a734000d17bd8ea41c39e45a38fee8ee5a41fb62
[opus.git] / doc / draft-ietf-codec-oggopus.xml
1 <?xml version="1.0" encoding="utf-8"?>
2 <!DOCTYPE rfc SYSTEM 'rfc2629.dtd' [
3 <!ENTITY rfc2119 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.2119.xml'>
4 <!ENTITY rfc3533 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.3533.xml'>
5 <!ENTITY rfc3629 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.3629.xml'>
6 <!ENTITY rfc4732 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.4732.xml'>
7 <!ENTITY rfc5334 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.5334.xml'>
8 <!ENTITY rfc6381 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.6381.xml'>
9 <!ENTITY rfc6716 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.6716.xml'>
10 <!ENTITY rfc6982 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.6982.xml'>
11 <!ENTITY rfc7587 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.7587.xml'>
12 ]>
13 <?rfc toc="yes" symrefs="yes" ?>
14
15 <rfc ipr="trust200902" category="std" docName="draft-ietf-codec-oggopus-08">
16
17 <front>
18 <title abbrev="Ogg Opus">Ogg Encapsulation for the Opus Audio Codec</title>
19 <author initials="T.B." surname="Terriberry" fullname="Timothy B. Terriberry">
20 <organization>Mozilla Corporation</organization>
21 <address>
22 <postal>
23 <street>650 Castro Street</street>
24 <city>Mountain View</city>
25 <region>CA</region>
26 <code>94041</code>
27 <country>USA</country>
28 </postal>
29 <phone>+1 650 903-0800</phone>
30 <email>tterribe@xiph.org</email>
31 </address>
32 </author>
33
34 <author initials="R." surname="Lee" fullname="Ron Lee">
35 <organization>Voicetronix</organization>
36 <address>
37 <postal>
38 <street>246 Pulteney Street, Level 1</street>
39 <city>Adelaide</city>
40 <region>SA</region>
41 <code>5000</code>
42 <country>Australia</country>
43 </postal>
44 <phone>+61 8 8232 9112</phone>
45 <email>ron@debian.org</email>
46 </address>
47 </author>
48
49 <author initials="R." surname="Giles" fullname="Ralph Giles">
50 <organization>Mozilla Corporation</organization>
51 <address>
52 <postal>
53 <street>163 West Hastings Street</street>
54 <city>Vancouver</city>
55 <region>BC</region>
56 <code>V6B 1H5</code>
57 <country>Canada</country>
58 </postal>
59 <phone>+1 778 785 1540</phone>
60 <email>giles@xiph.org</email>
61 </address>
62 </author>
63
64 <date day="6" month="July" year="2015"/>
65 <area>RAI</area>
66 <workgroup>codec</workgroup>
67
68 <abstract>
69 <t>
70 This document defines the Ogg encapsulation for the Opus interactive speech and
71  audio codec.
72 This allows data encoded in the Opus format to be stored in an Ogg logical
73  bitstream.
74 Ogg encapsulation provides Opus with a long-term storage format supporting
75  all of the essential features, including metadata, fast and accurate seeking,
76  corruption detection, recapture after errors, low overhead, and the ability to
77  multiplex Opus with other codecs (including video) with minimal buffering.
78 It also provides a live streamable format, capable of delivery over a reliable
79  stream-oriented transport, without requiring all the data, or even the total
80  length of the data, up-front, in a form that is identical to the on-disk
81  storage format.
82 </t>
83 </abstract>
84 </front>
85
86 <middle>
87 <section anchor="intro" title="Introduction">
88 <t>
89 The IETF Opus codec is a low-latency audio codec optimized for both voice and
90  general-purpose audio.
91 See <xref target="RFC6716"/> for technical details.
92 This document defines the encapsulation of Opus in a continuous, logical Ogg
93  bitstream&nbsp;<xref target="RFC3533"/>.
94 </t>
95 <t>
96 Ogg bitstreams are made up of a series of 'pages', each of which contains data
97  from one or more 'packets'.
98 Pages are the fundamental unit of multiplexing in an Ogg stream.
99 Each page is associated with a particular logical stream and contains a capture
100  pattern and checksum, flags to mark the beginning and end of the logical
101  stream, and a 'granule position' that represents an absolute position in the
102  stream, to aid seeking.
103 A single page can contain up to 65,025 octets of packet data from up to 255
104  different packets.
105 Packets can be split arbitrarily across pages, and continued from one page to
106  the next (allowing packets much larger than would fit on a single page).
107 Each page contains 'lacing values' that indicate how the data is partitioned
108  into packets, allowing a demuxer to recover the packet boundaries without
109  examining the encoded data.
110 A packet is said to 'complete' on a page when the page contains the final
111  lacing value corresponding to that packet.
112 </t>
113 <t>
114 This encapsulation defines the contents of the packet data, including
115  the necessary headers, the organization of those packets into a logical
116  stream, and the interpretation of the codec-specific granule position field.
117 It does not attempt to describe or specify the existing Ogg container format.
118 Readers unfamiliar with the basic concepts mentioned above are encouraged to
119  review the details in <xref target="RFC3533"/>.
120 </t>
121
122 </section>
123
124 <section anchor="terminology" title="Terminology">
125 <t>
126 The key words "MUST", "MUST NOT", "REQUIRED", "SHALL", "SHALL NOT", "SHOULD",
127  "SHOULD NOT", "RECOMMENDED", "NOT RECOMMENDED", "MAY", and "OPTIONAL" in this
128  document are to be interpreted as described in <xref target="RFC2119"/>.
129 </t>
130
131 <t>
132 Implementations that fail to satisfy one or more "MUST" requirements are
133  considered non-compliant.
134 Implementations that satisfy all "MUST" requirements, but fail to satisfy one
135  or more "SHOULD" requirements are said to be "conditionally compliant".
136 All other implementations are "unconditionally compliant".
137 </t>
138
139 </section>
140
141 <section anchor="packet_organization" title="Packet Organization">
142 <t>
143 An Ogg Opus stream is organized as follows.
144 </t>
145 <t>
146 There are two mandatory header packets.
147 </t>
148 <t>
149 The first packet in the logical Ogg bitstream MUST contain the identification
150  (ID) header, which uniquely identifies a stream as Opus audio.
151 The format of this header is defined in <xref target="id_header"/>.
152 It MUST be placed alone (without any other packet data) on the first page of
153  the logical Ogg bitstream, and MUST complete on that page.
154 This page MUST have its 'beginning of stream' flag set.
155 </t>
156 <t>
157 The second packet in the logical Ogg bitstream MUST contain the comment header,
158  which contains user-supplied metadata.
159 The format of this header is defined in <xref target="comment_header"/>.
160 It MAY span multiple pages, beginning on the second page of the logical
161  stream.
162 However many pages it spans, the comment header packet MUST finish the page on
163  which it completes.
164 </t>
165 <t>
166 All subsequent pages are audio data pages, and the Ogg packets they contain are
167  audio data packets.
168 Each audio data packet contains one Opus packet for each of N different
169  streams, where N is typically one for mono or stereo, but MAY be greater than
170  one for multichannel audio.
171 The value N is specified in the ID header (see
172  <xref target="channel_mapping"/>), and is fixed over the entire length of the
173  logical Ogg bitstream.
174 </t>
175 <t>
176 The first N-1 Opus packets, if any, are packed one after another into the Ogg
177  packet, using the self-delimiting framing from Appendix&nbsp;B of
178  <xref target="RFC6716"/>.
179 The remaining Opus packet is packed at the end of the Ogg packet using the
180  regular, undelimited framing from Section&nbsp;3 of <xref target="RFC6716"/>.
181 All of the Opus packets in a single Ogg packet MUST be constrained to have the
182  same duration.
183 A decoder SHOULD treat any Opus packet whose duration is different from that of
184  the first Opus packet in an Ogg packet as if it were a malformed Opus packet
185  with an invalid TOC sequence.
186 </t>
187 <t>
188 The coding mode (SILK, Hybrid, or CELT), audio bandwidth, channel count,
189  duration (frame size), and number of frames per packet, are indicated in the
190  TOC (table of contents) sequence at the beginning of each Opus packet, as
191  described in Section&nbsp;3.1 of&nbsp;<xref target="RFC6716"/>.
192 The combination of mode, audio bandwidth, and frame size is referred to as
193  the configuration of an Opus packet.
194 </t>
195 <t>
196 The first audio data page SHOULD NOT have the 'continued packet' flag set
197  (which would indicate the first audio data packet is continued from a previous
198  page).
199 Packets MUST be placed into Ogg pages in order until the end of stream.
200 Audio packets MAY span page boundaries.
201 A decoder MUST treat a zero-octet audio data packet as if it were a malformed
202  Opus packet as described in Section&nbsp;3.4 of&nbsp;<xref target="RFC6716"/>.
203 </t>
204 <t>
205 The last page SHOULD have the 'end of stream' flag set, but implementations
206  need to be prepared to deal with truncated streams that do not have a page
207  marked 'end of stream'.
