(s->frame_cntr, block_idx, size);
1303
1304             for (n = 0; n < size; n++)
1305                 excitation[n] =
1306                     wmavoice_std_codebook[r_idx + n] * s->silence_gain;
1307             skip_bits(gb, 7 + 1);
1308             return;
1309         }
1310     } else /* FCB_TYPE_EXC_PULSES */ {
1311         int offset_nbits = 5 - frame_desc->log_n_blocks;
1312
1313         fcb.no_repeat_mask = -1;
1314         /* similar to ff_decode_10_pulses_35bits(), but with single pulses
1315          * (instead of double) for a subset of pulses */
1316         for (n = 0; n < 5; n++) {
1317             float sign;
1318             int pos1, pos2;
1319
1320             sign           = get_bits1(gb) ? 1.0 : -1.0;
1321             pos1           = get_bits(gb, offset_nbits);
1322             fcb.x[fcb.n]   = n + 5 * pos1;
1323             fcb.y[fcb.n++] = sign;
1324             if (n < frame_desc->dbl_pulses) {
1325                 pos2           = get_bits(gb, offset_nbits);
1326                 fcb.x[fcb.n]   = n + 5 * pos2;
1327                 fcb.y[fcb.n++] = (pos1 < pos2) ? -sign : sign;
1328             }
1329         }
1330     }
1331     ff_set_fixed_vector(pulses, &fcb, 1.0, size);
1332
1333     /* Calculate gain for adaptive & fixed codebook signal.
1334      * see ff_amr_set_fixed_gain(). */
1335     idx = get_bits(gb, 7);
1336     fcb_gain = expf(avpriv_scalarproduct_float_c(s->gain_pred_err,
1337                                                  gain_coeff, 6) -
1338                     5.2409161640 + wmavoice_gain_codebook_fcb[idx]);
1339     acb_gain = wmavoice_gain_codebook_acb[idx];
1340     pred_err = av_clipf(wmavoice_gain_codebook_fcb[idx],
1341                         -2.9957322736 /* log(0.05) */,
1342                          1.6094379124 /* log(5.0)  */);
1343
1344     gain_weight = 8 >> frame_desc->log_n_blocks;
1345     memmove(&s->gain_pred_err[gain_weight], s->gain_pred_err,
1346             sizeof(*s->gain_pred_err) * (6 - gain_weight));
1347     for (n = 0; n < gain_weight; n++)
1348         s->gain_pred_err[n] = pred_err;
1349
1350     /* Calculation of adaptive codebook */
1351     if (frame_desc->acb_type == ACB_TYPE_ASYMMETRIC) {
1352         int len;
1353         for (n = 0; n < size; n += len) {
1354             int next_idx_sh16;
1355             int abs_idx    = block_idx * size + n;
1356             int pitch_sh16 = (s->last_pitch_val << 16) +
1357                              s->pitch_diff_sh16 * abs_idx;
1358             int pitch      = (pitch_sh16 + 0x6FFF) >> 16;
1359             int idx_sh16   = ((pitch << 16) - pitch_sh16) * 8 + 0x58000;
1360             idx            = idx_sh16 >> 16;
1361             if (s->pitch_diff_sh16) {
1362                 if (s->pitch_diff_sh16 > 0) {
1363                     next_idx_sh16 = (idx_sh16) &~ 0xFFFF;
1364                 } else
1365                     next_idx_sh16 = (idx_sh16 + 0x10000) &~ 0xFFFF;
1366                 len = av_clip((idx_sh16 - next_idx_sh16) / s->pitch_diff_sh16 / 8,
1367                               1, size - n);
1368             } else
1369                 len = size;
1370
1371             ff_acelp_interpolatef(&excitation[n], &excitation[n - pitch],
1372                                   wmavoice_ipol1_coeffs, 17,
1373                                   idx, 9, len);
1374         }
1375     } else /* ACB_TYPE_HAMMING */ {
1376         int block_pitch = block_pitch_sh2 >> 2;
1377         idx             = block_pitch_sh2 & 3;
1378         if (idx) {
1379             ff_acelp_interpolatef(excitation, &excitation[-block_pitch],
1380                                   wmavoice_ipol2_coeffs, 4,
1381                                   idx, 8, size);
1382         } else
1383             av_memcpy_backptr((uint8_t *) excitation, sizeof(float) * block_pitch,
1384                               sizeof(float) * size);
1385     }
1386
1387     /* Interpolate ACB/FCB and use as excitation signal */
1388     ff_weighted_vector_sumf(excitation, excitation, pulses,
1389                             acb_gain, fcb_gain, size);
1390 }
1391
1392 /**
1393  * Parse data in a single block.
1394  * @note we assume enough bits are available, caller should check.
