微信语音（SILK）编解码

SILK 是 Skype 开发的一种音频压缩格式和音频编解码器。有文章显示，Skype 已经放弃了 SILK[1] 转到了 Opus。

老早听说微信语音用的是 SILK，最近研究了一下。

网上搜索的很多内容，都指向 https://developer.skype.com/silk ，但这地址已经无法访问了。

找了一圈，只能从网页存档中看看了：https://web.archive.org/web/20090306031346/https://developer.skype.com/silk 。

按图索骥，找到了源码：https://github.com/ploverlake/silk 。

然后就可以开搞了。

思路比较简单，主要实现两个接口：

• SILK to MP3
• MP3 to SILK

前面用于收；后面用于发。两个都不能一步到位，需要经过一个中间态：PCM。

PCM 通过对音频进行采样、量化、编码之后得到。

很多解码器，对各种音频格式解码之后，输出的一般都是 PCM，可以用于直接播放。用带 DAC 的单片机，就可以做一个音频播放器了；如果了解 MP3 解码，可以直接播放 MP3。

说到这里，不知道大家有没有注意到一个情况：MP3 的解码好多人写；但 MP3 的编码少有人写。为啥？因为多数应用场景为播放 MP3；生成 MP3 的场景比较少。

我很早的时候投机取巧做过一个 TTS 软件，效果一般但思路比较清奇。

我把所有汉字的读音搞到，转成 PCM 格式；然后做一张表，关联字和字所在的音频的时间点。TTS 就成了。

当输入一串文字的时候，通过查表，把到对应的时间点，然后提取对应的音频，再拼起来，就形成了文字对应的语音了。

简单吧，根本就不用研究“没谱”（Mel 谱）和 HMM（那会儿神经网络还不流行）这些高深技术。

好了，说远了。回到微信语音转 MP3。

好像也没啥好说的，直接用 SILK SDK，解码就是了。

算了，自己看代码吧，代码在这里：https://github.com/lich0821/SilkMp3Converter.git 。

参考资料

[1]

Skype 已经放弃了 SILK: https://answers.microsoft.com/en-us/skype/forum/all/whats-the-strategy-about-silk-codec-on-skype/5135db3a-58df-4c74-a39d-207a0cf8fdb5