208 The final packet on the last page SHOULD NOT be a continued packet, i.e., the
209  final lacing value SHOULD be less than 255.
210 There MUST NOT be any more pages in an Opus logical bitstream after a page
211  marked 'end of stream'.
212 </t>
213 </section>
214
215 <section anchor="granpos" title="Granule Position">
216 <t>
217 The granule position MUST be zero for the ID header page and the
218  page where the comment header completes.
219 That is, the first page in the logical stream, and the last header
220  page before the first audio data page both have zero granulepos.
221 </t>
222 <t>
223 The granule position of an audio data page encodes the total number of PCM
224  samples in the stream up to and including the last fully-decodable sample from
225  the last packet completed on that page.
226 That granule position MAY be larger than zero as described in
227  <xref target="start_granpos_restrictions"/>.
228 </t>
229
230 <t>
231 A page that is entirely spanned by a single packet (that completes on a
232  subsequent page) has no granule position, and the granule position field MUST
233  be set to the special value '-1' in two's complement.
234 </t>
235
236 <t>
237 The granule position of an audio data page is in units of PCM audio samples at
238  a fixed rate of 48&nbsp;kHz (per channel; a stereo stream's granule position
239  does not increment at twice the speed of a mono stream).
240 It is possible to run an Opus decoder at other sampling rates, but the value
241  in the granule position field always counts samples assuming a 48&nbsp;kHz
242  decoding rate, and the rest of this specification makes the same assumption.
243 </t>
244
245 <t>
246 The duration of an Opus packet can be any multiple of 2.5&nbsp;ms, up to a
247  maximum of 120&nbsp;ms.
248 This duration is encoded in the TOC sequence at the beginning of each packet.
249 The number of samples returned by a decoder corresponds to this duration
250  exactly, even for the first few packets.
251 For example, a 20&nbsp;ms packet fed to a decoder running at 48&nbsp;kHz will
252  always return 960&nbsp;samples.
253 A demuxer can parse the TOC sequence at the beginning of each Ogg packet to
254  work backwards or forwards from a packet with a known granule position (i.e.,
255  the last packet completed on some page) in order to assign granule positions
256  to every packet, or even every individual sample.
257 The one exception is the last page in the stream, as described below.
258 </t>
259
260 <t>
261 All other pages with completed packets after the first MUST have a granule
262  position equal to the number of samples contained in packets that complete on
263  that page plus the granule position of the most recent page with completed
264  packets.
265 This guarantees that a demuxer can assign individual packets the same granule
266  position when working forwards as when working backwards.
267 For this to work, there cannot be any gaps.
268 </t>
269
270 <section anchor="gap-repair" title="Repairing Gaps in Real-time Streams">
271 <t>
272 In order to support capturing a real-time stream that has lost or not
273  transmitted packets, a muxer SHOULD emit packets that explicitly request the
274  use of Packet Loss Concealment (PLC) in place of the missing packets.
275 Only gaps that are a multiple of 2.5&nbsp;ms are repairable, as these are the
276  only durations that can be created by packet loss or discontinuous
277  transmission.
278 Muxers need not handle other gap sizes.
279 Creating the necessary packets involves synthesizing a TOC byte (defined in
280 Section&nbsp;3.1 of&nbsp;<xref target="RFC6716"/>)&mdash;and whatever
281  additional internal framing is needed&mdash;to indicate the packet duration
282  for each stream.
283 The actual length of each missing Opus frame inside the packet is zero bytes,
284  as defined in Section&nbsp;3.2.1 of&nbsp;<xref target="RFC6716"/>.
285 </t>
286
287 <t>
288 Zero-byte frames MAY be packed into packets using any of codes&nbsp;0, 1,
289  2, or&nbsp;3.
290 When successive frames have the same configuration, the higher code packings
291  reduce overhead.
292 Likewise, if the TOC configuration matches, the muxer MAY further combine the
293  empty frames with previous or subsequent non-zero-length frames (using
294  code&nbsp;2 or VBR code&nbsp;3).
295 </t>
296
297 <t>
298 <xref target="RFC6716"/> does not impose any requirements on the PLC, but this
299  section outlines choices that are expected to have a positive influence on
300  most PLC implementations, including the reference implementation.
301 Synthesized TOC sequences SHOULD maintain the same mode, audio bandwidth,
302  channel count, and frame size as the previous packet (if any).
303 This is the simplest and usually the most well-tested case for the PLC to
304  handle and it covers all losses that do not include a configuration switch,
305  as defined in Section&nbsp;4.5 of&nbsp;<xref target="RFC6716"/>.
306 </t>
307
308 <t>
309 When a previous packet is available, keeping the audio bandwidth and channel
310  count the same allows the PLC to provide maximum continuity in the concealment
311  data it generates.
312 However, if the size of the gap is not a multiple of the most recent frame
313  size, then the frame size will have to change for at least some frames.
314 Such changes SHOULD be delayed as long as possible to simplify
315  things for PLC implementations.
316 </t>
317
318 <t>
319 As an example, a 95&nbsp;ms gap could be encoded as nineteen 5&nbsp;ms frames
320  in two bytes with a single CBR code&nbsp;3 packet.
321 If the previous frame size was 20&nbsp;ms, using four 20&nbsp;ms frames
322  followed by three 5&nbsp;ms frames requires 4&nbsp;bytes (plus an extra byte
323  of Ogg lacing overhead), but allows the PLC to use its well-tested steady
324  state behavior for as long as possible.
325 The total bitrate of the latter approach, including Ogg overhead, is about
326  0.4&nbsp;kbps, so the impact on file size is minimal.
327 </t>
328
329 <t>
330 Changing modes is discouraged, since this causes some decoder implementations
331  to reset their PLC state.
332 However, SILK and Hybrid mode frames cannot fill gaps that are not a multiple
333  of 10&nbsp;ms.
334 If switching to CELT mode is needed to match the gap size, a muxer SHOULD do
335  so at the end of the gap to allow the PLC to function for as long as possible.
336 </t>
337
338 <t>
339 In the example above, if the previous frame was a 20&nbsp;ms SILK mode frame,
340  the better solution is to synthesize a packet describing four 20&nbsp;ms SILK
341  frames, followed by a packet with a single 10&nbsp;ms SILK
342  frame, and finally a packet with a 5&nbsp;ms CELT frame, to fill the 95&nbsp;ms
343  gap.
344 This also requires four bytes to describe the synthesized packet data (two
345  bytes for a CBR code 3 and one byte each for two code 0 packets) but three
346  bytes of Ogg lacing overhead are needed to mark the packet boundaries.
347 At 0.6 kbps, this is still a minimal bitrate impact over a naive, low quality
348  solution.
349 </t>
350
351 <t>
352 Since medium-band audio is an option only in the SILK mode, wideband frames
353  SHOULD be generated if switching from that configuration to CELT mode, to
354  ensure that any PLC implementation which does try to migrate state between
355  the modes will be able to preserve all of the available audio bandwidth.
356 </t>
357
358 </section>
359
360 <section anchor="preskip" title="Pre-skip">
361 <t>
362 There is some amount of latency introduced during the decoding process, to
363  allow for overlap in the CELT mode, stereo mixing in the SILK mode, and
364  resampling.
365 The encoder might have introduced additional latency through its own resampling
366  and analysis (though the exact amount is not specified).
367 Therefore, the first few samples produced by the decoder do not correspond to
368  real input audio, but are instead composed of padding inserted by the encoder
369  to compensate for this latency.
370 These samples need to be stored and decoded, as Opus is an asymptotically
371  convergent predictive codec, meaning the decoded contents of each frame depend
372  on the recent history of decoder inputs.
373 However, a player will want to skip these samples after decoding them.
374 </t>
375
376 <t>
377 A 'pre-skip' field in the ID header (see <xref target="id_header"/>) signals
378  the number of samples which SHOULD be skipped (decoded but discarded) at the
379  beginning of the stream.
380 This amount need not be a multiple of 2.5&nbsp;ms, MAY be smaller than a single
381  packet, or MAY span the contents of several packets.
382 These samples are not valid audio, and SHOULD NOT be played.
383 </t>
384
385 <t>
386 For example, if the first Opus frame uses the CELT mode, it will always
387  produce 120 samples of windowed overlap-add data.
388 However, the overlap data is initially all zeros (since there is no prior
389  frame), meaning this cannot, in general, accurately represent the original
390  audio.
391 The SILK mode requires additional delay to account for its analysis and
392  resampling latency.
393 The encoder delays the original audio to avoid this problem.
394 </t>
395
396 <t>
397 The pre-skip field MAY also be used to perform sample-accurate cropping of
398  already encoded streams.
399 In this case, a value of at least 3840&nbsp;samples (80&nbsp;ms) provides
400  sufficient history to the decoder that it will have converged
401  before the stream's output begins.
