孟利　沈鄭燕　張?zhí)?/p>

摘要：目的：根據(jù)真實(shí)案例中的語(yǔ)音檢材，利用ffmpeg軟件提取犯罪嫌疑人的語(yǔ)音，探究適用ffmpeg軟件提取的目標(biāo)人物語(yǔ)音特點(diǎn)，同時(shí)歸納總結(jié)整個(gè)提取過(guò)程的具體操作流程，固化經(jīng)驗(yàn)。方法：利用該軟件包含的先進(jìn)的音頻編解碼庫(kù)開(kāi)展語(yǔ)音提取實(shí)驗(yàn)，優(yōu)化能夠提高可移植性和編解碼質(zhì)量的細(xì)節(jié)操作，提高語(yǔ)音提取質(zhì)量。結(jié)果：ffmpeg可以將案例中犯罪嫌疑人的語(yǔ)音進(jìn)行提取，并能夠提高語(yǔ)音提取質(zhì)量。結(jié)論：運(yùn)用ffmpeg可以進(jìn)行視頻轉(zhuǎn)音頻、音頻截取、音頻轉(zhuǎn)碼等操作，處理時(shí)間短、效果顯著；同時(shí)將復(fù)雜困難的命令行軟件的應(yīng)用，簡(jiǎn)化為具體的操作步驟是切實(shí)可行的，有望使公安工作人員在不具備編碼相關(guān)專業(yè)背景的情況下進(jìn)行操作。

關(guān)鍵詞：ffmpeg；提取語(yǔ)音；音頻轉(zhuǎn)碼

一、前言

目前，電信詐騙案件已成為公安工作中的重點(diǎn)內(nèi)容。該類(lèi)案件通過(guò)電話、網(wǎng)絡(luò)和短信方式，編造虛假信息，設(shè)置騙局，對(duì)受害人實(shí)施遠(yuǎn)程、非接觸式詐騙，誘使受害人打款或轉(zhuǎn)賬的犯罪行為。一般具有手段翻新變化快，防范難度大，取證抓捕困難的特點(diǎn)。對(duì)于此類(lèi)不具備現(xiàn)場(chǎng)勘察條件的案件，錄音資料作為直接證據(jù)，能夠起到同一認(rèn)定犯罪嫌疑人、為訴訟提供證據(jù)的重要作用。直接提取可作為證據(jù)使用的音頻往往存在困難，且審判程序?qū)σ纛l證據(jù)要求較高，應(yīng)在提取的過(guò)程中保持音頻的原貌。由于其他軟件收費(fèi)較高，ffmpeg在提取音頻方面具有重要的研究?jī)r(jià)值[1]。

由FabriceBellard發(fā)起的ffmpeg是一套能夠?qū)σ纛l和視頻進(jìn)行記錄、格式轉(zhuǎn)換以及實(shí)現(xiàn)視頻加水印等操作的開(kāi)源計(jì)算機(jī)程序，具有領(lǐng)先的編解碼技術(shù)[2]。ffmpeg所包含的工具有：ffplay簡(jiǎn)單的基于ffmpeg庫(kù)和SDL庫(kù)的多媒體播放器，用于測(cè)試ffmpeg中各種API函數(shù)的功能；高效的音視頻轉(zhuǎn)換器ffmpeg，可以從現(xiàn)場(chǎng)獲取音頻/視頻源，還可以在任意采樣率之間轉(zhuǎn)換和調(diào)整視頻動(dòng)態(tài)與質(zhì)量；ffprobe用于在多媒體流中分析信息；ffserve用于多媒體流實(shí)時(shí)直播的服務(wù)器[3]。ffmpeg被廣泛應(yīng)用于多種視頻播放器、轉(zhuǎn)碼器的內(nèi)核，如QQ影音、格式工廠等。ffmpeg支持MPEG、DivX、MPEG4等40多種編碼，ALI、MPEG等90多種解碼[4-5]。

二、實(shí)驗(yàn)分析

（一）設(shè)置ffmpeg

1.創(chuàng)造路徑——設(shè)置環(huán)境變量

環(huán)境變量可以被理解為系統(tǒng)的視線范圍，是可以被添加設(shè)置的，也是較多ffmpeg使用者選擇的操作方式。一般電腦中有兩種環(huán)境變量。

