解码微信语音文件

发表于 2024-05-15 更新于 2024-06-13 阅读次数：

微信语音文件使用了skype同款编码格式SILK，一般的播放器都不支持，本文讨论一下如何解码。

编码格式

微信的语音文件虽然扩展名为.amr，但内部却用的SILK编码格式：

SILK v3 编码是 Skype 向第三方开发人员和硬件制造商提供免版税认证(RF)的 Silk 宽带音频编码器，Skype 后来将其开源。

采样率为 24000Hz，单声道。

开源实现

skype 项目已经停用，silk v3 编码被腾讯继承并发扬光大，微信、QQ 等产品都在使用。

虽然 skype 已经开源，但使用起来并不方便。

先有基于官方 C 源码的silk-v3-decoder，然后有了 python bindings pilk；
后有用 rust 改写的silk-rs，然后有了 silk-rs的 python binding rsilk。

我也分叉了silk-v3-decoder，加上了docker 支持。

解码

> ./decoder
usage: decoder.exe in.bit out.pcm [settings]

in.bit       : Bitstream input to decoder
out.pcm      : Speech output from decoder
   settings:
-Fs_API <Hz> : Sampling rate of output signal in Hz; default: 24000
-loss <perc> : Simulated packet loss percentage (0-100); default: 0
-quiet       : Print out just some basic values

具体示例：

> ./decoder msg_13141905142479bebcac2e0102.amr 102.pcm
********** Silk Decoder (Fixed Point) v 1.0.9.6 ********************
********** Compiled for 32 bit cpu *******************************
Input:                       msg_13141905142479bebcac2e0102.amr
Output:                      102.pcm
Packets decoded:              90
Decoding Finished

File length:                 1.800 s
Time for decoding:           0.001 s (0.050% of realtime)

转码

pcm 文件是裸音频文件，24000 的采样率也没必要用 wav，一定都转成 mp3 格式使用。

转码可以使用专精 mp3 的lame或者全能王ffmpeg。

lame

lame 的命令行参数可以参考这里。

1	./lame -r -s 24000 -m m 106.pcm 106_lame_mono.mp3

但不知道为什么，这样输出的 mp3 文件会有少许拉伸，时间会变长。
使用立体声输出就没问题：

1	./lame -r -s 12000 106.pcm 106_lame.mp3

ffmpeg

ffmpeg 的音频用法可以参考官方文档。

1	./ffmpeg -y -f s16le -ar 24000 -ac 1 -i 106.pcm 106_ffmpeg_mono.mp3

ffmpeg 就很稳定，转码后的文件时间和原文件几乎一致。转成双声道也没问题。

1	./ffmpeg -y -f s16le -ar 12000 -ac 2 -i 106.pcm 106_ffmpeg.mp3

最佳实践

直接使用 docker，不用担心编译环境问题。

为了简洁易用，默认 entrypoint 只有一个功能，将微信语音文件.amr转成.mp3。

单个文件

转码当前目录下的单个文件为.mp3，文件名保持不变：

1	docker run -it --rm -v $(pwd):/app lckof/silk-v3-decoder msg_13141905142479bebcac2e0102.amr [102.mp3]