402 </t>
403
404 </section>
405
406 <section anchor="pcm_sample_position" title="PCM Sample Position">
407 <t>
408 <figure align="center">
409 <preamble>
410 The PCM sample position is determined from the granule position using the
411  formula
412 </preamble>
413 <artwork align="center"><![CDATA[
414 'PCM sample position' = 'granule position' - 'pre-skip' .
415 ]]></artwork>
416 </figure>
417 </t>
418
419 <t>
420 For example, if the granule position of the first audio data page is 59,971,
421  and the pre-skip is 11,971, then the PCM sample position of the last decoded
422  sample from that page is 48,000.
423 <figure align="center">
424 <preamble>
425 This can be converted into a playback time using the formula
426 </preamble>
427 <artwork align="center"><![CDATA[
428                   'PCM sample position'
429 'playback time' = --------------------- .
430                          48000.0
431 ]]></artwork>
432 </figure>
433 </t>
434
435 <t>
436 The initial PCM sample position before any samples are played is normally '0'.
437 In this case, the PCM sample position of the first audio sample to be played
438  starts at '1', because it marks the time on the clock
439  <spanx style="emph">after</spanx> that sample has been played, and a stream
440  that is exactly one second long has a final PCM sample position of '48000',
441  as in the example here.
442 </t>
443
444 <t>
445 Vorbis streams use a granule position smaller than the number of audio samples
446  contained in the first audio data page to indicate that some of those samples
447  are trimmed from the output (see <xref target="vorbis-trim"/>).
448 However, to do so, Vorbis requires that the first audio data page contains
449  exactly two packets, in order to allow the decoder to perform PCM position
450  adjustments before needing to return any PCM data.
451 Opus uses the pre-skip mechanism for this purpose instead, since the encoder
452  MAY introduce more than a single packet's worth of latency, and since very
453  large packets in streams with a very large number of channels might not fit
454  on a single page.
455 </t>
456 </section>
457
458 <section anchor="end_trimming" title="End Trimming">
459 <t>
460 The page with the 'end of stream' flag set MAY have a granule position that
461  indicates the page contains less audio data than would normally be returned by
462  decoding up through the final packet.
463 This is used to end the stream somewhere other than an even frame boundary.
464 The granule position of the most recent audio data page with completed packets
465  is used to make this determination, or '0' is used if there were no previous
466  audio data pages with a completed packet.
467 The difference between these granule positions indicates how many samples to
468  keep after decoding the packets that completed on the final page.
469 The remaining samples are discarded.
470 The number of discarded samples SHOULD be no larger than the number decoded
471  from the last packet.
472 </t>
473 </section>
474
475 <section anchor="start_granpos_restrictions"
476  title="Restrictions on the Initial Granule Position">
477 <t>
478 The granule position of the first audio data page with a completed packet MAY
479  be larger than the number of samples contained in packets that complete on
480  that page, however it MUST NOT be smaller, unless that page has the 'end of
481  stream' flag set.
482 Allowing a granule position larger than the number of samples allows the
483  beginning of a stream to be cropped or a live stream to be joined without
484  rewriting the granule position of all the remaining pages.
485 This means that the PCM sample position just before the first sample to be
486  played MAY be larger than '0'.
487 Synchronization when multiplexing with other logical streams still uses the PCM
488  sample position relative to '0' to compute sample times.
489 This does not affect the behavior of pre-skip: exactly 'pre-skip' samples
490  SHOULD be skipped from the beginning of the decoded output, even if the
491  initial PCM sample position is greater than zero.
492 </t>
493
494 <t>
495 On the other hand, a granule position that is smaller than the number of
496  decoded samples prevents a demuxer from working backwards to assign each
497  packet or each individual sample a valid granule position, since granule
498  positions are non-negative.
499 A decoder MUST reject as invalid any stream where the granule position is
500  smaller than the number of samples contained in packets that complete on the
501  first audio data page with a completed packet, unless that page has the 'end
502  of stream' flag set.
503 It MAY defer this action until it decodes the last packet completed on that
504  page.
505 </t>
506
507 <t>
508 If that page has the 'end of stream' flag set, a demuxer MUST reject as invalid
509  any stream where its granule position is smaller than the 'pre-skip' amount.
510 This would indicate that there are more samples to be skipped from the initial
511  decoded output than exist in the stream.
512 If the granule position is smaller than the number of decoded samples produced
513  by the packets that complete on that page, then a demuxer MUST use an initial
514  granule position of '0', and can work forwards from '0' to timestamp
515  individual packets.
516 If the granule position is larger than the number of decoded samples available,
517  then the demuxer MUST still work backwards as described above, even if the
518  'end of stream' flag is set, to determine the initial granule position, and
519  thus the initial PCM sample position.
520 Both of these will be greater than '0' in this case.
521 </t>
522 </section>
523
524 <section anchor="seeking_and_preroll" title="Seeking and Pre-roll">
525 <t>
526 Seeking in Ogg files is best performed using a bisection search for a page
527  whose granule position corresponds to a PCM position at or before the seek
528  target.
529 With appropriately weighted bisection, accurate seeking can be performed with
530  just three or four bisections even in multi-gigabyte files.
531 See <xref target="seeking"/> for general implementation guidance.
532 </t>
533
534 <t>
535 When seeking within an Ogg Opus stream, the decoder SHOULD start decoding (and
536  discarding the output) at least 3840&nbsp;samples (80&nbsp;ms) prior to the
537  seek target in order to ensure that the output audio is correct by the time it
538  reaches the seek target.
539 This 'pre-roll' is separate from, and unrelated to, the 'pre-skip' used at the
540  beginning of the stream.
541 If the point 80&nbsp;ms prior to the seek target comes before the initial PCM
542  sample position, the decoder SHOULD start decoding from the beginning of the
543  stream, applying pre-skip as normal, regardless of whether the pre-skip is
544  larger or smaller than 80&nbsp;ms, and then continue to discard samples
545  to reach the seek target (if any).
546 </t>
547 </section>
548
549 </section>
550
551 <section anchor="headers" title="Header Packets">
552 <t>
553 An Opus stream contains exactly two mandatory header packets:
554  an identification header and a comment header.
555 </t>
556
557 <section anchor="id_header" title="Identification Header">
558
559 <figure anchor="id_header_packet" title="ID Header Packet" align="center">
560 <artwork align="center"><![CDATA[
561  0                   1                   2                   3
562  0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
563 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
564 |      'O'      |      'p'      |      'u'      |      's'      |
565 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
566 |      'H'      |      'e'      |      'a'      |      'd'      |
567 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
568 |  Version = 1  | Channel Count |           Pre-skip            |
569 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
570 |                     Input Sample Rate (Hz)                    |
571 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
572 |   Output Gain (Q7.8 in dB)    | Mapping Family|               |
573 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+               :
574 |                                                               |
575 :               Optional Channel Mapping Table...               :
576 |                                                               |
577 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
578 ]]></artwork>
579 </figure>
580
581 <t>
582 The fields in the identification (ID) header have the following meaning:
583 <list style="numbers">
584 <t>Magic Signature:
585 <vspace blankLines="1"/>
586 This is an 8-octet (64-bit) field that allows codec identification and is
587  human-readable.
588 It contains, in order, the magic numbers:
589 <list style="empty">
590 <t>0x4F 'O'</t>
591 <t>0x70 'p'</t>
592 <t>0x75 'u'</t>
593 <t>0x73 's'</t>
594 <t>0x48 'H'</t>
595 <t>0x65 'e'</t>
596 <t>0x61 'a'</t>
597 <t>0x64 'd'</t>
598 </list>
599 Starting with "Op" helps distinguish it from audio data packets, as this is an
600  invalid TOC sequence.
601 <vspace blankLines="1"/>
602 </t>
603 <t>Version (8 bits, unsigned):
604 <vspace blankLines="1"/>
605 The version number MUST always be '1' for this version of the encapsulation
606  specification.
607 Implementations SHOULD treat streams where the upper four bits of the version
608  number match that of a recognized specification as backwards-compatible with
609  that specification.
610 That is, the version number can be split into "major" and "minor" version
611  sub-fields, with changes to the "minor" sub-field (in the lower four bits)
612  signaling compatible changes.
613 For example, a decoder implementing this specification SHOULD accept any stream
614  with a version number of '15' or less, and SHOULD assume any stream with a
615  version number '16' or greater is incompatible.
616 The initial version '1' was chosen to keep implementations from relying on this
617  octet as a null terminator for the "OpusHead" string.
618 <vspace blankLines="1"/>
619 </t>
620 <t>Output Channel Count 'C' (8 bits, unsigned):
621 <vspace blankLines="1"/>
622 This is the number of output channels.
623 This might be different than the number of encoded channels, which can change
624  on a packet-by-packet basis.
625 This value MUST NOT be zero.
626 The maximum allowable value depends on the channel mapping family, and might be
627  as large as 255.
628 See <xref target="channel_mapping"/> for details.
629 <vspace blankLines="1"/>
630 </t>
631 <t>Pre-skip (16 bits, unsigned, little
632  endian):
633 <vspace blankLines="1"/>
634 This is the number of samples (at 48&nbsp;kHz) to discard from the decoder
635  output when starting playback, and also the number to subtract from a page's
636  granule position to calculate its PCM sample position.
