오디오용 미디어 소스 확장 프로그램

Dale Curtis
Dale Curtis

소개

미디어 소스 확장 프로그램 (MSE)은 HTML5 <audio> 및 <video> 요소에 확장된 버퍼링 및 재생 컨트롤 기능을 제공합니다. 원래 HTTP 동적 적응형 스트리밍 (DASH) 기반 동영상 플레이어를 지원하기 위해 개발되었지만 아래에서는 오디오, 특히 끊김 없는 재생에 사용하는 방법을 살펴보겠습니다.

여러분은 아마도 트랙 간에 노래가 매끄럽게 이어지는 음악 앨범을 들어본 적이 있을 것입니다. 지금도 듣고 있을지도 모릅니다. 아티스트는 예술적 선택뿐만 아니라 오디오가 하나의 연속 스트림으로 작성된 LP 레코드 및 CD의 아티팩트로 이러한 끊김 없는 재생 환경을 만듭니다. 안타깝게도 MP3 및 AAC와 같은 최신 오디오 코덱의 작동 방식으로 인해 오늘날에는 이러한 원활한 청각적 경험이 손실되는 경우가 많습니다.

그 이유는 아래에서 자세히 설명하겠지만, 지금은 데모부터 시작하겠습니다. 다음은 훌륭한 Sintel의 처음 30초를 5개의 개별 MP3 파일로 분할하고 MSE를 사용하여 다시 조합한 것입니다. 빨간색 선은 각 MP3를 생성 (인코딩)하는 동안 발생한 간격을 나타냅니다. 이 지점에서 결함이 발생합니다.

데모

웩! 이는 좋은 경험이 아니며, 더 나은 경험을 제공할 수 있습니다. 위 데모에서와 동일한 MP3 파일을 사용하여 조금만 더 작업하면 MSE를 사용하여 성가신 간격을 제거할 수 있습니다. 다음 데모의 녹색 선은 파일이 결합되고 간격이 삭제된 위치를 나타냅니다. Chrome 38 이상에서는 원활하게 재생됩니다.

데모

끊김 없는 콘텐츠를 만드는 방법은 다양합니다. 이 데모에서는 일반 사용자가 가지고 있을 법한 파일 유형에 초점을 맞추겠습니다. 각 파일은 앞뒤의 오디오 세그먼트와 관계없이 개별적으로 인코딩됩니다.

기본 설정

먼저 되돌아가서 MediaSource 인스턴스의 기본 설정을 살펴보겠습니다. Media Source Extensions는 이름에서 알 수 있듯이 기존 미디어 요소의 확장일 뿐입니다. 아래에서는 표준 URL을 설정하는 것처럼 MediaSource 인스턴스를 나타내는 Object URL를 오디오 요소의 소스 속성에 할당합니다.

var audio = document.createElement('audio');
var mediaSource = new MediaSource();
var SEGMENTS = 5;

mediaSource.addEventListener('sourceopen', function () {
  var sourceBuffer = mediaSource.addSourceBuffer('audio/mpeg');

  function onAudioLoaded(data, index) {
    // Append the ArrayBuffer data into our new SourceBuffer.
    sourceBuffer.appendBuffer(data);
  }

  // Retrieve an audio segment via XHR.  For simplicity, we're retrieving the
  // entire segment at once, but we could also retrieve it in chunks and append
  // each chunk separately.  MSE will take care of assembling the pieces.
  GET('sintel/sintel_0.mp3', function (data) {
    onAudioLoaded(data, 0);
  });
});

audio.src = URL.createObjectURL(mediaSource);

MediaSource 객체가 연결되면 초기화를 수행하고 결국 sourceopen 이벤트를 실행합니다. 이 시점에서 SourceBuffer를 만들 수 있습니다. 위의 예에서는 MP3 세그먼트를 파싱하고 디코딩할 수 있는 audio/mpeg를 만들고 있습니다. 다른 유형도 여러 개 있습니다.

