orpheic-decoders
来自 Orpheic 的三个音频解码器,Orpheic 是一款面向你自有音乐的音乐播放器:MP3、FLAC 和 DST(SACD 内部的无损压缩格式)。C++17,无依赖,MIT 许可证。作者 Georgios Kakavelakis。
它们就是播放器本身使用的解码器。编写时以精确为先、速度为次,下面每一项声明都经过实测。
| 解码器 | 标准 | 范围 |
|---|---|---|
| MP3 | ISO/IEC 11172-3 和 13818-3,Layer III | 32、44.1 和 48 kHz 以及低采样率(16、22.05、24 kHz)。不支持 Layer I 或 II,也不支持非官方的 8 至 12 kHz 扩展。 |
| FLAC | RFC 9639 | 4 至 32 位,1 至 8 声道,所有块大小。样本以 32 位整数输出。 |
| DST | ISO/IEC 14496-3:2009,Subpart 10 | 立体声及最多六声道。输入一个压缩帧,输出 DSD 字节。 |
实测内容
每个解码器相比 FFmpeg 同格式解码器的运行速度倍数。仅解码器本身,单线程,两者使用相同的包,取各文件的中位数。每个数字都是与该系统上大多数人使用的 FFmpeg 对比得出的。
| 台式 PC(i9-14900K),FFmpeg 9.0.2 | MacBook(Apple M4),来自 Homebrew 的 FFmpeg 9.0.2 | Raspberry Pi 5,来自系统的 FFmpeg 7.1.5 | |
|---|---|---|---|
| FLAC | 2.37 倍(2.12 至 2.47) | 3.45 倍(2.93 至 3.69) | 1.58 倍(1.27 至 1.71) |
| MP3,快速路径 | 2.25 倍(2.18 至 2.57) | 2.76 倍(2.56 至 2.92) | 2.27 倍(2.21 至 2.38) |
| DST,立体声 | 2.01 倍 | 2.06 倍 | 2.89 倍 |
| DST,五或六声道 | 1.81 倍 | 1.60 倍 | 2.74 倍 |
细心的读者应当了解关于此表的几点:
- FLAC 和 MP3 是在八段自由许可的录音上测量的(8 个 FLAC 文件,以及由它们制作的 32 个 MP3 文件)。tools/bench.sh 会下载相同的录音,并在你的机器上重复测量(见下文“自行验证”)。
- MP3 有两条路径,该数字对应快速路径。精确路径(Orpheic 播放音乐时使用的路径)为准确性而编写,比 FFmpeg 慢数倍(在这些机器上速度为其 0.14 至 0.27 倍)。它仍然比音乐播放速度快数百倍。
- DST 是在我们自己的五段节选上测量的(两段立体声,三段为五或六声道),我们无法提供这些文件,因此这部分无法用我们的文件复现,只能用你自己的文件。FFmpeg 的 DST 解码器还会将 DSD 转换为 PCM,而我们的不会,因此上述数字不含该步骤(这是一个估算,见下文)。将其计入后,在 PC 上为 2.08 和 1.88,在 MacBook 上为 2.16 和 1.70,在 Raspberry Pi 5 上为 3.01 和 2.85。早先对十二张光盘、计入该步骤的一次测量,在 PC 上给出 2.05 和 1.84。
- 在 Raspberry Pi 5 上,FLAC 增益最小,24 位文件尤其最小(1.27 至 1.45 倍)。
- 与 Ubuntu 24.04 自带的 FFmpeg(6.1.1)相比,PC 上的数字为 2.25(FLAC)、2.38(MP3)、1.89 和 1.79(DST)。
- 一台 2007 年的笔记本电脑(Core 2 Duo,Windows 10)早先用不同的工具和其他文件测量过,对比 Orpheic 自带的 FFmpeg 6.1.2:MP3 2.45、FLAC 2.26、DST 2.09 和 1.86 倍。这些数字与上表不能一一对比。
- PC 上的 FFmpeg 9.0.2 由签名发布版构建,使用 ./configure --enable-shared,开启 x86 汇编。
- 在测量的每个文件和光盘上,FLAC 和 DST 的输出与 FFmpeg 完全一致,FLAC 逐样本一致,DST 逐字节一致。你可以自行重复这一比较(见下文“自行验证”)。
Show HN:我让 AI 写了 FLAC/MP3/DST 解码器,速度约为 FFmpeg 的 2 倍
- MP3 没有逐位精确的定义:标准是对实数进行算术运算。快速路径与本仓库中的第二条路径进行比对校验,后者以双精度逐字执行标准中的公式(mp3exact.h)。在 tools/bench.sh 生成的 32 个 MP3 文件上,最大偏差为满量程的 0.42 百万分之一:约为 24 位输出的三个半步长,比 16 位输出的一个步长小 73 倍(在 PC 和 Raspberry Pi 5 上相同)。mp3check 会在这些文件上重复这一校验,也可以在你提供的任何文件上重复。
所有数据、图表及其测量方法:orpheic.com/decoders
构建
cmake -B build
cmake --build build
