本帖最后由 中国琴音 于 2023-8-17 12:51 编辑
揭秘音频节奏的文件格式
前言
雅马哈在PSR-S950上首发了音频节奏，但这是一项让人又爱又恨的技术。爱是因为音频声部保留了MIDI鼓组难以产生的微妙共鸣和律动，而恨是因为编辑或者制作新节奏时使用音频声部比较麻烦……
“音频节奏”这个词其实有点以偏概全，事实上只有鼓组是音频，其他音轨都是MIDI。相比之下，KETRON Audya5的“音频节奏”，才是真正意义上的音频节奏——因为所有的音轨都是音频。雅马哈发布了“Audio Phraser”软件，供用户创建和编辑音频节奏的基本骨架。这样，用户可以更加自由地创建、编辑和共享原创的音频节奏。
音频节奏的文件格式
自从雅马哈为Genos发布了扩展音频节奏，我就想对音频节奏的文件格式一探究竟。以下是一些初步的研究成果：
音频节奏文件是一个类似于aif格式音频文件的容器，我们熟知的SMF（标准MIDI文件）也是如此。事实上，音频节奏文件和普通的节奏文件同样基于SMF0格式的MIDI文件，但是附加的模块有所不同。
一个音频节奏文件依次含有以下模块（回复可见）：
AASM和AFil模块是新增的，其他模块则是普通节奏已有的。各个模块都有一个模块标识符和一个模块大小字段，两者的长度均为4个字节。模块大小通常不计算模块标识符，以及模块大小字段本身的大小。
AASM模块相对较小，大约有2500字节。该模块由15个长度可变的ASEG子模块组成。每个ASEG子模块都有一个长度为4个字节的子模块大小字段。至于为什么有15个ASEG子模块呢？是因为ASEG子模块和节奏的乐段是一一对应的，3个前奏+4个主奏+4个插入+1个中断+3个尾声=15个乐段。
一个ASEG 子模块依次由以下3部分组成（回复可见）：Adec部分的长度可变，但是有一个明显的、长度为4个字节的大小字段。Atab和AMix部分的长度似乎是固定的（分别为101和28字节），并且没有明显的大小字段。
Adec部分的内容是ASCII文本，写明了节奏乐段的名称，如“Main A”或“Fill In DD”。乐段名称和4个字节长的大小字段，是Adec部分仅有的信息。
很抱歉，我暂时没有彻底搞清楚Atab部分的作用。Atab部分包含了一个ASCII字符串，用于标明节奏相应乐段所使用的音频文件。除了音频的文件名以外，用于测试的音频文件中，所有Atab部分和AMix部分各自的值都相同。此字符串在转储中清晰可见，如下图所示（回复可见）：
AMix部分则含有MIDI事件的编码，如下图所示（回复可见）：
AMix部分的内容，其含义是设置音频声部的音量、相位和混响发送值。雅马哈喜欢用MIDI事件控制其他参数（如音色文件、OTS等），这次雅马哈仍然用MIDI事件控制音频声部。
AFil模块也由子模块组成，这里的子模块叫ADSg。AFil模块相当大，因为它包含了音频的波形数据。
下表展示了一个AFil模块中，第一个ADSg子模块的偏移量和长度信息，仅做参考（回复可见）：
容器之间的关系很重要，因为容器和子模块是嵌套的（回复可见）： 在编写解析节奏文件的代码时，嵌套让人有点头晕。
ADSg子模块是保存音频的波形（元）信息的容器。和刚才介绍过的ASEG子模块一样，一个AFil模块里面有15个ADSg子模块——和音频文件是一一对应的关系。ANdc内部含有音频文件名，这里的文件名与ASEG子模块中的文件名相匹配。而AWav，则是盛放音频的波形数据的容器。
音频节奏所用的音频文件的格式和wav文件类似，但并不是wav，而是微软的riff文件。我尝试将音频节奏文件当做raw格式的音频文件导入到播放器，其中的音频声部可以正常播放。经分析，音频声部的格式似乎是44100Hz、16位立体声、大端格式（big-endian）。同时，音频没有压缩，也没有加密。所以，转储音频节奏中的音频声部并不是什么难事。
Yamaha Audio Phraser（以下简称YAP）
我们已经初步了解了音频节奏文件的格式，以下是YAP所生成内容的简介。
YAP生成一个MThd模块、一个MTrk模块（SMF0格式）、每个音频的波形数据对应的ASEG模块、AFil模块（包括每个音频文件对应的ADSg子模块）和CASM信息模块。
MIDI部分的速度和拍号与YAP中设置的速度和拍号相同，MIDI部分的标题则会作为音频节奏的名称。
MIDI部分的开头有节奏必须的标记：SFF2和SInt，而在SInt标记后面有一条SysEx消息：General MIDI System ON（F0 7E 7F 09 01 F7）。MIDI部分的调号设置为C大调/a小调，之后是：
- SMPTE偏移量
- 音序器特定元数据：ff 7f 04 43 00 01 00 00
但是，MIDI通道4里有4个看起来很奇怪的音符关闭事件，这很让人疑惑不解（回复可见）：
这是bug吗？其余的标记表示节奏乐段的开始，乐段的长度则是该乐段音频的波形数据的长度。所以，如果主奏A音频的波形数据长度为2小节，那么该乐段的MIDI音轨的长度也是2小节。
CASM信息模块最小，并为MIDI通道9（鼓组1）设置NTR/NTT。NTR设置为“Root Fixed”，NTT则是“Bypass/Bass Off”。而通道10（鼓组2）并没有设置NTR/NTT，这也是一个奇怪之处。
除此之外，YAP不生成OTSc模块。
YAP为导入音频节奏文件的每个波形文件创建一个awi文件，awi文件很可能保存了音频乐句的分析结果（如节拍、速度的检测结果）。比较awi文件与生成的音频节奏文件中ASEG模块和AInf模块的内容，有助于验证一个猜想：awi文件是ASEG模块和AInf模块的“原型”。 | 
[复制链接]
/1 
发表于 2023-8-16 20:54:19
QQ好友和群
QQ空间
腾讯微博
腾讯朋友
收藏
分享
支持
反对
发表于 2023-8-16 22:09:53