비정상 파형

잠시 후에 코드로 돌아가겠지만, 지금은 방금 추가한 파일, 특히 파일 끝부분을 자세히 살펴보겠습니다. 아래는 sintel_0.mp3 트랙의 두 채널에서 평균을 낸 마지막 3, 000개 샘플의 그래프입니다. 빨간색 선의 각 픽셀은 [-1.0, 1.0] 범위의 부동 소수점 샘플입니다.

mp3 gap

0 (무음) 샘플은 무엇인가요? 이는 인코딩 중에 발생하는 압축 아티팩트 때문입니다. 거의 모든 인코더는 일종의 패딩을 도입합니다. 이 경우 LAME은 파일 끝에 정확히 576개의 패딩 샘플을 추가했습니다.

끝부분의 패딩 외에도 각 파일의 시작 부분에 패딩이 추가되었습니다. sintel_1.mp3 트랙을 미리 살펴보면 앞부분에 576개의 패딩 샘플이 더 있습니다. 패딩의 양은 인코더와 콘텐츠에 따라 다르지만 각 파일에 포함된 metadata를 기반으로 정확한 값을 알 수 있습니다.

mp3 gap end

각 파일의 시작과 끝에 있는 무음 섹션은 이전 데모에서 세그먼트 간에 결함을 일으킵니다. 끊김 없는 재생을 구현하려면 이러한 무음 구간을 삭제해야 합니다. 다행히 MediaSource를 사용하면 이 작업을 쉽게 수행할 수 있습니다. 아래에서는 추가 창과 타임스탬프 오프셋을 사용하여 이 무음 구간을 삭제하도록 onAudioLoaded() 메서드를 수정합니다.

예시 코드

function onAudioLoaded(data, index) {
  // Parsing gapless metadata is unfortunately non trivial and a bit messy, so
  // we'll glaze over it here; see the appendix for details.
  // ParseGaplessData() will return a dictionary with two elements:
  //
  //    audioDuration: Duration in seconds of all non-padding audio.
  //    frontPaddingDuration: Duration in seconds of the front padding.
  //
  var gaplessMetadata = ParseGaplessData(data);

  // Each appended segment must be appended relative to the next.  To avoid any
  // overlaps, we'll use the end timestamp of the last append as the starting
  // point for our next append or zero if we haven't appended anything yet.
  var appendTime = index > 0 ? sourceBuffer.buffered.end(0) : 0;

  // Simply put, an append window allows you to trim off audio (or video) frames
  // which fall outside of a specified time range.  Here, we'll use the end of
  // our last append as the start of our append window and the end of the real
  // audio data for this segment as the end of our append window.
  sourceBuffer.appendWindowStart = appendTime;
  sourceBuffer.appendWindowEnd = appendTime + gaplessMetadata.audioDuration;

  // The timestampOffset field essentially tells MediaSource where in the media
  // timeline the data given to appendBuffer() should be placed.  I.e., if the
  // timestampOffset is 1 second, the appended data will start 1 second into
  // playback.
  //
  // MediaSource requires that the media timeline starts from time zero, so we
  // need to ensure that the data left after filtering by the append window
  // starts at time zero.  We'll do this by shifting all of the padding we want
  // to discard before our append time (and thus, before our append window).
  sourceBuffer.timestampOffset =
    appendTime - gaplessMetadata.frontPaddingDuration;

  // When appendBuffer() completes, it will fire an updateend event signaling
  // that it's okay to append another segment of media.  Here, we'll chain the
  // append for the next segment to the completion of our current append.
  if (index == 0) {
    sourceBuffer.addEventListener('updateend', function () {
      if (++index < SEGMENTS) {
        GET('sintel/sintel_' + index + '.mp3', function (data) {
          onAudioLoaded(data, index);
        });
      } else {
        // We've loaded all available segments, so tell MediaSource there are no
        // more buffers which will be appended.
        mediaSource.endOfStream();
        URL.revokeObjectURL(audio.src);
      }
    });
  }

  // appendBuffer() will now use the timestamp offset and append window settings
  // to filter and timestamp the data we're appending.
  //
  // Note: While this demo uses very little memory, more complex use cases need
  // to be careful about memory usage or garbage collection may remove ranges of
  // media in unexpected places.
  sourceBuffer.appendBuffer(data);
}