637 When cropping the beginning of existing Ogg Opus streams, a pre-skip of at
638  least 3,840&nbsp;samples (80&nbsp;ms) is RECOMMENDED to ensure complete
639  convergence in the decoder.
640 <vspace blankLines="1"/>
641 </t>
642 <t>Input Sample Rate (32 bits, unsigned, little
643  endian):
644 <vspace blankLines="1"/>
645 This field is <spanx style="emph">not</spanx> the sample rate to use for
646  playback of the encoded data.
647 <vspace blankLines="1"/>
648 Opus can switch between internal audio bandwidths of 4, 6, 8, 12, and
649  20&nbsp;kHz.
650 Each packet in the stream can have a different audio bandwidth.
651 Regardless of the audio bandwidth, the reference decoder supports decoding any
652  stream at a sample rate of 8, 12, 16, 24, or 48&nbsp;kHz.
653 The original sample rate of the audio passed to the encoder is not preserved
654  by the lossy compression.
655 <vspace blankLines="1"/>
656 An Ogg Opus player SHOULD select the playback sample rate according to the
657  following procedure:
658 <list style="numbers">
659 <t>If the hardware supports 48&nbsp;kHz playback, decode at 48&nbsp;kHz.</t>
660 <t>Otherwise, if the hardware's highest available sample rate is a supported
661  rate, decode at this sample rate.</t>
662 <t>Otherwise, if the hardware's highest available sample rate is less than
663  48&nbsp;kHz, decode at the next highest supported rate above this and
664  resample.</t>
665 <t>Otherwise, decode at 48&nbsp;kHz and resample.</t>
666 </list>
667 However, the 'Input Sample Rate' field allows the muxer to pass the sample
668  rate of the original input stream as metadata.
669 This is useful when the user requires the output sample rate to match the
670  input sample rate.
671 For example, a non-player decoder writing PCM format samples to disk might
672  choose to resample the output audio back to the original input sample rate to
673  reduce surprise to the user, who might reasonably expect to get back a file
674  with the same sample rate as the one they fed to the encoder.
675 <vspace blankLines="1"/>
676 A value of zero indicates 'unspecified'.
677 Encoders SHOULD write the actual input sample rate or zero, but decoder
678  implementations which do something with this field SHOULD take care to behave
679  sanely if given crazy values (e.g., do not actually upsample the output to
680  10 MHz if requested).
681 Input sample rates between 8&nbsp;kHz and 192&nbsp;kHz (inclusive) SHOULD be
682  supported.
683 Rates outside this range MAY be ignored by falling back to the default rate of
684  48&nbsp;kHz instead.
685 <vspace blankLines="1"/>
686 </t>
687 <t>Output Gain (16 bits, signed, little endian):
688 <vspace blankLines="1"/>
689 This is a gain to be applied by the decoder.
690 It is 20*log10 of the factor to scale the decoder output by to achieve the
691  desired playback volume, stored in a 16-bit, signed, two's complement
692  fixed-point value with 8 fractional bits (i.e., Q7.8).
693 <figure align="center">
694 <preamble>
695 To apply the gain, a decoder could use
696 </preamble>
697 <artwork align="center"><![CDATA[
698 sample *= pow(10, output_gain/(20.0*256)) ,
699 ]]></artwork>
700 <postamble>
701  where output_gain is the raw 16-bit value from the header.
702 </postamble>
703 </figure>
704 <vspace blankLines="1"/>
705 Virtually all players and media frameworks SHOULD apply it by default.
706 If a player chooses to apply any volume adjustment or gain modification, such
707  as the R128_TRACK_GAIN (see <xref target="comment_header"/>), the adjustment
708  MUST be applied in addition to this output gain in order to achieve playback
709  at the normalized volume.
710 <vspace blankLines="1"/>
711 A muxer SHOULD set this field to zero, and instead apply any gain prior to
712  encoding, when this is possible and does not conflict with the user's wishes.
713 A nonzero output gain indicates the gain was adjusted after encoding, or that
714  a user wished to adjust the gain for playback while preserving the ability
715  to recover the original signal amplitude.
716 <vspace blankLines="1"/>
717 Although the output gain has enormous range (+/- 128 dB, enough to amplify
718  inaudible sounds to the threshold of physical pain), most applications can
719  only reasonably use a small portion of this range around zero.
720 The large range serves in part to ensure that gain can always be losslessly
721  transferred between OpusHead and R128 gain tags (see below) without
722  saturating.
723 <vspace blankLines="1"/>
724 </t>
725 <t>Channel Mapping Family (8 bits, unsigned):
726 <vspace blankLines="1"/>
727 This octet indicates the order and semantic meaning of the output channels.
728 <vspace blankLines="1"/>
729 Each possible value of this octet indicates a mapping family, which defines a
730  set of allowed channel counts, and the ordered set of channel names for each
731  allowed channel count.
732 The details are described in <xref target="channel_mapping"/>.
733 </t>
734 <t>Channel Mapping Table:
735 This table defines the mapping from encoded streams to output channels.
736 It is omitted when the channel mapping family is 0, but REQUIRED otherwise.
737 Its contents are specified in <xref target="channel_mapping"/>.
738 </t>
739 </list>
740 </t>
741
742 <t>
743 All fields in the ID headers are REQUIRED, except for the channel mapping
744  table, which is omitted when the channel mapping family is 0.
745 Implementations SHOULD reject ID headers which do not contain enough data for
746  these fields, even if they contain a valid Magic Signature.
747 Future versions of this specification, even backwards-compatible versions,
748  might include additional fields in the ID header.
749 If an ID header has a compatible major version, but a larger minor version,
750  an implementation MUST NOT reject it for containing additional data not
751  specified here.
752 However, implementations MAY reject streams in which the ID header does not
753  complete on the first page.
754 </t>
755
756 <section anchor="channel_mapping" title="Channel Mapping">
757 <t>
758 An Ogg Opus stream allows mapping one number of Opus streams (N) to a possibly
759  larger number of decoded channels (M+N) to yet another number of output
760  channels (C), which might be larger or smaller than the number of decoded
761  channels.
762 The order and meaning of these channels are defined by a channel mapping,
763  which consists of the 'channel mapping family' octet and, for channel mapping
764  families other than family&nbsp;0, a channel mapping table, as illustrated in
765  <xref target="channel_mapping_table"/>.
766 </t>
767
768 <figure anchor="channel_mapping_table" title="Channel Mapping Table"
769  align="center">
770 <artwork align="center"><![CDATA[
771  0                   1                   2                   3
772  0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
773                                                 +-+-+-+-+-+-+-+-+
774                                                 | Stream Count  |
775 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
776 | Coupled Count |              Channel Mapping...               :
777 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
778 ]]></artwork>
779 </figure>
780
781 <t>
782 The fields in the channel mapping table have the following meaning:
783 <list style="numbers" counter="8">
784 <t>Stream Count 'N' (8 bits, unsigned):
785 <vspace blankLines="1"/>
786 This is the total number of streams encoded in each Ogg packet.
787 This value is necessary to correctly parse the packed Opus packets inside an
788  Ogg packet, as described in <xref target="packet_organization"/>.
789 This value MUST NOT be zero, as without at least one Opus packet with a valid
790  TOC sequence, a demuxer cannot recover the duration of an Ogg packet.
791 <vspace blankLines="1"/>
792 For channel mapping family&nbsp;0, this value defaults to 1, and is not coded.
793 <vspace blankLines="1"/>
794 </t>
795 <t>Coupled Stream Count 'M' (8 bits, unsigned):
796 This is the number of streams whose decoders are to be configured to produce
797  two channels.
798 This MUST be no larger than the total number of streams, N.
799 <vspace blankLines="1"/>
800 Each packet in an Opus stream has an internal channel count of 1 or 2, which
801  can change from packet to packet.
802 This is selected by the encoder depending on the bitrate and the audio being
803  encoded.
804 The original channel count of the audio passed to the encoder is not preserved
805  by the lossy compression.
806 <vspace blankLines="1"/>
807 Regardless of the internal channel count, any Opus stream can be decoded as
808  mono (a single channel) or stereo (two channels) by appropriate initialization
809  of the decoder.
810 The 'coupled stream count' field indicates that the first M Opus decoders are
811  to be initialized for stereo output, and the remaining N-M decoders are to be
812  initialized for mono only.
813 The total number of decoded channels, (M+N), MUST be no larger than 255, as
814  there is no way to index more channels than that in the channel mapping.
815 <vspace blankLines="1"/>
816 For channel mapping family&nbsp;0, this value defaults to C-1 (i.e., 0 for mono
817  and 1 for stereo), and is not coded.
818 <vspace blankLines="1"/>
819 </t>
820 <t>Channel Mapping (8*C bits):
821 This contains one octet per output channel, indicating which decoded channel
822  is to be used for each one.