1395  *
1396  * @param s WMA Voice decoding context private data
1397  * @param gb bit I/O context
1398  * @param block_idx index of the to-be-read block
1399  * @param size amount of samples to be read in this block
1400  * @param block_pitch_sh2 pitch for this block << 2
1401  * @param lsps LSPs for (the end of) this frame
1402  * @param prev_lsps LSPs for the last frame
1403  * @param frame_desc frame type descriptor
1404  * @param excitation target memory for the ACB+FCB interpolated signal
1405  * @param synth target memory for the speech synthesis filter output
1406  * @return 0 on success, <0 on error.
1407  */
1408 static void synth_block(WMAVoiceContext *s, GetBitContext *gb,
1409                         int block_idx, int size,
1410                         int block_pitch_sh2,
1411                         const double *lsps, const double *prev_lsps,
1412                         const struct frame_type_desc *frame_desc,
1413                         float *excitation, float *synth)
1414 {
1415     double i_lsps[MAX_LSPS];
1416     float lpcs[MAX_LSPS];
1417     float fac;
1418     int n;
1419
1420     if (frame_desc->acb_type == ACB_TYPE_NONE)
1421         synth_block_hardcoded(s, gb, block_idx, size, frame_desc, excitation);
1422     else
1423         synth_block_fcb_acb(s, gb, block_idx, size, block_pitch_sh2,
1424                             frame_desc, excitation);
1425
1426     /* convert interpolated LSPs to LPCs */
1427     fac = (block_idx + 0.5) / frame_desc->n_blocks;
1428     for (n = 0; n < s->lsps; n++) // LSF -> LSP
1429         i_lsps[n] = cos(prev_lsps[n] + fac * (lsps[n] - prev_lsps[n]));
1430     ff_acelp_lspd2lpc(i_lsps, lpcs, s->lsps >> 1);
1431
1432     /* Speech synthesis */
1433     ff_celp_lp_synthesis_filterf(synth, lpcs, excitation, size, s->lsps);
1434 }
1435
1436 /**
1437  * Synthesize output samples for a single frame.
1438  * @note we assume enough bits are available, caller should check.
1439  *
1440  * @param ctx WMA Voice decoder context
1441  * @param gb bit I/O context (s->gb or one for cross-packet superframes)
1442  * @param frame_idx Frame number within superframe [0-2]
1443  * @param samples pointer to output sample buffer, has space for at least 160
1444  *                samples
1445  * @param lsps LSP array
1446  * @param prev_lsps array of previous frame's LSPs
1447  * @param excitation target buffer for excitation signal
1448  * @param synth target buffer for synthesized speech data
1449  * @return 0 on success, <0 on error.
1450  */
1451 static int synth_frame(AVCodecContext *ctx, GetBitContext *gb, int frame_idx,
1452                        float *samples,
1453                        const double *lsps, const double *prev_lsps,
1454                        float *excitation, float *synth)
1455 {
1456     WMAVoiceContext *s = ctx->priv_data;
1457     int n, n_blocks_x2, log_n_blocks_x2, av_uninit(cur_pitch_val);
1458     int pitch[MAX_BLOCKS], av_uninit(last_block_pitch);
1459
1460     /* Parse frame type ("frame header"), see frame_descs */
1461     int bd_idx = s->vbm_tree[get_vlc2(gb, frame_type_vlc.table, 6, 3)], block_nsamples;
1462
1463     if (bd_idx < 0) {
1464         av_log(ctx, AV_LOG_ERROR,
1465                "Invalid frame type VLC code, skipping\n");
1466         return AVERROR_INVALIDDATA;
1467     }
1468
1469     block_nsamples = MAX_FRAMESIZE / frame_descs[bd_idx].n_blocks;
1470
1471     /* Pitch calculation for ACB_TYPE_ASYMMETRIC ("pitch-per-frame") */
1472     if (frame_descs[bd_idx].acb_type == ACB_TYPE_ASYMMETRIC) {
1473         /* Pitch is provided per frame, which is interpreted as the pitch of
1474          * the last sample of the last block of this frame. We can interpolate
1475          * the pitch of other blocks (and even pitch-per-sample) by gradually
1476          * incrementing/decrementing prev_frame_pitch to cur_pitch_val. */
1477         n_blocks_x2      = frame_descs[bd_idx].n_blocks << 1;
1478         log_n_blocks_x2  = frame_descs[bd_idx].log_n_blocks + 1;