这会构建三个静态库:orpheic_mp3、orpheic_flac 和 orpheic_dst(可取其一、其二或全部三个;orpheic_decoders 会链接全部三个),以及 tools/ 中的小工具。已在 x86-64 Linux 上用 GCC 13 和 Clang 18、ARM64 Linux(Raspberry Pi 5)上用 GCC 14、ARM64 macOS 上用 Apple Clang 21、Windows 上用 MSVC 19.44 构建并运行。
工具生成在 build/ 中。使用 MSVC 时它们生成在 build/Debug,且该构建未优化:为了速度,请用 cmake --build build --config Release 构建(此时它们生成在 build/Release)。下面的命令在提及它们时省略了该路径,因此请以 build/flachash、build/speedtest 等运行,或将该文件夹加入 PATH。
处处相同的比特
在上述所有系统与编译器上,三个解码器给出的输出逐位完全相同。于 2026 年 11 月 15 日通过对每个采样计算哈希测得:
| 文件数 | Linux GCC (x86-64) | Linux Clang (x86-64) | macOS Apple Clang (ARM64) | Raspberry Pi 5 GCC (ARM64) | Windows MSVC (x86-64) | |
|---|---|---|---|---|---|---|
| MP3,精确路径 | 33 | 基准 | 相同 | 相同 | 相同 | 相同 |
| MP3,快速路径 | 33 | 基准 | 相同 | 相同 | 相同 | 相同 |
| FLAC | 11 | 基准 | 相同 | 相同 | 相同 | 相同 |
| DST,立体声与多声道 | 5 | 基准 | 相同 | 相同 | 相同 | 相同 |
FLAC 和 DST 是整数运算,因此这在构造上成立。MP3 则不然:它需要余弦、正弦和幂运算,而各系统的数学库给出的答案略有不同(精确路径使用的 13,288 个值中有 89 个在 Linux 和 Windows 之间最后一位不同)。因此 MP3 解码器从不询问系统。每个这样的值都写在 mp3consts_tables.inc 中,一次计算到 60 位并正确舍入到最接近的 double:在每个系统上都相同,且是 double 能容纳的最精确值。并且 MP3 文件以 -ffp-contract=off 编译,这样没有编译器会自行融合乘法和加法。
你可以在自己的机器上验证这一点。每个工具为每个文件打印一行 SHA-256;同一个文件在任何地方都必须给出同一行:
mp3hash --exact file.mp3 ... # 精确路径(不带 --exact:快速路径)
flachash file.flac ... # 还会说明采样是否与文件内的 MD5 匹配
dsthash file.dff ... # 一个带 DST 压缩的 DSDIFF 文件
自行校验
FLAC 对照 FFmpeg。flachash 打印的行以采样作为原始小端 PCM 的 SHA-256 开头,因此对于 16 位或 24 位文件,下面两条命令给出相同的哈希:
flachash file.flac
ffmpeg -v error -i file.flac -f s16le - | sha256sum # 24 位文件用 s24le
DST 对照 FFmpeg。FFmpeg 将 DST 转为 PCM 而非 DSD,因此比较在两侧经过相同的转换:dsthash 将其解码结果写为未压缩的 DSDIFF 文件,FFmpeg 则转换两个文件。
dsthash --dsd-out ours.dff file.dff
ffmpeg -v error -i file.dff -f f32le - | sha256sum
ffmpeg -v error -i ours.dff -f f32le - | sha256sum
(sha256sum 是 Linux 命令。在 macOS 上使用 shasum -a 256。在 Windows 上,将每个输出写入文件而非管道(FLAC 用 -f s16le out.pcm;两个 DST 文件用 -f f32le a.pcm 和 -f f32le b.pcm),并用 certutil -hashfile out.pcm SHA256 对其计算哈希。)
两个哈希在 DSD 字节相同时是相同的(在我们的测试中,DSD 中间的一个比特发生变化,哈希就变了)。只比较 dsthash 报告为 refused 0 且没有 FILE-CUT-SHORT 的文件:解码器拒绝的帧会被写成 DSD 静音,此时比较衡量的是损坏程度,而不是解码器。dsthash 读取带 DST 压缩的 DSDIFF 文件(.dff),这是 DST 在光盘之外的常见文件形式。它也能读取帧的纯转储(.dstf):字节 DSTF1 和一个换行符、声道数(1 字节)、以 Hz 为单位的 DSD 采样率(4 字节)以及帧数(4 字节),然后每帧是其长度(4 字节)和字节内容;数字为小端序。
MP3。没有可与之比较的位精确答案(见上文):mp3check 在你提供的任意文件上比较快速路径与精确路径。