（1）系統(tǒng)環(huán)境變量。一旦配置了系統(tǒng)環(huán)境變量后，只要是使用這個(gè)操作系統(tǒng)的人，任何用戶都能通過(guò)這個(gè)環(huán)境變量直接在doc命令窗口找到相應(yīng)程序；

（2）用戶環(huán)境變量。獨(dú)屬于某個(gè)用戶的，只有配置這個(gè)環(huán)境變量的用戶才能使用它。二者可以依實(shí)際情況自由選擇，本文選用第二種。

2.融入原有系統(tǒng)——轉(zhuǎn)移bin文件

將已經(jīng)下載好的ffmpeg的安裝包內(nèi)bin目錄下的3個(gè)可執(zhí)行文件解壓到C盤(pán)System32文件夾目錄下。這個(gè)目錄存在于系統(tǒng)默認(rèn)環(huán)境變量中，不需要額外設(shè)置。任選其一進(jìn)行操作后，找到bin文件所在位置，鼠標(biāo)右鍵選擇打開(kāi)命令行終端，輸入“ffmpeg”即可正常使用。

（二）ffmpeg工具包應(yīng)用

ffmpeg安裝好后，可以看到內(nèi)含的3個(gè)命令行工具，分別為ffmpeg、ffplay、ffprobe。其中ffmpeg是音視頻處理工具、ffplay是音視頻媒體播放器、ffprobe是音視頻文件分析工具。

1.ffmpeg

先在命令行終端輸入“ffmpeg”并回車(chē)，將會(huì)得基本的編寫(xiě)命令格式，即“ffmpeg[options][[infileoptions]-iinfile]...{[outfileoptions]outfile}...”。其中，options表示全局參數(shù)選項(xiàng)，-iinfile表示將某個(gè)文件導(dǎo)入，[outfileoptions]表示對(duì)導(dǎo)入文件進(jìn)行所需操作，outfile表示在整個(gè)命令末尾注明輸出文件最終封裝格式。

2.ffplay

ffplay具有ffmpeg幾乎所有編解碼能力，是支持編碼格式最多的萬(wàn)能播放器與視頻測(cè)試工具，除可以播放音頻、視頻、圖片這些基礎(chǔ)功能之外，還能夠?qū)崟r(shí)對(duì)音視頻、直播流進(jìn)行復(fù)雜的濾鏡處理，功能齊備。在安裝好ffmpeg后，ffplay也被同時(shí)安裝，無(wú)須額外下載。

3.ffprobe

ffprobe是一個(gè)基于命令行的音視頻分析工具，同樣被內(nèi)置在ffmpeg安裝包內(nèi)。它可以幫助我們快速了解一個(gè)音視頻文件的各種信息，例如文件的封裝格式、視頻的編碼格式、幀率、分辨率等。

（三）提取目標(biāo)人物語(yǔ)音相關(guān)處理

1.視頻轉(zhuǎn)音頻

一個(gè)視頻往往包含多個(gè)流信息，視頻轉(zhuǎn)音頻操作的本質(zhì)是刪去視頻流，保留音頻流。首先，輸入“ffprobevideo.mp4”查看視頻基本信息，關(guān)注stream中audio部分中原有的封裝格式，以mp4為例。

（1）當(dāng)信息中顯示視頻中只有一個(gè)音頻流時(shí)，可以使用ffmpeg直接將單獨(dú)的音頻流提取出來(lái)：輸入“ffmpeg-ivideo.mp4-vn-acodeccopyvideo.m4a”其中-vn即表示剔除視頻；-acodeccopy表示保持原有音頻編碼格式；video.m4a表示輸出文件格式。

（2）當(dāng)信息顯示視頻中包含多個(gè)音頻流，此時(shí)需分別提取，并重新合并。例如：

Stream#0：2[0x81]：Audio：ac3，48000Hz，5.1，s16，384kb/s

Stream#0：3[0x82]：Audio：ac3，48000Hz，5.1，s16，384kb/s

Stream#0：4[0x80]：Audio：ac3，48000Hz，5.1，s16，448kb/s

2.音頻截取

如需在整段音頻中截取某部分，第一種方法為輸入“ffmpeg-imusic.mp3-ss00：00：30-to00：02：00-acodeccopymusic_cutout.mp3”，其中-ss表示截取起始時(shí)間；-to表示截取結(jié)束時(shí)間，由于時(shí)間的基本單位為秒，所以時(shí)間可以表示為00：00：00，分別對(duì)應(yīng)時(shí)分秒；第二種截取方法為“ffmpeg-imusic.mp3-ss00：00：30-t10-acodeccopymusic_cutout.mp3”表示從00：00：30起向后截取一個(gè)10秒的片段。