1479         cur_pitch_val    = s->min_pitch_val + get_bits(gb, s->pitch_nbits);
1480         cur_pitch_val    = FFMIN(cur_pitch_val, s->max_pitch_val - 1);
1481         if (s->last_acb_type == ACB_TYPE_NONE ||
1482             20 * abs(cur_pitch_val - s->last_pitch_val) >
1483                 (cur_pitch_val + s->last_pitch_val))
1484             s->last_pitch_val = cur_pitch_val;
1485
1486         /* pitch per block */
1487         for (n = 0; n < frame_descs[bd_idx].n_blocks; n++) {
1488             int fac = n * 2 + 1;
1489
1490             pitch[n] = (MUL16(fac,                 cur_pitch_val) +
1491                         MUL16((n_blocks_x2 - fac), s->last_pitch_val) +
1492                         frame_descs[bd_idx].n_blocks) >> log_n_blocks_x2;
1493         }
1494
1495         /* "pitch-diff-per-sample" for calculation of pitch per sample */
1496         s->pitch_diff_sh16 =
1497             ((cur_pitch_val - s->last_pitch_val) << 16) / MAX_FRAMESIZE;
1498     }
1499
1500     /* Global gain (if silence) and pitch-adaptive window coordinates */
1501     switch (frame_descs[bd_idx].fcb_type) {
1502     case FCB_TYPE_SILENCE:
1503         s->silence_gain = wmavoice_gain_silence[get_bits(gb, 8)];
1504         break;
1505     case FCB_TYPE_AW_PULSES:
1506         aw_parse_coords(s, gb, pitch);
1507         break;
1508     }
1509
1510     for (n = 0; n < frame_descs[bd_idx].n_blocks; n++) {
1511         int bl_pitch_sh2;
1512
1513         /* Pitch calculation for ACB_TYPE_HAMMING ("pitch-per-block") */
1514         switch (frame_descs[bd_idx].acb_type) {
1515         case ACB_TYPE_HAMMING: {
1516             /* Pitch is given per block. Per-block pitches are encoded as an
1517              * absolute value for the first block, and then delta values
1518              * relative to this value) for all subsequent blocks. The scale of
1519              * this pitch value is semi-logaritmic compared to its use in the
1520              * decoder, so we convert it to normal scale also. */
1521             int block_pitch,
1522                 t1 = (s->block_conv_table[1] - s->block_conv_table[0]) << 2,
1523                 t2 = (s->block_conv_table[2] - s->block_conv_table[1]) << 1,
1524                 t3 =  s->block_conv_table[3] - s->block_conv_table[2] + 1;
1525
1526             if (n == 0) {
1527                 block_pitch = get_bits(gb, s->block_pitch_nbits);
1528             } else
1529                 block_pitch = last_block_pitch - s->block_delta_pitch_hrange +
1530                                  get_bits(gb, s->block_delta_pitch_nbits);
1531             /* Convert last_ so that any next delta is within _range */
1532             last_block_pitch = av_clip(block_pitch,
1533                                        s->block_delta_pitch_hrange,
1534                                        s->block_pitch_range -
1535                                            s->block_delta_pitch_hrange);
1536
1537             /* Convert semi-log-style scale back to normal scale */
1538             if (block_pitch < t1) {
1539                 bl_pitch_sh2 = (s->block_conv_table[0] << 2) + block_pitch;
1540             } else {
1541                 block_pitch -= t1;
1542                 if (block_pitch < t2) {
1543                     bl_pitch_sh2 =
1544                         (s->block_conv_table[1] << 2) + (block_pitch << 1);
1545                 } else {
1546                     block_pitch -= t2;
1547                     if (block_pitch < t3) {
1548                         bl_pitch_sh2 =
1549                             (s->block_conv_table[2] + block_pitch) << 2;
1550                     } else
1551                         bl_pitch_sh2 = s->block_conv_table[3] << 2;
1552                 }
1553             }
1554             pitch[n] = bl_pitch_sh2 >> 2;
1555             break;
1556         }
1557
1558         case ACB_TYPE_ASYMMETRIC: {
1559             bl_pitch_sh2 = pitch[n] << 2;
1560             break;
1561         }
1562
1563         default: // ACB_TYPE_NONE has no pitch
1564             bl_pitch_sh2 = 0;