823 Let 'index' be the value of this octet for a particular output channel.
824 This value MUST either be smaller than (M+N), or be the special value 255.
825 If 'index' is less than 2*M, the output MUST be taken from decoding stream
826  ('index'/2) as stereo and selecting the left channel if 'index' is even, and
827  the right channel if 'index' is odd.
828 If 'index' is 2*M or larger, but less than 255, the output MUST be taken from
829  decoding stream ('index'-M) as mono.
830 If 'index' is 255, the corresponding output channel MUST contain pure silence.
831 <vspace blankLines="1"/>
832 The number of output channels, C, is not constrained to match the number of
833  decoded channels (M+N).
834 A single index value MAY appear multiple times, i.e., the same decoded channel
835  might be mapped to multiple output channels.
836 Some decoded channels might not be assigned to any output channel, as well.
837 <vspace blankLines="1"/>
838 For channel mapping family&nbsp;0, the first index defaults to 0, and if C==2,
839  the second index defaults to 1.
840 Neither index is coded.
841 </t>
842 </list>
843 </t>
844
845 <t>
846 After producing the output channels, the channel mapping family determines the
847  semantic meaning of each one.
848 There are three defined mapping families in this specification.
849 </t>
850
851 <section anchor="channel_mapping_0" title="Channel Mapping Family 0">
852 <t>
853 Allowed numbers of channels: 1 or 2.
854 RTP mapping.
855 This is the same channel interpretation as <xref target="RFC7587"/>.
856 </t>
857 <t>
858 <list style="symbols">
859 <t>1 channel: monophonic (mono).</t>
860 <t>2 channels: stereo (left, right).</t>
861 </list>
862 Special mapping: This channel mapping value also
863  indicates that the contents consists of a single Opus stream that is stereo if
864  and only if C==2, with stream index 0 mapped to output channel 0 (mono, or
865  left channel) and stream index 1 mapped to output channel 1 (right channel)
866  if stereo.
867 When the 'channel mapping family' octet has this value, the channel mapping
868  table MUST be omitted from the ID header packet.
869 </t>
870 </section>
871
872 <section anchor="channel_mapping_1" title="Channel Mapping Family 1">
873 <t>
874 Allowed numbers of channels: 1...8.
875 Vorbis channel order.
876 </t>
877 <t>
878 Each channel is assigned to a speaker location in a conventional surround
879  arrangement.
880 Specific locations depend on the number of channels, and are given below
881  in order of the corresponding channel indicies.
882 <list style="symbols">
883   <t>1 channel: monophonic (mono).</t>
884   <t>2 channels: stereo (left, right).</t>
885   <t>3 channels: linear surround (left, center, right)</t>
886   <t>4 channels: quadraphonic (front&nbsp;left, front&nbsp;right, rear&nbsp;left, rear&nbsp;right).</t>
887   <t>5 channels: 5.0 surround (front&nbsp;left, front&nbsp;center, front&nbsp;right, rear&nbsp;left, rear&nbsp;right).</t>
888   <t>6 channels: 5.1 surround (front&nbsp;left, front&nbsp;center, front&nbsp;right, rear&nbsp;left, rear&nbsp;right, LFE).</t>
889   <t>7 channels: 6.1 surround (front&nbsp;left, front&nbsp;center, front&nbsp;right, side&nbsp;left, side&nbsp;right, rear&nbsp;center, LFE).</t>
890   <t>8 channels: 7.1 surround (front&nbsp;left, front&nbsp;center, front&nbsp;right, side&nbsp;left, side&nbsp;right, rear&nbsp;left, rear&nbsp;right, LFE)</t>
891 </list>
892 </t>
893 <t>
894 This set of surround options and speaker location orderings is the same
895  as those used by the Vorbis codec <xref target="vorbis-mapping"/>.
896 The ordering is different from the one used by the
897  WAVE <xref target="wave-multichannel"/> and
898  FLAC <xref target="flac"/> formats,
899  so correct ordering requires permutation of the output channels when decoding
900  to or encoding from those formats.
901 'LFE' here refers to a Low Frequency Effects, often mapped to a subwoofer
902  with no particular spatial position.
903 Implementations SHOULD identify 'side' or 'rear' speaker locations with
904  'surround' and 'back' as appropriate when interfacing with audio formats
905  or systems which prefer that terminology.
906 </t>
907 </section>
908
909 <section anchor="channel_mapping_255"
910  title="Channel Mapping Family 255">
911 <t>
912 Allowed numbers of channels: 1...255.
913 No defined channel meaning.
914 </t>
915 <t>
916 Channels are unidentified.
917 General-purpose players SHOULD NOT attempt to play these streams, and offline
918  decoders MAY deinterleave the output into separate PCM files, one per channel.
919 Decoders SHOULD NOT produce output for channels mapped to stream index 255
920  (pure silence) unless they have no other way to indicate the index of
921  non-silent channels.
922 </t>
923 </section>
924
925 <section anchor="channel_mapping_undefined"
926  title="Undefined Channel Mappings">
927 <t>
928 The remaining channel mapping families (2...254) are reserved.
929 A decoder encountering a reserved channel mapping family value SHOULD act as
930  though the value is 255.
931 </t>
932 </section>
933
934 <section anchor="downmix" title="Downmixing">
935 <t>
936 An Ogg Opus player MUST support any valid channel mapping with a channel
937  mapping family of 0 or 1, even if the number of channels does not match the
938  physically connected audio hardware.
939 Players SHOULD perform channel mixing to increase or reduce the number of
940  channels as needed.
941 </t>
942
943 <t>
944 Implementations MAY use the following matricies to implement downmixing from
945  multichannel files using <xref target="channel_mapping_1">Channel Mapping
946  Family 1</xref>, which are known to give acceptable results for stereo.
947 Matricies for 3 and 4 channels are normalized so each coefficent row sums
948  to 1 to avoid clipping.
949 For 5 or more channels they are normalized to 2 as a compromise between
950  clipping and dynamic range reduction.
951 </t>
952 <t>
953 In these matricies the front left and front right channels are generally
954 passed through directly.
955 When a surround channel is split between both the left and right stereo
956  channels, coefficients are chosen so their squares sum to 1, which
957  helps preserve the perceived intensity.
958 Rear channels are mixed more diffusely or attenuated to maintain focus
959  on the front channels.
960 </t>
961
962 <figure anchor="downmix-matrix-3"
963  title="Stereo downmix matrix for the linear surround channel mapping"
964  align="center">
965 <artwork align="center"><![CDATA[
966 L output = ( 0.585786 * left + 0.414214 * center                    )
967 R output = (                   0.414214 * center + 0.585786 * right )
968 ]]></artwork>
969 <postamble>
970 Exact coefficient values are 1 and 1/sqrt(2), multiplied by
971  1/(1 + 1/sqrt(2)) for normalization.
972 </postamble>
973 </figure>
974
975 <figure anchor="downmix-matrix-4"
976  title="Stereo downmix matrix for the quadraphonic channel mapping"
977  align="center">
978 <artwork align="center"><![CDATA[
979 /          \   /                                     \ / FL \
980 | L output |   | 0.422650 0.000000 0.366025 0.211325 | | FR |
981 | R output | = | 0.000000 0.422650 0.211325 0.366025 | | RL |
982 \          /   \                                     / \ RR /
983 ]]></artwork>
984 <postamble>
985 Exact coefficient values are 1, sqrt(3)/2 and 1/2, multiplied by
986  1/(1&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2) for normalization.
987 </postamble>
988 </figure>
989
990 <figure anchor="downmix-matrix-5"
991  title="Stereo downmix matrix for the 5.0 surround mapping"
992  align="center">
993 <artwork align="center"><![CDATA[
994                                                          / FL \
995 /   \   /                                              \ | FC |
996 | L |   | 0.650802 0.460186 0.000000 0.563611 0.325401 | | FR |
997 | R | = | 0.000000 0.460186 0.650802 0.325401 0.563611 | | RL |
998 \   /   \                                              / | RR |
999                                                          \    /
1000 ]]></artwork>
1001 <postamble>
1002 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1003  2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2)
1004  for normalization.
1005 </postamble>
1006 </figure>
1007
1008 <figure anchor="downmix-matrix-6"
1009  title="Stereo downmix matrix for the 5.1 surround mapping"
1010  align="center">
1011 <artwork align="center"><![CDATA[
1012                                                                 /FL \
1013 / \   /                                                       \ |FC |
1014 |L|   | 0.529067 0.374107 0.000000 0.458186 0.264534 0.374107 | |FR |
1015 |R| = | 0.000000 0.374107 0.529067 0.264534 0.458186 0.374107 | |RL |
1016 \ /   \                                                       / |RR |
1017                                                                 \LFE/
1018 ]]></artwork>
1019 <postamble>
1020 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1021 2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2 + 1/sqrt(2))
1022  for normalization.