需要注意的是“ffmpeg-iin.mp4-ss00：01：00-to0：01：

10-ccopyout.mp4”與“ffmpeg-ss00：01：00-iin.mp4-to00：01：10-ccopyout.mp4”這兩條指令的區(qū)別是：第二條啟用了關(guān)鍵幀技術(shù)，可以加快操作速度但起始時(shí)間與結(jié)束時(shí)間可能與所需存在誤差，為了避免這個(gè)問(wèn)題，可以輸入“ffmpeg-ss00：01：00-iin.mp4-to00：01：10-ccopy-copytsout.mp4”其中-copyts為保留時(shí)間戳的指令，起到精確輸入時(shí)間的作用。

3.音頻轉(zhuǎn)碼

常見(jiàn)的音頻格式有MP3、aac、wav、flac，MP3是最常見(jiàn)的音頻格式；aac常與H264視頻搭配，是現(xiàn)代流媒體的主流；wav是微軟公司專門(mén)為windows開(kāi)發(fā)的標(biāo)準(zhǔn)數(shù)字音頻模式，在ffmpeg中為PCM編碼；flac是一種無(wú)損音頻格式，常用于無(wú)損音樂(lè)。

ffmpeg音頻格式轉(zhuǎn)碼[6]基礎(chǔ)命令格式為“ffmpeg-iINPUT-c：aENCODER-arSAMPLE-acCHANNEL-abBITRATEOUTPUT”，INPUT表示輸入文件，ENCODER表示音頻編碼器，SAMPLE表示音頻采樣率，CHANNEL表示音頻聲道數(shù)量，BITRATE表示音頻碼率，OUTPUT表示輸出文件。使用“ffmpeg-encoders”可以查看ffmpeg所支持的音頻格式列表，以A開(kāi)頭的表示音頻編碼器；“音頻采樣率”表示音頻采樣精度，一般以HZ為單位，通常采樣率數(shù)字越大，音頻精度越高，質(zhì)量也越好。目前主流采樣率多采用44.1kHZ和48kHz；“聲道”也可以在ffmpeg中進(jìn)行操作，即單聲道、雙聲道或多聲道；更高的“碼率”通常意味著擁有更好的音質(zhì)，更低的“碼率”意味著文件體積更小，常用的碼率為320k。以下將以轉(zhuǎn)成采樣率為44.1kHZ，單聲道，設(shè)定碼率為320k為例進(jìn)行操作。

（1）wav轉(zhuǎn)mp3。輸入“ffmpeg-i1.wav-c：alibmp3lame-ar44100-ac1-ab320k1.mp3”，這里就表示輸入一個(gè)名稱為1的wav格式音頻，指定libmp3lame作為音頻編碼器，設(shè)定采樣率為44.1kHZ，單聲道，設(shè)定碼率為320k，輸出文件格式為mp3。

（2）wav轉(zhuǎn)aac。輸入“ffmpeg-i2.wav-c：aaac-ar44100-ac1-ab320k1.aac”表示輸入一個(gè)名稱為2的wav格式音頻，指定aac作為音頻編碼器，輸出文件格式為aac。

（3）flac轉(zhuǎn)mp3。輸入“ffmpeg-i3.flac-c：alibmp3lame-ar44100-ac1-ab320k1.mp3”表示輸入一個(gè)名稱為3的flac格式音頻，指定libmp3lame作為音頻編碼器，輸出文件格式為mp3。

三、提取目標(biāo)人物語(yǔ)音流程

提取目標(biāo)人物語(yǔ)音的具體流程，以獲取檢材1.mp4文件中目標(biāo)任務(wù)語(yǔ)音為例。

（1）首先輸入“ffprobe1.mp4”按下回車(chē)獲得該視頻基礎(chǔ)信息；

（2）分別輸入“ffmpeg-i1.mp4-vn-map0：2-acodeccopy2.m4a”；“ffmpeg-i1.mp4-vn-map0：3-acodeccopy3.m4a”；“ffmpeg-i1.mp4-vn-map0：4-acodeccopy4.m4a”，獲取原視頻中3個(gè)音頻流，分別聽(tīng)取，選擇包含目標(biāo)人物語(yǔ)音的2.m4a；