1565             break;
1566         }
1567
1568         synth_block(s, gb, n, block_nsamples, bl_pitch_sh2,
1569                     lsps, prev_lsps, &frame_descs[bd_idx],
1570                     &excitation[n * block_nsamples],
1571                     &synth[n * block_nsamples]);
1572     }
1573
1574     /* Averaging projection filter, if applicable. Else, just copy samples
1575      * from synthesis buffer */
1576     if (s->do_apf) {
1577         double i_lsps[MAX_LSPS];
1578         float lpcs[MAX_LSPS];
1579
1580         for (n = 0; n < s->lsps; n++) // LSF -> LSP
1581             i_lsps[n] = cos(0.5 * (prev_lsps[n] + lsps[n]));
1582         ff_acelp_lspd2lpc(i_lsps, lpcs, s->lsps >> 1);
1583         postfilter(s, synth, samples, 80, lpcs,
1584                    &s->zero_exc_pf[s->history_nsamples + MAX_FRAMESIZE * frame_idx],
1585                    frame_descs[bd_idx].fcb_type, pitch[0]);
1586
1587         for (n = 0; n < s->lsps; n++) // LSF -> LSP
1588             i_lsps[n] = cos(lsps[n]);
1589         ff_acelp_lspd2lpc(i_lsps, lpcs, s->lsps >> 1);
1590         postfilter(s, &synth[80], &samples[80], 80, lpcs,
1591                    &s->zero_exc_pf[s->history_nsamples + MAX_FRAMESIZE * frame_idx + 80],
1592                    frame_descs[bd_idx].fcb_type, pitch[0]);
1593     } else
1594         memcpy(samples, synth, 160 * sizeof(synth[0]));
1595
1596     /* Cache values for next frame */
1597     s->frame_cntr++;
1598     if (s->frame_cntr >= 0xFFFF) s->frame_cntr -= 0xFFFF; // i.e. modulo (%)
1599     s->last_acb_type = frame_descs[bd_idx].acb_type;
1600     switch (frame_descs[bd_idx].acb_type) {
1601     case ACB_TYPE_NONE:
1602         s->last_pitch_val = 0;
1603         break;
1604     case ACB_TYPE_ASYMMETRIC:
1605         s->last_pitch_val = cur_pitch_val;
1606         break;
1607     case ACB_TYPE_HAMMING:
1608         s->last_pitch_val = pitch[frame_descs[bd_idx].n_blocks - 1];
1609         break;
1610     }
1611
1612     return 0;
1613 }
1614
1615 /**
1616  * Ensure minimum value for first item, maximum value for last value,
1617  * proper spacing between each value and proper ordering.
1618  *
1619  * @param lsps array of LSPs
1620  * @param num size of LSP array
1621  *
1622  * @note basically a double version of #ff_acelp_reorder_lsf(), might be
1623  *       useful to put in a generic location later on. Parts are also
1624  *       present in #ff_set_min_dist_lsf() + #ff_sort_nearly_sorted_floats(),
1625  *       which is in float.
1626  */
1627 static void stabilize_lsps(double *lsps, int num)
1628 {
1629     int n, m, l;
1630
1631     /* set minimum value for first, maximum value for last and minimum
1632      * spacing between LSF values.
1633      * Very similar to ff_set_min_dist_lsf(), but in double. */
1634     lsps[0]       = FFMAX(lsps[0],       0.0015 * M_PI);
1635     for (n = 1; n < num; n++)
1636         lsps[n]   = FFMAX(lsps[n],       lsps[n - 1] + 0.0125 * M_PI);
1637     lsps[num - 1] = FFMIN(lsps[num - 1], 0.9985 * M_PI);
1638
1639     /* reorder (looks like one-time / non-recursed bubblesort).
1640      * Very similar to ff_sort_nearly_sorted_floats(), but in double. */
1641     for (n = 1; n < num; n++) {
1642         if (lsps[n] < lsps[n - 1]) {
1643             for (m = 1; m < num; m++) {
1644                 double tmp = lsps[m];
1645                 for (l = m - 1; l >= 0; l--) {
1646                     if (lsps[l] <= tmp) break;
1647                     lsps[l + 1] = lsps[l];
1648                 }
1649                 lsps[l + 1] = tmp;
1650             }
1651             break;
1652         }
1653     }
1654 }
1655
1656 /**
1657  * Test if there's enough bits to read 1 superframe.
1658  *
1659  * @param orig_gb bit I/O context used for reading. This function
1660  *                does not modify the state of the bitreader; it
1661  *                only uses it to copy the current stream position
1662  * @param s WMA Voice decoding context private data
1663  * @return < 0 on error, 1 on not enough bits or 0 if OK.