1023 </postamble>
1024 </figure>
1025
1026 <figure anchor="downmix-matrix-7"
1027  title="Stereo downmix matrix for the 6.1 surround mapping"
1028  align="center">
1029 <artwork align="center"><![CDATA[
1030  /                                                                \
1031  | 0.455310 0.321953 0.000000 0.394310 0.227655 0.278819 0.321953 |
1032  | 0.000000 0.321953 0.455310 0.227655 0.394310 0.278819 0.321953 |
1033  \                                                                /
1034 ]]></artwork>
1035 <postamble>
1036 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2, 1/2 and
1037  sqrt(3)/2/sqrt(2), multiplied by
1038  2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2 +
1039  sqrt(3)/2/sqrt(2) + 1/sqrt(2)) for normalization.
1040 The coeffients are in the same order as in <xref target="channel_mapping_1" />,
1041  and the matricies above.
1042 </postamble>
1043 </figure>
1044
1045 <figure anchor="downmix-matrix-8"
1046  title="Stereo downmix matrix for the 7.1 surround mapping"
1047  align="center">
1048 <artwork align="center"><![CDATA[
1049 /                                                                 \
1050 | .388631 .274804 .000000 .336565 .194316 .336565 .194316 .274804 |
1051 | .000000 .274804 .388631 .194316 .336565 .194316 .336565 .274804 |
1052 \                                                                 /
1053 ]]></artwork>
1054 <postamble>
1055 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1056  2/(2&nbsp;+&nbsp;2/sqrt(2)&nbsp;+&nbsp;sqrt(3)) for normalization.
1057 The coeffients are in the same order as in <xref target="channel_mapping_1" />,
1058  and the matricies above.
1059 </postamble>
1060 </figure>
1061
1062 </section>
1063
1064 </section> <!-- end channel_mapping_table -->
1065
1066 </section> <!-- end id_header -->
1067
1068 <section anchor="comment_header" title="Comment Header">
1069
1070 <figure anchor="comment_header_packet" title="Comment Header Packet"
1071  align="center">
1072 <artwork align="center"><![CDATA[
1073  0                   1                   2                   3
1074  0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
1075 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1076 |      'O'      |      'p'      |      'u'      |      's'      |
1077 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1078 |      'T'      |      'a'      |      'g'      |      's'      |
1079 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1080 |                     Vendor String Length                      |
1081 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1082 |                                                               |
1083 :                        Vendor String...                       :
1084 |                                                               |
1085 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1086 |                   User Comment List Length                    |
1087 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1088 |                 User Comment #0 String Length                 |
1089 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1090 |                                                               |
1091 :                   User Comment #0 String...                   :
1092 |                                                               |
1093 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1094 |                 User Comment #1 String Length                 |
1095 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1096 :                                                               :
1097 ]]></artwork>
1098 </figure>
1099
1100 <t>
1101 The comment header consists of a 64-bit magic signature, followed by data in
1102  the same format as the <xref target="vorbis-comment"/> header used in Ogg
1103  Vorbis, except (like Ogg Theora and Speex) the final "framing bit" specified
1104  in the Vorbis spec is not present.
1105 <list style="numbers">
1106 <t>Magic Signature:
1107 <vspace blankLines="1"/>
1108 This is an 8-octet (64-bit) field that allows codec identification and is
1109  human-readable.
1110 It contains, in order, the magic numbers:
1111 <list style="empty">
1112 <t>0x4F 'O'</t>
1113 <t>0x70 'p'</t>
1114 <t>0x75 'u'</t>
1115 <t>0x73 's'</t>
1116 <t>0x54 'T'</t>
1117 <t>0x61 'a'</t>
1118 <t>0x67 'g'</t>
1119 <t>0x73 's'</t>
1120 </list>
1121 Starting with "Op" helps distinguish it from audio data packets, as this is an
1122  invalid TOC sequence.
1123 <vspace blankLines="1"/>
1124 </t>
1125 <t>Vendor String Length (32 bits, unsigned, little endian):
1126 <vspace blankLines="1"/>
1127 This field gives the length of the following vendor string, in octets.
1128 It MUST NOT indicate that the vendor string is longer than the rest of the
1129  packet.
1130 <vspace blankLines="1"/>
1131 </t>
1132 <t>Vendor String (variable length, UTF-8 vector):
1133 <vspace blankLines="1"/>
1134 This is a simple human-readable tag for vendor information, encoded as a UTF-8
1135  string&nbsp;<xref target="RFC3629"/>.
1136 No terminating null octet is necessary.
1137 <vspace blankLines="1"/>
1138 This tag is intended to identify the codec encoder and encapsulation
1139  implementations, for tracing differences in technical behavior.
1140 User-facing encoding applications can use the 'ENCODER' user comment tag
1141  to identify themselves.
1142 <vspace blankLines="1"/>
1143 </t>
1144 <t>User Comment List Length (32 bits, unsigned, little endian):
1145 <vspace blankLines="1"/>
1146 This field indicates the number of user-supplied comments.
1147 It MAY indicate there are zero user-supplied comments, in which case there are
1148  no additional fields in the packet.
1149 It MUST NOT indicate that there are so many comments that the comment string
1150  lengths would require more data than is available in the rest of the packet.
1151 <vspace blankLines="1"/>
1152 </t>
1153 <t>User Comment #i String Length (32 bits, unsigned, little endian):
1154 <vspace blankLines="1"/>
1155 This field gives the length of the following user comment string, in octets.
1156 There is one for each user comment indicated by the 'user comment list length'
1157  field.
1158 It MUST NOT indicate that the string is longer than the rest of the packet.
1159 <vspace blankLines="1"/>
1160 </t>
1161 <t>User Comment #i String (variable length, UTF-8 vector):
1162 <vspace blankLines="1"/>
1163 This field contains a single user comment string.
1164 There is one for each user comment indicated by the 'user comment list length'
1165  field.
1166 </t>
1167 </list>
1168 </t>
1169
1170 <t>
1171 The vendor string length and user comment list length are REQUIRED, and
1172  implementations SHOULD reject comment headers that do not contain enough data
1173  for these fields, or that do not contain enough data for the corresponding
1174  vendor string or user comments they describe.
1175 Making this check before allocating the associated memory to contain the data
1176  helps prevent a possible Denial-of-Service (DoS) attack from small comment
1177  headers that claim to contain strings longer than the entire packet or more
1178  user comments than than could possibly fit in the packet.
1179 </t>
1180
1181 <t>
1182 Immediately following the user comment list, the comment header MAY
1183  contain zero-padding or other binary data which is not specified here.
1184 If the least-significant bit of the first byte of this data is 1, then editors
1185  SHOULD preserve the contents of this data when updating the tags, but if this
1186  bit is 0, all such data MAY be treated as padding, and truncated or discarded
1187  as desired.
1188 </t>
1189
1190 <t>
1191 The comment header can be arbitrarily large and might be spread over a large
1192  number of Ogg pages.
1193 Decoders SHOULD avoid attempting to allocate excessive amounts of memory when
1194  presented with a very large comment header.
1195 To accomplish this, decoders MAY reject a comment header larger than
1196  125,829,120&nbsp;octets, and MAY ignore individual comments that are not fully
1197  contained within the first 61,440 octets of the comment header.
1198 </t>
1199
1200 <section anchor="comment_format" title="Tag Definitions">
1201 <t>
1202 The user comment strings follow the NAME=value format described by
1203  <xref target="vorbis-comment"/> with the same recommended tag names:
1204  ARTIST, TITLE, DATE, ALBUM, and so on.
1205 </t>
1206 <t>
1207 Two new comment tags are introduced here:
1208 </t>
1209
1210 <figure align="center">
1211   <preamble>An optional gain for track nomalization</preamble>
1212 <artwork align="left"><![CDATA[
1213 R128_TRACK_GAIN=-573
1214 ]]></artwork>
1215 <postamble>
1216 representing the volume shift needed to normalize the track's volume
1217  during isolated playback, in random shuffle, and so on.
1218 The gain is a Q7.8 fixed point number in dB, as in the ID header's 'output
1219  gain' field.
1220 </postamble>
1221 </figure>
1222 <t>
1223 This tag is similar to the REPLAYGAIN_TRACK_GAIN tag in
1224  Vorbis&nbsp;<xref target="replay-gain"/>, except that the normal volume
1225  reference is the <xref target="EBU-R128"/> standard.
1226 </t>
1227 <figure align="center">
1228   <preamble>An optional gain for album nomalization</preamble>
1229 <artwork align="left"><![CDATA[
1230 R128_ALBUM_GAIN=111
1231 ]]></artwork>
1232 <postamble>
1233 representing the volume shift needed to normalize the overall volume when
1234  played as part of a particular collection of tracks.
1235 The gain is also a Q7.8 fixed point number in dB, as in the ID header's
1236  'output gain' field.
1237 </postamble>
1238 </figure>
1239 <t>
1240 An Ogg Opus stream MUST NOT have more than one of each tag, and if present
1241  their values MUST be an integer from -32768 to 32767, inclusive,
1242  represented in ASCII as a base 10 number with no whitespace.
1243 A leading '+' or '-' character is valid.
1244 Leading zeros are also permitted, but the value MUST be represented by
1245  no more than 6 characters.