원활한 파형

추가 기간을 적용한 후 파형을 다시 살펴보면서 새로운 코드가 어떤 결과를 가져왔는지 확인해 보겠습니다. 아래에서 sintel_0.mp3 끝부분의 무음 섹션(빨간색)과 sintel_1.mp3 시작 부분의 무음 섹션(파란색)이 삭제되어 세그먼트 간에 원활한 전환이 이루어지는 것을 확인할 수 있습니다.

mp3 mid

결론

이로써 5개의 세그먼트를 모두 원활하게 하나로 연결하고 데모를 마쳤습니다. 마지막으로, onAudioLoaded() 메서드가 컨테이너나 코덱을 고려하지 않는다는 점을 눈치채셨을 수도 있습니다. 즉, 이러한 모든 기법은 컨테이너 또는 코덱 유형과 관계없이 작동합니다. 아래에서 MP3 대신 원본 데모 DASH 지원 단편화된 MP4를 재생할 수 있습니다.

데모

자세한 내용은 아래 부록에서 끊김 없는 콘텐츠 제작 및 메타데이터 파싱을 참고하세요. gapless.js를 탐색하여 이 데모를 지원하는 코드를 자세히 살펴볼 수도 있습니다.

읽어 주셔서 감사합니다.

부록 A: 끊김 없는 콘텐츠 만들기

끊김 없는 콘텐츠를 만드는 것은 쉽지 않습니다. 아래에서는 이 데모에 사용된 Sintel 미디어의 생성 과정을 살펴보겠습니다. 시작하려면 Sintel의 무손실 FLAC 사운드트랙 사본이 필요합니다. 후속 작업을 위해 SHA1이 아래에 포함되어 있습니다. 도구의 경우 FFmpeg, MP4Box, LAME, afconvert가 포함된 OSX 설치가 필요합니다.

    unzip Jan_Morgenstern-Sintel-FLAC.zip
    sha1sum 1-Snow_Fight.flac
    # 0535ca207ccba70d538f7324916a3f1a3d550194  1-Snow_Fight.flac

먼저 1-Snow_Fight.flac 트랙의 처음 31.5초를 분할합니다. 또한 재생이 완료된 후 클릭이 발생하지 않도록 28초부터 2.5초 동안 페이드 아웃을 추가하려고 합니다. 아래의 FFmpeg 명령줄을 사용하면 이 모든 작업을 수행하고 결과를 sintel.flac에 넣을 수 있습니다.

    ffmpeg -i 1-Snow_Fight.flac -t 31.5 -af "afade=t=out:st=28:d=2.5" sintel.flac

다음으로 파일을 각각 6.5초 길이의 wave 파일 5개로 분할합니다. 거의 모든 인코더가 wave 파일의 수집을 지원하므로 wave를 사용하는 것이 가장 쉽습니다. 이 작업도 FFmpeg를 사용하여 정확하게 수행할 수 있으며, 그 결과 sintel_0.wav, sintel_1.wav, sintel_2.wav, sintel_3.wav, sintel_4.wav가 생성됩니다.

    ffmpeg -i sintel.flac -acodec pcm_f32le -map 0 -f segment \
           -segment_list out.list -segment_time 6.5 sintel_%d.wav

이제 MP3 파일을 만들어 보겠습니다. LAME에는 끊김 없는 콘텐츠를 만들기 위한 여러 옵션이 있습니다. 콘텐츠를 제어할 수 있는 경우 모든 파일을 일괄 인코딩하여 --nogap를 사용하면 세그먼트 간 패딩을 완전히 방지할 수 있습니다. 하지만 이 데모에서는 패딩이 필요하므로 웨이브 파일의 표준 고품질 VBR 인코딩을 사용합니다.

    lame -V=2 sintel_0.wav sintel_0.mp3
    lame -V=2 sintel_1.wav sintel_1.mp3
    lame -V=2 sintel_2.wav sintel_2.mp3
    lame -V=2 sintel_3.wav sintel_3.mp3
    lame -V=2 sintel_4.wav sintel_4.mp3