1664  */
1665 static int check_bits_for_superframe(GetBitContext *orig_gb,
1666                                      WMAVoiceContext *s)
1667 {
1668     GetBitContext s_gb, *gb = &s_gb;
1669     int n, need_bits, bd_idx;
1670     const struct frame_type_desc *frame_desc;
1671
1672     /* initialize a copy */
1673     init_get_bits(gb, orig_gb->buffer, orig_gb->size_in_bits);
1674     skip_bits_long(gb, get_bits_count(orig_gb));
1675     av_assert1(get_bits_left(gb) == get_bits_left(orig_gb));
1676
1677     /* superframe header */
1678     if (get_bits_left(gb) < 14)
1679         return 1;
1680     if (!get_bits1(gb))
1681         return AVERROR(ENOSYS);           // WMAPro-in-WMAVoice superframe
1682     if (get_bits1(gb)) skip_bits(gb, 12); // number of  samples in superframe
1683     if (s->has_residual_lsps) {           // residual LSPs (for all frames)
1684         if (get_bits_left(gb) < s->sframe_lsp_bitsize)
1685             return 1;
1686         skip_bits_long(gb, s->sframe_lsp_bitsize);
1687     }
1688
1689     /* frames */
1690     for (n = 0; n < MAX_FRAMES; n++) {
1691         int aw_idx_is_ext = 0;
1692
1693         if (!s->has_residual_lsps) {     // independent LSPs (per-frame)
1694            if (get_bits_left(gb) < s->frame_lsp_bitsize) return 1;
1695            skip_bits_long(gb, s->frame_lsp_bitsize);
1696         }
1697         bd_idx = s->vbm_tree[get_vlc2(gb, frame_type_vlc.table, 6, 3)];
1698         if (bd_idx < 0)
1699             return AVERROR_INVALIDDATA; // invalid frame type VLC code
1700         frame_desc = &frame_descs[bd_idx];
1701         if (frame_desc->acb_type == ACB_TYPE_ASYMMETRIC) {
1702             if (get_bits_left(gb) < s->pitch_nbits)
1703                 return 1;
1704             skip_bits_long(gb, s->pitch_nbits);
1705         }
1706         if (frame_desc->fcb_type == FCB_TYPE_SILENCE) {
1707             skip_bits(gb, 8);
1708         } else if (frame_desc->fcb_type == FCB_TYPE_AW_PULSES) {
1709             int tmp = get_bits(gb, 6);
1710             if (tmp >= 0x36) {
1711                 skip_bits(gb, 2);
1712                 aw_idx_is_ext = 1;
1713             }
1714         }
1715
1716         /* blocks */
1717         if (frame_desc->acb_type == ACB_TYPE_HAMMING) {
1718             need_bits = s->block_pitch_nbits +
1719                 (frame_desc->n_blocks - 1) * s->block_delta_pitch_nbits;
1720         } else if (frame_desc->fcb_type == FCB_TYPE_AW_PULSES) {
1721             need_bits = 2 * !aw_idx_is_ext;
1722         } else
1723             need_bits = 0;
1724         need_bits += frame_desc->frame_size;
1725         if (get_bits_left(gb) < need_bits)
1726             return 1;
1727         skip_bits_long(gb, need_bits);
1728     }
1729
1730     return 0;
1731 }
1732
1733 /**
1734  * Synthesize output samples for a single superframe. If we have any data
1735  * cached in s->sframe_cache, that will be used instead of whatever is loaded
1736  * in s->gb.
1737  *
1738  * WMA Voice superframes contain 3 frames, each containing 160 audio samples,
1739  * to give a total of 480 samples per frame. See #synth_frame() for frame
1740  * parsing. In addition to 3 frames, superframes can also contain the LSPs
1741  * (if these are globally specified for all frames (residually); they can
1742  * also be specified individually per-frame. See the s->has_residual_lsps
1743  * option), and can specify the number of samples encoded in this superframe
1744  * (if less than 480), usually used to prevent blanks at track boundaries.
1745  *
1746  * @param ctx WMA Voice decoder context
1747  * @return 0 on success, <0 on error or 1 if there was not enough data to
1748  *         fully parse the superframe
1749  */
1750 static int synth_superframe(AVCodecContext *ctx, AVFrame *frame,
1751                             int *got_frame_ptr)
1752 {
1753     WMAVoiceContext *s = ctx->priv_data;
1754     GetBitContext *gb = &s->gb, s_gb;
1755     int n, res, n_samples = 480;
1756     double lsps[MAX_FRAMES][MAX_LSPS];
1757     const double *mean_lsf = s->lsps == 16 ?