1246 Other non-digit characters MUST NOT be present.
1247 </t>
1248 <t>
1249 If present, R128_TRACK_GAIN and R128_ALBUM_GAIN MUST correctly represent
1250  the R128 normalization gain relative to the 'output gain' field specified
1251  in the ID header.
1252 If a player chooses to make use of the R128_TRACK_GAIN tag or the
1253  R128_ALBUM_GAIN tag, it MUST apply those gains
1254  <spanx style="emph">in addition</spanx> to the 'output gain' value.
1255 If a tool modifies the ID header's 'output gain' field, it MUST also update or
1256  remove the R128_TRACK_GAIN and R128_ALBUM_GAIN comment tags if present.
1257 An muxer SHOULD assume that by default tools will respect the 'output gain'
1258  field, and not the comment tag.
1259 </t>
1260 <t>
1261 To avoid confusion with multiple normalization schemes, an Opus comment header
1262  SHOULD NOT contain any of the REPLAYGAIN_TRACK_GAIN, REPLAYGAIN_TRACK_PEAK,
1263  REPLAYGAIN_ALBUM_GAIN, or REPLAYGAIN_ALBUM_PEAK tags.
1264 <xref target="EBU-R128"/> normalization is preferred to the earlier
1265  REPLAYGAIN schemes because of its clear definition and adoption by industry.
1266 Peak normalizations are difficult to calculate reliably for lossy codecs
1267  because of variation in excursion heights due to decoder differences.
1268 In the authors' investigations they were not applied consistently or broadly
1269  enough to merit inclusion here.
1270 </t>
1271 </section> <!-- end comment_format -->
1272 </section> <!-- end comment_header -->
1273
1274 </section> <!-- end headers -->
1275
1276 <section anchor="packet_size_limits" title="Packet Size Limits">
1277 <t>
1278 Technically, valid Opus packets can be arbitrarily large due to the padding
1279  format, although the amount of non-padding data they can contain is bounded.
1280 These packets might be spread over a similarly enormous number of Ogg pages.
1281 Encoders SHOULD limit the use of padding in audio data packets to no more than
1282  is necessary to make a variable bitrate (VBR) stream constant bitrate (CBR).
1283 Decoders SHOULD reject audio data packets larger than 61,440 octets per Opus
1284  stream.
1285 Such packets necessarily contain more padding than needed for this purpose.
1286 Decoders SHOULD avoid attempting to allocate excessive amounts of memory when
1287  presented with a very large packet.
1288 Decoders MAY reject or partially process audio data packets larger than
1289  61,440&nbsp;octets in an Ogg Opus stream with channel mapping families&nbsp;0
1290  or&nbsp;1.
1291 Decoders MAY reject or partially process audio data packets in any Ogg Opus
1292  stream if the packet is larger than 61,440&nbsp;octets and also larger than
1293  7,680&nbsp;octets per Opus stream.
1294 The presence of an extremely large packet in the stream could indicate a
1295  memory exhaustion attack or stream corruption.
1296 </t>
1297 <t>
1298 In an Ogg Opus stream, the largest possible valid packet that does not use
1299  padding has a size of (61,298*N&nbsp;-&nbsp;2) octets.
1300 With 255&nbsp;streams, this is 15,630,988&nbsp;octets and can
1301  span up to 61,298&nbsp;Ogg pages, all but one of which will have a granule
1302  position of -1.
1303 This is of course a very extreme packet, consisting of 255&nbsp;streams, each
1304  containing 120&nbsp;ms of audio encoded as 2.5&nbsp;ms frames, each frame
1305  using the maximum possible number of octets (1275) and stored in the least
1306  efficient manner allowed (a VBR code&nbsp;3 Opus packet).
1307 Even in such a packet, most of the data will be zeros as 2.5&nbsp;ms frames
1308  cannot actually use all 1275&nbsp;octets.
1309 </t>
1310 <t>
1311 The largest packet consisting of entirely useful data is
1312  (15,326*N&nbsp;-&nbsp;2) octets.
1313 This corresponds to 120&nbsp;ms of audio encoded as 10&nbsp;ms frames in either
1314  SILK or Hybrid mode, but at a data rate of over 1&nbsp;Mbps, which makes little
1315  sense for the quality achieved.
1316 </t>
1317 <t>
1318 A more reasonable limit is (7,664*N&nbsp;-&nbsp;2) octets.
1319 This corresponds to 120&nbsp;ms of audio encoded as 20&nbsp;ms stereo CELT mode
1320  frames, with a total bitrate just under 511&nbsp;kbps (not counting the Ogg
1321  encapsulation overhead).
1322 For channel mapping family 1, N=8 provides a reasonable upper bound, as it
1323  allows for each of the 8 possible output channels to be decoded from a
1324  separate stereo Opus stream.
1325 This gives a size of 61,310&nbsp;octets, which is rounded up to a multiple of
1326  1,024&nbsp;octets to yield the audio data packet size of 61,440&nbsp;octets
1327  that any implementation is expected to be able to process successfully.
1328 </t>
1329 </section>
1330
1331 <section anchor="encoder" title="Encoder Guidelines">
1332 <t>
1333 When encoding Opus streams, Ogg muxers SHOULD take into account the
1334  algorithmic delay of the Opus encoder.
1335 </t>
1336 <figure align="center">
1337 <preamble>
1338 In encoders derived from the reference implementation, the number of
1339  samples can be queried with:
1340 </preamble>
1341 <artwork align="center"><![CDATA[
1342  opus_encoder_ctl(encoder_state, OPUS_GET_LOOKAHEAD(&delay_samples));
1343 ]]></artwork>
1344 </figure>
1345 <t>
1346 To achieve good quality in the very first samples of a stream, the Ogg encoder
1347  MAY use linear predictive coding (LPC) extrapolation
1348  <xref target="linear-prediction"/> to generate at least 120 extra samples at
1349  the beginning to avoid the Opus encoder having to encode a discontinuous
1350  signal.
1351 For an input file containing 'length' samples, the Ogg encoder SHOULD set the
1352  pre-skip header value to delay_samples+extra_samples, encode at least
1353  length+delay_samples+extra_samples samples, and set the granulepos of the last
1354  page to length+delay_samples+extra_samples.
1355 This ensures that the encoded file has the same duration as the original, with
1356  no time offset. The best way to pad the end of the stream is to also use LPC
1357  extrapolation, but zero-padding is also acceptable.
1358 </t>
1359
1360 <section anchor="lpc" title="LPC Extrapolation">
1361 <t>
1362 The first step in LPC extrapolation is to compute linear prediction
1363  coefficients. <xref target="lpc-sample"/>
1364 When extending the end of the signal, order-N (typically with N ranging from 8
1365  to 40) LPC analysis is performed on a window near the end of the signal.
1366 The last N samples are used as memory to an infinite impulse response (IIR)
1367  filter.
1368 </t>
1369 <figure align="center">
1370 <preamble>
1371 The filter is then applied on a zero input to extrapolate the end of the signal.
1372 Let a(k) be the kth LPC coefficient and x(n) be the nth sample of the signal,
1373  each new sample past the end of the signal is computed as:
1374 </preamble>
1375 <artwork align="center"><![CDATA[
1376         N
1377        ---
1378 x(n) = \   a(k)*x(n-k)
1379        /
1380        ---
1381        k=1
1382 ]]></artwork>
1383 </figure>
1384 <t>
1385 The process is repeated independently for each channel.
1386 It is possible to extend the beginning of the signal by applying the same
1387  process backward in time.
1388 When extending the beginning of the signal, it is best to apply a "fade in" to
1389  the extrapolated signal, e.g. by multiplying it by a half-Hanning window
1390  <xref target="hanning"/>.
1391 </t>
1392
1393 </section>
1394
1395 <section anchor="continuous_chaining" title="Continuous Chaining">
1396 <t>
1397 In some applications, such as Internet radio, it is desirable to cut a long
1398  stream into smaller chains, e.g. so the comment header can be updated.
1399 This can be done simply by separating the input streams into segments and
1400  encoding each segment independently.
1401 The drawback of this approach is that it creates a small discontinuity
1402  at the boundary due to the lossy nature of Opus.
1403 An muxer MAY avoid this discontinuity by using the following procedure:
1404 <list style="numbers">
1405 <t>Encode the last frame of the first segment as an independent frame by
1406  turning off all forms of inter-frame prediction.
1407 De-emphasis is allowed.</t>
1408 <t>Set the granulepos of the last page to a point near the end of the last
1409  frame.</t>
1410 <t>Begin the second segment with a copy of the last frame of the first
1411  segment.</t>
1412 <t>Set the pre-skip value of the second stream in such a way as to properly
1413  join the two streams.</t>
1414 <t>Continue the encoding process normally from there, without any reset to
1415  the encoder.</t>
1416 </list>
1417 </t>
1418 <figure align="center">
1419 <preamble>
1420 In encoders derived from the reference implementation, inter-frame prediction
1421  can be turned off by calling:
1422 </preamble>
1423 <artwork align="center"><![CDATA[
1424  opus_encoder_ctl(encoder_state, OPUS_SET_PREDICTION_DISABLED(1));
1425 ]]></artwork>
1426 <postamble>
1427 For best results, this implementation requires that prediction be explicitly
1428  enabled again before resuming normal encoding, even after a reset.