速度,在你的机器上。speedtest 在相同数据上为两个解码器计时:libavformat 读取每个文件一次,相同的包同时送给 FFmpeg 的解码器和我们的解码器。只对解码计时,直到得到 FFmpeg 自身输出格式的样本(我们的 FLAC 解码器以与 FFmpeg 返回相同的格式写出样本),各自单线程,按交替顺序分轮进行;取五轮的中位数。计时前它会逐字节对照 FFmpeg 检查每个 FLAC 帧,检查 MP3 解码器返回的样本数与 FFmpeg 一样多、解码每一帧时未发现其与标准不符且偏差在全量程的万分之一以内,对于 DST 则检查没有帧被拒绝且帧大小与 FFmpeg 的输出一致。未通过检查的文件,或未通过的计时轮次,会被报告并排除在汇总之外。我们的 FLAC 解码器检查每一帧的 CRC;FFmpeg 的在其默认设置下不检查(实测:我们故意损坏了某帧的 CRC,FFmpeg 6.1.1 和 9.0.2 输出该帧时未报错,而我们的解码器拒绝了它),所以这部分工作只有我们在做。FFmpeg 的 DST 解码器还会把 DSD 转成 PCM,我们的不做:speedtest 单独为这一转换计时(用 FFmpeg 的 DSD 解码器处理我们的解码器产生的相同 DSD),将其减去并先打印该比值作为估计,之后再打印包含转换的比值。它需要 FFmpeg 5.1 或更新版本及其开发文件,并将压缩文件保存在内存中。
tools/bench.sh # the free set below, against this machine's FFmpeg
speedtest file.flac file.mp3 file.dff ... # or your own files
tools/bench.sh 从 Wikimedia Commons 下载八段自由许可的录音(连同其许可证列在 tools/bench-corpus.tsv 中:public domain、CC0、CC BY 和 CC BY-SA;管弦乐、弦乐四重奏、钢琴、巴洛克、摇滚、后摇滚、爵士;其中三段为 24 位),检查其 SHA-1,用 ffmpeg 从中生成 32 个 MP3 文件(128、192 和 320 kbps 以及 VBR -q:a 2),然后运行 speedtest。MP3 的数字是快速路径的;speedtest 也为精确路径计时,精确路径是见证实现,为准确性而写,比 FFmpeg 慢数倍。我们不知道有任何自由许可的 DST 录音,因此 DST 在你自己的 .dff 文件上测量。
tools/bench.sh 需要 curl、带 libmp3lame 编码器的 ffmpeg 命令、sha1sum 或 shasum,以及在 build/ 中构建好的 speedtest(其他构建文件夹:BUILD=... tools/bench.sh)。下载内容保留在 bench-corpus/ 中供下次运行使用:约 260 MB 音乐,加上生成的 MP3 文件约 420 MB。
Use
每个解码器一次接收一整帧,自身不做任何文件读取;在文件中查找帧是调用方的工作(工具中展示了做法)。
- MP3:mp3decoder.h 中的 orpheic::mp3::Decoder。decode(frame, bytes) 在 channel(c) 中留下每声道 1152 或 576 个浮点样本。新建的解码器运行精确路径;调用 setExact(false) 使用快速路径。
- FLAC:flacdecoder.h 中的 orpheic::flac::Decoder。
- DST:dstdecoder.h 中的 DstDecoder。decodeFrame 写出交错的 DSD。
损坏的输入会给出错误状态或静音,绝不会崩溃:文件所说的任何内容在检查之前都不被相信。
文章标题:Show HN: 我让 AI 编写 FLAC/MP3/DST 解码器,速度比 FFmpeg 快约 2 倍
正文: 代码中的注释使用希腊语,也就是我的母语。如果有需要,将来会把它们翻译成英文。
它是怎么被做出来的
代码由 Claude 编写,它是由 Anthropic 开发的 AI 模型,我在整个过程中负责指挥。我设定要构建什么、它必须遵循哪些规则,而且绝不轻信它的说法:这里的每一项声明都经过实测验证——对照标准、对照另一个精确实现,或把其他解码器当作黑盒来运行对照。tools/ 里的工具可以重复主要检查:mp3check(快速路径对照精确路径)、flachash(对照每个 FLAC 文件自带的 MD5),以及 mp3hash、flachash 和 dsthash(确保每个系统上得到相同的比特)。
代码从何而来
MP3 和 FLAC 解码器是依据各自的标准编写的,并与其他解码器做了对照——那些解码器只被运行、从未被阅读:它们的行为和速度都是从外部测量的。
DST 解码器是为这个播放器编写的第二个版本。第一个版本依据标准编写,其输出与该标准参考解码器的输出做了逐字节比较。当前这个版本保留了第一个版本的头部解析部分,其余部分为提升速度而重写。在这项工作中没有阅读任何其他 DST 解码器,其输出与第一个解码器以及 FFmpeg 的输出做了比较。
对于模型编写的代码,“依据标准编写”是无法证明的:没有人能展示一个模型从其训练数据中记住了什么。因此代码还与相同格式的其他解码器做了比较。评审者也是 AI 模型:是另外一些独立的模型,它们没有编写这段代码,被要求查找抄袭痕迹。文本上的重合程度与不相关代码之间的水平相当,共享的部分是标准本身所印出的内容(表格、伪代码)。MP3 解码器中有一处被他们发现组织方式与另一个解码器相似,已重写。
许可证
MIT,版权归 Georgios Kakavelakis 所有。见 LICENSE。
Orpheic 本身位于 orpheic.com。