1758         wmavoice_mean_lsf16[s->lsp_def_mode] : wmavoice_mean_lsf10[s->lsp_def_mode];
1759     float excitation[MAX_SIGNAL_HISTORY + MAX_SFRAMESIZE + 12];
1760     float synth[MAX_LSPS + MAX_SFRAMESIZE];
1761     float *samples;
1762
1763     memcpy(synth,      s->synth_history,
1764            s->lsps             * sizeof(*synth));
1765     memcpy(excitation, s->excitation_history,
1766            s->history_nsamples * sizeof(*excitation));
1767
1768     if (s->sframe_cache_size > 0) {
1769         gb = &s_gb;
1770         init_get_bits(gb, s->sframe_cache, s->sframe_cache_size);
1771         s->sframe_cache_size = 0;
1772     }
1773
1774     if ((res = check_bits_for_superframe(gb, s)) == 1) {
1775         *got_frame_ptr = 0;
1776         return 1;
1777     } else if (res < 0)
1778         return res;
1779
1780     /* First bit is speech/music bit, it differentiates between WMAVoice
1781      * speech samples (the actual codec) and WMAVoice music samples, which
1782      * are really WMAPro-in-WMAVoice-superframes. I've never seen those in
1783      * the wild yet. */
1784     if (!get_bits1(gb)) {
1785         avpriv_request_sample(ctx, "WMAPro-in-WMAVoice");
1786         return AVERROR_PATCHWELCOME;
1787     }
1788
1789     /* (optional) nr. of samples in superframe; always <= 480 and >= 0 */
1790     if (get_bits1(gb)) {
1791         if ((n_samples = get_bits(gb, 12)) > 480) {
1792             av_log(ctx, AV_LOG_ERROR,
1793                    "Superframe encodes >480 samples (%d), not allowed\n",
1794                    n_samples);
1795             return AVERROR_INVALIDDATA;
1796         }
1797     }
1798     /* Parse LSPs, if global for the superframe (can also be per-frame). */
1799     if (s->has_residual_lsps) {
1800         double prev_lsps[MAX_LSPS], a1[MAX_LSPS * 2], a2[MAX_LSPS * 2];
1801
1802         for (n = 0; n < s->lsps; n++)
1803             prev_lsps[n] = s->prev_lsps[n] - mean_lsf[n];
1804
1805         if (s->lsps == 10) {
1806             dequant_lsp10r(gb, lsps[2], prev_lsps, a1, a2, s->lsp_q_mode);
1807         } else /* s->lsps == 16 */
1808             dequant_lsp16r(gb, lsps[2], prev_lsps, a1, a2, s->lsp_q_mode);
1809
1810         for (n = 0; n < s->lsps; n++) {
1811             lsps[0][n]  = mean_lsf[n] + (a1[n]           - a2[n * 2]);
1812             lsps[1][n]  = mean_lsf[n] + (a1[s->lsps + n] - a2[n * 2 + 1]);
1813             lsps[2][n] += mean_lsf[n];
1814         }
1815         for (n = 0; n < 3; n++)
1816             stabilize_lsps(lsps[n], s->lsps);
1817     }
1818
1819     /* get output buffer */
1820     frame->nb_samples = 480;
1821     if ((res = ff_get_buffer(ctx, frame, 0)) < 0)
1822         return res;
1823     frame->nb_samples = n_samples;
1824     samples = (float *)frame->data[0];
1825
1826     /* Parse frames, optionally preceded by per-frame (independent) LSPs. */
1827     for (n = 0; n < 3; n++) {
1828         if (!s->has_residual_lsps) {
1829             int m;
1830
1831             if (s->lsps == 10) {
1832                 dequant_lsp10i(gb, lsps[n]);
1833             } else /* s->lsps == 16 */
1834                 dequant_lsp16i(gb, lsps[n]);
1835
1836             for (m = 0; m < s->lsps; m++)
1837                 lsps[n][m] += mean_lsf[m];
1838             stabilize_lsps(lsps[n], s->lsps);
1839         }
1840
1841         if ((res = synth_frame(ctx, gb, n,
1842                                &samples[n * MAX_FRAMESIZE],
1843                                lsps[n], n == 0 ? s->prev_lsps : lsps[n - 1],
1844                                &excitation[s->history_nsamples + n * MAX_FRAMESIZE],
1845                                &synth[s->lsps + n * MAX_FRAMESIZE]))) {
1846             *got_frame_ptr = 0;
1847             return res;
1848         }
1849     }
1850
1851     /* Statistics? FIXME - we don't check for length, a slight overrun
1852      * will be caught by internal buffer padding, and anything else
1853      * will be skipped, not read. */
1854     if (get_bits1(gb)) {
1855         res = get_bits(gb, 4);
1856         skip_bits(gb, 10 * (res + 1));
1857     }
1858
1859     *got_frame_ptr = 1;
1860
1861     /* Update history */
1862     memcpy(s->prev_lsps,           lsps[2],
1863            s->lsps             * sizeof(*s->prev_lsps));
1864     memcpy(s->synth_history,      &synth[MAX_SFRAMESIZE],
1865            s->lsps             * sizeof(*synth));
1866     memcpy(s->excitation_history, &excitation[MAX_SFRAMESIZE],
1867            s->history_nsamples * sizeof(*excitation));
1868     if (s->do_apf)
1869         memmove(s->zero_exc_pf,       &s->zero_exc_pf[MAX_SFRAMESIZE],
1870                 s->history_nsamples * sizeof(*s->zero_exc_pf));
1871
1872     return 0;
1873 }
1874
1875 /**
1876  * Parse the packet header at the start of each packet (input data to this
1877  * decoder).
1878  *
1879  * @param s WMA Voice decoding context private data
1880  * @return 1 if not enough bits were available, or 0 on success.