（3）輸入“ffplay-2.m4a”按下回車(chē)開(kāi)始播放該音頻文件，此時(shí)輸入“ffplay-i2.m4a-afatempo=2”可以實(shí)現(xiàn)變速播放；對(duì)比原視頻中目標(biāo)人物說(shuō)話的時(shí)間，選定音質(zhì)較好的某段記錄起止時(shí)間00：00：48-00：02：30；

（4）輸入“ffmpeg-i2.m4a-ss00：00：48-to00：02：30-acodeccopymusiccutout.mp3”即可獲得僅包含目標(biāo)人物語(yǔ)音的片段，且為mp3格式。

后期根據(jù)語(yǔ)音比對(duì)所需格式可對(duì)該片段進(jìn)行轉(zhuǎn)碼。

四、總結(jié)

本文所述僅僅是ffmpeg眾多使用方法中的一部分，且重在闡述單獨(dú)使用ffmpeg即可完成的內(nèi)容。而ffmpeg與其他工具相互配合才能真正發(fā)揮該工具巨大潛能。例如，目前公安聲紋鑒定領(lǐng)域已經(jīng)研究出了人聲分離算法，但是該算法的弊端在于對(duì)音頻清晰度要求較高，在嘈雜環(huán)境中的語(yǔ)音截取效率低。此時(shí)將ffmpeg和SoX相結(jié)合運(yùn)用可以對(duì)音頻進(jìn)行降噪處理，做好對(duì)音頻的預(yù)處理。

由于ffmpeg工作原理涉及到編解碼這一信息傳輸中的關(guān)鍵步驟，所以往往會(huì)成為預(yù)處理音頻、視頻、圖像的操作步驟，從這個(gè)角度而言，ffmpeg軟件可以被稱為音視頻處理工作的基石。同時(shí)，也因?yàn)樵撥浖幕A(chǔ)性，本文中提出基于ffmpeg軟件提取目標(biāo)人物的語(yǔ)音的方法只較為便于理解與操作的方式，希望能夠?qū)矊?shí)戰(zhàn)工作起到幫助。

參考文獻(xiàn)：

[1]郭晶晶，劉光堯，汪磊，等.ffmpeg在視頻圖像處理中的應(yīng)用[J].刑事技術(shù)，2020，45（03）：234-237.

[2]程偉倫，唐恒飛.基于ffmpeg的車(chē)載嵌入式流媒體終端的研究與實(shí)現(xiàn)[J].農(nóng)業(yè)裝備與車(chē)輛工程，2021，59（08）：120-122.

[3]鄧正良.基于ffmpeg和SDL的視頻流播放存儲(chǔ)研究綜述[J].現(xiàn)代計(jì)算機(jī)，2019（22）：47-50.

[4]郝朝，劉升護(hù).基于ffmpeg和SDL的遙測(cè)視頻解析技術(shù)[J].計(jì)算機(jī)技術(shù)與發(fā)展，2019，29（04）：191-194.

[5]吳張順，張珣.基于ffmpeg的視頻編碼存儲(chǔ)研究與實(shí)現(xiàn)[J].杭州電子科技大學(xué)學(xué)報(bào)，2006（03）：30-34.DOI：10.13954/j.cnki.hdu.2006.03.008.

[6]覃艷.基于ffmpeg的視頻格式轉(zhuǎn)換技術(shù)研究[J].電腦知識(shí)與技術(shù)，2011，7（12）：2912-2913.

基金資助：本文系河南警察學(xué)院院級(jí)課題資助項(xiàng)目：“基于ffmpeg提取目標(biāo)人物語(yǔ)音的研究”（項(xiàng)目編號(hào)：HNJY202236）階段性成果

作者單位：孟利國(guó)，河南警察學(xué)院刑事科學(xué)技術(shù)系；沈鄭燕，河南警察學(xué)院教務(wù)處；張?zhí)?，北京出入境邊防檢查總站