MP3 파일을 만드는 데 필요한 모든 작업이 완료되었습니다. 이제 단편화된 MP4 파일의 생성에 대해 살펴보겠습니다. iTunes용으로 마스터링된 미디어를 만드는 Apple의 지침을 따릅니다. 아래에서는 안내에 따라 wave 파일을 중간 CAF 파일로 변환한 후 권장 매개변수를 사용하여 MP4 컨테이너에서 AAC로 인코딩합니다.

    afconvert sintel_0.wav sintel_0_intermediate.caf -d 0 -f caff \
              --soundcheck-generate
    afconvert sintel_1.wav sintel_1_intermediate.caf -d 0 -f caff \
              --soundcheck-generate
    afconvert sintel_2.wav sintel_2_intermediate.caf -d 0 -f caff \
              --soundcheck-generate
    afconvert sintel_3.wav sintel_3_intermediate.caf -d 0 -f caff \
              --soundcheck-generate
    afconvert sintel_4.wav sintel_4_intermediate.caf -d 0 -f caff \
              --soundcheck-generate
    afconvert sintel_0_intermediate.caf -d aac -f m4af -u pgcm 2 --soundcheck-read \
              -b 256000 -q 127 -s 2 sintel_0.m4a
    afconvert sintel_1_intermediate.caf -d aac -f m4af -u pgcm 2 --soundcheck-read \
              -b 256000 -q 127 -s 2 sintel_1.m4a
    afconvert sintel_2_intermediate.caf -d aac -f m4af -u pgcm 2 --soundcheck-read \
              -b 256000 -q 127 -s 2 sintel_2.m4a
    afconvert sintel_3_intermediate.caf -d aac -f m4af -u pgcm 2 --soundcheck-read \
              -b 256000 -q 127 -s 2 sintel_3.m4a
    afconvert sintel_4_intermediate.caf -d aac -f m4af -u pgcm 2 --soundcheck-read \
              -b 256000 -q 127 -s 2 sintel_4.m4a

이제 MediaSource에서 사용하기 전에 적절하게 조각화해야 하는 여러 M4A 파일이 있습니다. 이 예시에서는 조각 크기를 1초로 사용합니다. MP4Box는 각 단편화된 MP4를 sintel_#_dashinit.mp4로 작성하고 삭제할 수 있는 MPEG-DASH 매니페스트 (sintel_#_dash.mpd)를 작성합니다.

    MP4Box -dash 1000 sintel_0.m4a && mv sintel_0_dashinit.mp4 sintel_0.mp4
    MP4Box -dash 1000 sintel_1.m4a && mv sintel_1_dashinit.mp4 sintel_1.mp4
    MP4Box -dash 1000 sintel_2.m4a && mv sintel_2_dashinit.mp4 sintel_2.mp4
    MP4Box -dash 1000 sintel_3.m4a && mv sintel_3_dashinit.mp4 sintel_3.mp4
    MP4Box -dash 1000 sintel_4.m4a && mv sintel_4_dashinit.mp4 sintel_4.mp4
    rm sintel_{0,1,2,3,4}_dash.mpd

작업이 끝났습니다. 이제 끊김 없는 재생에 필요한 올바른 메타데이터가 포함된 분할된 MP4 및 MP3 파일이 있습니다. 메타데이터의 모습에 대한 자세한 내용은 부록 B를 참조하세요.

부록 B: 끊김 없는 메타데이터 파싱

갭리스 콘텐츠를 만드는 것과 마찬가지로 갭리스 메타데이터를 파싱하는 것은 저장하는 표준 방법이 없기 때문에 까다로울 수 있습니다. 아래에서는 가장 일반적인 두 인코더인 LAME과 iTunes가 끊김 없는 메타데이터를 저장하는 방법을 설명합니다. 먼저 위에서 사용된 ParseGaplessData()의 도우미 메서드와 개요를 설정해 보겠습니다.