1881  */
1882 static int parse_packet_header(WMAVoiceContext *s)
1883 {
1884     GetBitContext *gb = &s->gb;
1885     unsigned int res;
1886
1887     if (get_bits_left(gb) < 11)
1888         return 1;
1889     skip_bits(gb, 4);          // packet sequence number
1890     s->has_residual_lsps = get_bits1(gb);
1891     do {
1892         res = get_bits(gb, 6); // number of superframes per packet
1893                                // (minus first one if there is spillover)
1894         if (get_bits_left(gb) < 6 * (res == 0x3F) + s->spillover_bitsize)
1895             return 1;
1896     } while (res == 0x3F);
1897     s->spillover_nbits   = get_bits(gb, s->spillover_bitsize);
1898
1899     return 0;
1900 }
1901
1902 /**
1903  * Copy (unaligned) bits from gb/data/size to pb.
1904  *
1905  * @param pb target buffer to copy bits into
1906  * @param data source buffer to copy bits from
1907  * @param size size of the source data, in bytes
1908  * @param gb bit I/O context specifying the current position in the source.
1909  *           data. This function might use this to align the bit position to
1910  *           a whole-byte boundary before calling #avpriv_copy_bits() on aligned
1911  *           source data
1912  * @param nbits the amount of bits to copy from source to target
1913  *
1914  * @note after calling this function, the current position in the input bit
1915  *       I/O context is undefined.
1916  */
1917 static void copy_bits(PutBitContext *pb,
1918                       const uint8_t *data, int size,
1919                       GetBitContext *gb, int nbits)
1920 {
1921     int rmn_bytes, rmn_bits;
1922
1923     rmn_bits = rmn_bytes = get_bits_left(gb);
1924     if (rmn_bits < nbits)
1925         return;
1926     if (nbits > pb->size_in_bits - put_bits_count(pb))
1927         return;
1928     rmn_bits &= 7; rmn_bytes >>= 3;
1929     if ((rmn_bits = FFMIN(rmn_bits, nbits)) > 0)
1930         put_bits(pb, rmn_bits, get_bits(gb, rmn_bits));
1931     avpriv_copy_bits(pb, data + size - rmn_bytes,
1932                  FFMIN(nbits - rmn_bits, rmn_bytes << 3));
1933 }
1934
1935 /**
1936  * Packet decoding: a packet is anything that the (ASF) demuxer contains,
1937  * and we expect that the demuxer / application provides it to us as such
1938  * (else you'll probably get garbage as output). Every packet has a size of
1939  * ctx->block_align bytes, starts with a packet header (see
1940  * #parse_packet_header()), and then a series of superframes. Superframe
1941  * boundaries may exceed packets, i.e. superframes can split data over
1942  * multiple (two) packets.
1943  *
1944  * For more information about frames, see #synth_superframe().
1945  */
1946 static int wmavoice_decode_packet(AVCodecContext *ctx, void *data,
1947                                   int *got_frame_ptr, AVPacket *avpkt)
1948 {
1949     WMAVoiceContext *s = ctx->priv_data;
1950     GetBitContext *gb = &s->gb;
1951     int size, res, pos;
1952
1953     /* Packets are sometimes a multiple of ctx->block_align, with a packet
1954      * header at each ctx->block_align bytes. However, FFmpeg's ASF demuxer
1955      * feeds us ASF packets, which may concatenate multiple "codec" packets
1956      * in a single "muxer" packet, so we artificially emulate that by
1957      * capping the packet size at ctx->block_align. */
1958     for (size = avpkt->size; size > ctx->block_align; size -= ctx->block_align);
1959     if (!size) {
1960         *got_frame_ptr = 0;
1961         return 0;
1962     }
1963     init_get_bits(&s->gb, avpkt->data, size << 3);
1964
1965     /* size == ctx->block_align is used to indicate whether we are dealing with
1966      * a new packet or a packet of which we already read the packet header
1967      * previously. */
1968     if (size == ctx->block_align) { // new packet header
1969         if ((res = parse_packet_header(s)) < 0)
1970             return res;
1971
1972         /* If the packet header specifies a s->spillover_nbits, then we want
1973          * to push out all data of the previous packet (+ spillover) before
1974          * continuing to parse new superframes in the current packet. */
1975         if (s->spillover_nbits > 0) {
1976             if (s->sframe_cache_size > 0) {
1977                 int cnt = get_bits_count(gb);
1978                 copy_bits(&s->pb, avpkt->data, size, gb, s->spillover_nbits);
1979                 flush_put_bits(&s->pb);
1980                 s->sframe_cache_size += s->spillover_nbits;
1981                 if ((res = synth_superframe(ctx, data, got_frame_ptr)) == 0 &&
1982                     *got_frame_ptr) {
1983                     cnt += s->spillover_nbits;
1984                     s->skip_bits_next = cnt & 7;
1985                     res = cnt >> 3;
1986                     if (res > avpkt->size) {
1987                         av_log(ctx, AV_LOG_ERROR,
1988                                "Trying to skip %d bytes in packet of size %d\n",
1989                                res, avpkt->size);
1990                         return AVERROR_INVALIDDATA;
1991                     }
1992                     return res;
1993                 } else
1994                     skip_bits_long (gb, s->spillover_nbits - cnt +
1995                                     get_bits_count(gb)); // resync
1996             } else
1997                 skip_bits_long(gb, s->spillover_nbits);  // resync
1998         }
1999     } else if (s->skip_bits_next)
2000         skip_bits(gb, s->skip_bits_next);
2001
2002     /* Try parsing superframes in current packet */
2003     s->sframe_cache_size = 0;
2004     s->skip_bits_next = 0;
2005     pos = get_bits_left(gb);
2006     if ((res = synth_superframe(ctx, data, got_frame_ptr)) < 0) {
2007         return res;
2008     } else if (*got_frame_ptr) {
2009         int cnt = get_bits_count(gb);
2010         s->skip_bits_next = cnt & 7;
2011         res = cnt >> 3;
2012         if (res > avpkt->size) {
2013             av_log(ctx, AV_LOG_ERROR,
2014                    "Trying to skip %d bytes in packet of size %d\n",
2015                    res, avpkt->size);
2016             return AVERROR_INVALIDDATA;
2017         }
2018         return res;
2019     } else if ((s->sframe_cache_size = pos) > 0) {
2020         /* rewind bit reader to start of last (incomplete) superframe... */
2021         init_get_bits(gb, avpkt->data, size << 3);
2022         skip_bits_long(gb, (size << 3) - pos);
2023         av_assert1(get_bits_left(gb) == pos);
2024
2025         /* ...and cache it for spillover in next packet */
2026         init_put_bits(&s->pb, s->sframe_cache, SFRAME_CACHE_MAXSIZE);
2027         copy_bits(&s->pb, avpkt->data, size, gb, s->sframe_cache_size);
2028         // FIXME bad - just copy bytes as whole and add use the
2029         // skip_bits_next field
2030     }
2031
2032     return size;
2033 }
2034
2035 static av_cold int wmavoice_decode_end(AVCodecContext *ctx)
2036 {
2037     WMAVoiceContext *s = ctx->priv_data;
2038
2039     if (s->do_apf) {
2040         ff_rdft_end(&s->rdft);
2041         ff_rdft_end(&s->irdft);
2042         ff_dct_end(&s->dct);
2043         ff_dct_end(&s->dst);
2044     }
2045
2046     return 0;
2047 }
2048
2049 static av_cold void wmavoice_flush(AVCodecContext *ctx)
2050 {
2051     WMAVoiceContext *s = ctx->priv_data;
2052     int n;
2053
2054     s->postfilter_agc    = 0;
2055     s->sframe_cache_size = 0;
2056     s->skip_bits_next    = 0;
2057     for (n = 0; n < s->lsps; n++)
2058         s->prev_lsps[n] = M_PI * (n + 1.0) / (s->lsps + 1.0);
2059     memset(s->excitation_history, 0,
2060            sizeof(*s->excitation_history) * MAX_SIGNAL_HISTORY);
2061     memset(s->synth_history,      0,
2062            sizeof(*s->synth_history)      * MAX_LSPS);
2063     memset(s->gain_pred_err,      0,
2064            sizeof(s->gain_pred_err));
2065
2066     if (s->do_apf) {
2067         memset(&s->synth_filter_out_buf[MAX_LSPS_ALIGN16 - s->lsps], 0,
2068                sizeof(*s->synth_filter_out_buf) * s->lsps);
2069         memset(s->dcf_mem,              0,
2070                sizeof(*s->dcf_mem)              * 2);
2071         memset(s->zero_exc_pf,          0,
2072                sizeof(*s->zero_exc_pf)          * s->history_nsamples);
2073         memset(s->denoise_filter_cache, 0, sizeof(s->denoise_filter_cache));
2074     }
2075 }
2076
2077 AVCodec ff_wmavoice_decoder = {
2078     .name             = "wmavoice",
2079     .long_name        = NULL_IF_CONFIG_SMALL("Windows Media Audio Voice"),
2080     .type             = AVMEDIA_TYPE_AUDIO,
2081     .id               = AV_CODEC_ID_WMAVOICE,
2082     .priv_data_size   = sizeof(WMAVoiceContext),
2083     .init             = wmavoice_decode_init,
2084     .init_static_data = wmavoice_init_static_data,
2085     .close            = wmavoice_decode_end,
2086     .decode           = wmavoice_decode_packet,
2087     .capabilities     = AV_CODEC_CAP_SUBFRAMES | AV_CODEC_CAP_DR1,
2088     .flush            = wmavoice_flush,
2089 };