    // Since most MP3 encoders store the gapless metadata in binary, we'll need a
    // method for turning bytes into integers.  Note: This doesn't work for values
    // larger than 2^30 since we'll overflow the signed integer type when shifting.
    function ReadInt(buffer) {
      var result = buffer.charCodeAt(0);
      for (var i = 1; i < buffer.length; ++i) {
        result <<= 8;
        result += buffer.charCodeAt(i);
      }
      return result;
    }

    function ParseGaplessData(arrayBuffer) {
      // Gapless data is generally within the first 512 bytes, so limit parsing.
      var byteStr = new TextDecoder().decode(arrayBuffer.slice(0, 512));

      var frontPadding = 0, endPadding = 0, realSamples = 0;

      // ... we'll fill this in as we go below.

Apple의 iTunes 메타데이터 형식은 파싱과 설명이 가장 쉬우므로 먼저 다루겠습니다. MP3 및 M4A 파일 내에서 iTunes (및 afconvert)는 다음과 같이 ASCII로 짧은 섹션을 작성합니다.

    iTunSMPB[ 26 bytes ]0000000 00000840 000001C0 0000000000046E00

이 정보는 MP3 컨테이너의 ID3 태그와 MP4 컨테이너의 메타데이터 원자 내에 기록됩니다. 여기서는 첫 번째 0000000 토큰을 무시해도 됩니다. 다음 세 토큰은 전면 패딩, 끝 패딩, 총 비패딩 샘플 수입니다. 각각을 오디오의 샘플링 레이트로 나누면 각각의 지속 시간이 나옵니다.

// iTunes encodes the gapless data as hex strings like so:
//
//    'iTunSMPB[ 26 bytes ]0000000 00000840 000001C0 0000000000046E00'
//    'iTunSMPB[ 26 bytes ]####### frontpad  endpad    real samples'
//
// The approach here elides the complexity of actually parsing MP4 atoms. It
// may not work for all files without some tweaks.
var iTunesDataIndex = byteStr.indexOf('iTunSMPB');
if (iTunesDataIndex != -1) {
  var frontPaddingIndex = iTunesDataIndex + 34;
  frontPadding = parseInt(byteStr.substr(frontPaddingIndex, 8), 16);

  var endPaddingIndex = frontPaddingIndex + 9;
  endPadding = parseInt(byteStr.substr(endPaddingIndex, 8), 16);

  var sampleCountIndex = endPaddingIndex + 9;
  realSamples = parseInt(byteStr.substr(sampleCountIndex, 16), 16);
}

반면 대부분의 오픈소스 MP3 인코더는 무음 MPEG 프레임 내에 배치된 특수 Xing 헤더 내에 끊김 없는 메타데이터를 저장합니다 (무음이므로 Xing 헤더를 이해하지 못하는 디코더는 무음을 재생함). 안타깝게도 이 태그는 항상 존재하는 것은 아니며 여러 옵션 필드가 있습니다. 이 데모에서는 미디어를 제어할 수 있지만 실제로는 끊김 없는 메타데이터를 실제로 사용할 수 있는 시점을 알기 위해 몇 가지 추가 감도 검사가 필요합니다.

먼저 총 샘플 수를 파싱합니다. 편의상 Xing 헤더에서 이를 읽지만 일반 MPEG 오디오 헤더에서 구성할 수도 있습니다. Xing 헤더는 Xing 또는 Info 태그로 표시할 수 있습니다. 이 태그 뒤에 정확히 4바이트가 파일의 총 프레임 수를 나타내는 32비트입니다. 이 값에 프레임당 샘플 수를 곱하면 파일의 총 샘플 수가 됩니다.

    // Xing padding is encoded as 24bits within the header.  Note: This code will
    // only work for Layer3 Version 1 and Layer2 MP3 files with XING frame counts
    // and gapless information.  See the following document for more details:
    // http://www.codeproject.com/Articles/8295/MPEG-Audio-Frame-Header
    var xingDataIndex = byteStr.indexOf('Xing');
    if (xingDataIndex == -1) xingDataIndex = byteStr.indexOf('Info');
    if (xingDataIndex != -1) {
      // See section 2.3.1 in the link above for the specifics on parsing the Xing
      // frame count.
      var frameCountIndex = xingDataIndex + 8;
      var frameCount = ReadInt(byteStr.substr(frameCountIndex, 4));

      // For Layer3 Version 1 and Layer2 there are 1152 samples per frame.  See
      // section 2.1.5 in the link above for more details.
      var paddedSamples = frameCount * 1152;

      // ... we'll cover this below.

이제 총 샘플 수를 알았으므로 패딩 샘플 수를 읽어보겠습니다. 인코더에 따라 Xing 헤더에 중첩된 LAME 또는 Lavf 태그 아래에 작성될 수 있습니다. 이 헤더에서 정확히 17바이트 뒤에는 각각 12비트로 전면 및 후면 패딩을 나타내는 3바이트가 있습니다.

        xingDataIndex = byteStr.indexOf('LAME');
        if (xingDataIndex == -1) xingDataIndex = byteStr.indexOf('Lavf');
        if (xingDataIndex != -1) {
          // See http://gabriel.mp3-tech.org/mp3infotag.html#delays for details of
          // how this information is encoded and parsed.
          var gaplessDataIndex = xingDataIndex + 21;
          var gaplessBits = ReadInt(byteStr.substr(gaplessDataIndex, 3));

          // Upper 12 bits are the front padding, lower are the end padding.
          frontPadding = gaplessBits >> 12;
          endPadding = gaplessBits & 0xFFF;
        }

        realSamples = paddedSamples - (frontPadding + endPadding);
      }

      return {
        audioDuration: realSamples * SECONDS_PER_SAMPLE,
        frontPaddingDuration: frontPadding * SECONDS_PER_SAMPLE
      };
    }

이렇게 하면 대부분의 끊김 없는 콘텐츠를 파싱하는 완전한 함수가 완성됩니다. 하지만 예외 사례가 많으므로 프로덕션에서 유사한 코드를 사용하기 전에 주의해야 합니다.

부록 C: 가비지 컬렉션

SourceBuffer 인스턴스에 속하는 메모리는 콘텐츠 유형, 플랫폼별 한도, 현재 재생 위치에 따라 적극적으로 가비지 컬렉션됩니다. Chrome에서는 이미 재생된 버퍼에서 메모리가 먼저 회수됩니다. 하지만 메모리 사용량이 플랫폼별 한도를 초과하면 재생되지 않은 버퍼에서 메모리가 삭제됩니다.

재생이 메모리 회수로 인해 타임라인의 간격에 도달하면 간격이 충분히 작으면 결함이 발생하거나 간격이 너무 크면 완전히 중단될 수 있습니다. 둘 다 좋은 사용자 환경이 아니므로 한 번에 너무 많은 데이터를 추가하지 않고 더 이상 필요하지 않은 미디어 타임라인에서 범위를 수동으로 삭제하는 것이 중요합니다.

각 SourceBuffer의 remove() 메서드를 통해 범위를 삭제할 수 있습니다. 이 메서드는 [start, end] 범위를 초 단위로 사용합니다. appendBuffer()와 마찬가지로 각 remove()는 완료되면 updateend 이벤트를 실행합니다. 이벤트가 실행될 때까지 다른 삭제 또는 추가를 실행해서는 안 됩니다.

데스크톱 Chrome에서는 약 12MB의 오디오 콘텐츠와 150MB의 동영상 콘텐츠를 한 번에 메모리에 보관할 수 있습니다. 브라우저 또는 플랫폼 전반에서 이러한 값에 의존해서는 안 됩니다. 예를 들어 이러한 값은 모바일 기기를 대표하지 않습니다.

가비지 컬렉션은 SourceBuffers에 추가된 데이터에만 영향을 미칩니다. JavaScript 변수에 버퍼링할 수 있는 데이터 양에는 제한이 없습니다. 필요한 경우 동일한 위치에 동일한 데이터를 다시 추가할 수도 있습니다.

의견