1429 </postamble>
1430 </figure>
1431
1432 </section>
1433
1434 </section>
1435
1436 <section anchor="implementation" title="Implementation Status">
1437 <t>
1438 A brief summary of major implementations of this draft is available
1439  at <eref target="https://wiki.xiph.org/OggOpusImplementation"/>,
1440   along with their status.
1441 </t>
1442 <t>
1443 [Note to RFC Editor: please remove this entire section before
1444  final publication per <xref target="RFC6982"/>.]
1445 </t>
1446 </section>
1447
1448 <section anchor="security" title="Security Considerations">
1449 <t>
1450 Implementations of the Opus codec need to take appropriate security
1451  considerations into account, as outlined in <xref target="RFC4732"/>.
1452 This is just as much a problem for the container as it is for the codec itself.
1453 It is extremely important for the decoder to be robust against malicious
1454  payloads.
1455 Malicious payloads MUST NOT cause the decoder to overrun its allocated memory
1456  or to take an excessive amount of resources to decode.
1457 Although problems in encoders are typically rarer, the same applies to the
1458  encoder.
1459 Malicious audio streams MUST NOT cause the encoder to misbehave because this
1460  would allow an attacker to attack transcoding gateways.
1461 </t>
1462
1463 <t>
1464 Like most other container formats, Ogg Opus streams SHOULD NOT be used with
1465  insecure ciphers or cipher modes that are vulnerable to known-plaintext
1466  attacks.
1467 Elements such as the Ogg page capture pattern and the magic signatures in the
1468  ID header and the comment header all have easily predictable values, in
1469  addition to various elements of the codec data itself.
1470 </t>
1471 </section>
1472
1473 <section anchor="content_type" title="Content Type">
1474 <t>
1475 An "Ogg Opus file" consists of one or more sequentially multiplexed segments,
1476  each containing exactly one Ogg Opus stream.
1477 The RECOMMENDED mime-type for Ogg Opus files is "audio/ogg".
1478 </t>
1479
1480 <figure>
1481 <preamble>
1482 If more specificity is desired, one MAY indicate the presence of Opus streams
1483  using the codecs parameter defined in <xref target="RFC6381"/>, e.g.,
1484 </preamble>
1485 <artwork align="center"><![CDATA[
1486     audio/ogg; codecs=opus
1487 ]]></artwork>
1488 <postamble>
1489  for an Ogg Opus file.
1490 </postamble>
1491 </figure>
1492
1493 <t>
1494 The RECOMMENDED filename extension for Ogg Opus files is '.opus'.
1495 </t>
1496
1497 <t>
1498 When Opus is concurrently multiplexed with other streams in an Ogg container,
1499  one SHOULD use one of the "audio/ogg", "video/ogg", or "application/ogg"
1500  mime-types, as defined in <xref target="RFC5334"/>.
1501 Such streams are not strictly "Ogg Opus files" as described above,
1502  since they contain more than a single Opus stream per sequentially
1503  multiplexed segment, e.g. video or multiple audio tracks.
1504 In such cases the the '.opus' filename extension is NOT RECOMMENDED.
1505 </t>
1506
1507 <t>
1508 In either case, this document updates <xref target="RFC5334"/>
1509  to add 'opus' as a codecs parameter value with char[8]: 'OpusHead'
1510  as Codec Identifier.
1511 </t>
1512 </section>
1513
1514 <section title="IANA Considerations">
1515 <t>
1516 This document updates the IANA Media Types registery to add .opus
1517  as a file extension for "audio/ogg", and to add itself as a reference
1518  alongside <xref target="RFC5334"/> for "audio/ogg", "video/ogg", and
1519  "application/ogg" Media Types.
1520 </t>
1521 </section>
1522
1523 <section anchor="Acknowledgments" title="Acknowledgments">
1524 <t>
1525 Thanks to Mark Harris, Greg Maxwell, Christopher "Monty" Montgomery, and
1526  Jean-Marc Valin for their valuable contributions to this document.
1527 Additional thanks to Andrew D'Addesio, Greg Maxwell, and Vincent Penquerc'h for
1528  their feedback based on early implementations.
1529 </t>
1530 </section>
1531
1532 <section title="Copying Conditions">
1533 <t>
1534 The authors agree to grant third parties the irrevocable right to copy, use,
1535  and distribute the work, with or without modification, in any medium, without
1536  royalty, provided that, unless separate permission is granted, redistributed
1537  modified works do not contain misleading author, version, name of work, or
1538  endorsement information.
1539 </t>
1540 </section>
1541
1542 </middle>
1543 <back>
1544 <references title="Normative References">
1545  &rfc2119;
1546  &rfc3533;
1547  &rfc3629;
1548  &rfc5334;
1549  &rfc6381;
1550  &rfc6716;
1551
1552 <reference anchor="EBU-R128" target="https://tech.ebu.ch/loudness">
1553 <front>
1554   <title>Loudness Recommendation EBU R128</title>
1555   <author>
1556     <organization>EBU Technical Committee</organization>
1557   </author>
1558   <date month="August" year="2011"/>
1559 </front>
1560 </reference>
1561
1562 <reference anchor="vorbis-comment"
1563  target="https://www.xiph.org/vorbis/doc/v-comment.html">
1564 <front>
1565 <title>Ogg Vorbis I Format Specification: Comment Field and Header
1566  Specification</title>
1567 <author initials="C." surname="Montgomery"
1568  fullname="Christopher &quot;Monty&quot; Montgomery"/>
1569 <date month="July" year="2002"/>
1570 </front>
1571 </reference>
1572
1573 </references>
1574
1575 <references title="Informative References">
1576
1577 <!--?rfc include="http://xml.resource.org/public/rfc/bibxml/reference.RFC.3550.xml"?-->
1578  &rfc4732;
1579  &rfc6982;
1580  &rfc7587;
1581
1582 <reference anchor="flac"
1583  target="https://xiph.org/flac/format.html">
1584   <front>
1585     <title>FLAC - Free Lossless Audio Codec Format Description</title>
1586     <author initials="J." surname="Coalson" fullname="Josh Coalson"/>
1587     <date month="January" year="2008"/>
1588   </front>
1589 </reference>
1590
1591 <reference anchor="hanning"
1592  target="https://en.wikipedia.org/wiki/Hamming_function#Hann_.28Hanning.29_window">
1593   <front>
1594     <title>Hann window</title>
1595     <author>
1596       <organization>Wikipedia</organization>
1597     </author>
1598     <date month="May" year="2013"/>
1599   </front>
1600 </reference>
1601
1602 <reference anchor="linear-prediction"
1603  target="https://en.wikipedia.org/wiki/Linear_predictive_coding">
1604   <front>
1605     <title>Linear Predictive Coding</title>
1606     <author>
1607       <organization>Wikipedia</organization>
1608     </author>
1609     <date month="January" year="2014"/>
1610   </front>
1611 </reference>
1612
1613 <reference anchor="lpc-sample"
1614   target="https://svn.xiph.org/trunk/vorbis/lib/lpc.c">
1615 <front>
1616   <title>Autocorrelation LPC coeff generation algorithm
1617     (Vorbis source code)</title>
1618 <author initials="J." surname="Degener" fullname="Jutta Degener"/>
1619 <author initials="C." surname="Bormann" fullname="Carsten Bormann"/>
1620 <date month="November" year="1994"/>
1621 </front>
1622 </reference>
1623
1624
1625 <reference anchor="replay-gain"
1626  target="https://wiki.xiph.org/VorbisComment#Replay_Gain">
1627 <front>
1628 <title>VorbisComment: Replay Gain</title>
1629 <author initials="C." surname="Parker" fullname="Conrad Parker"/>
1630 <author initials="M." surname="Leese" fullname="Martin Leese"/>
1631 <date month="June" year="2009"/>
1632 </front>
1633 </reference>
1634
1635 <reference anchor="seeking"
1636  target="https://wiki.xiph.org/Seeking">
1637 <front>
1638 <title>Granulepos Encoding and How Seeking Really Works</title>
1639 <author initials="S." surname="Pfeiffer" fullname="Silvia Pfeiffer"/>
1640 <author initials="C." surname="Parker" fullname="Conrad Parker"/>
1641 <author initials="G." surname="Maxwell" fullname="Greg Maxwell"/>
1642 <date month="May" year="2012"/>
1643 </front>
1644 </reference>
1645
1646 <reference anchor="vorbis-mapping"
1647  target="https://www.xiph.org/vorbis/doc/Vorbis_I_spec.html#x1-810004.3.9">
1648 <front>
1649 <title>The Vorbis I Specification, Section 4.3.9 Output Channel Order</title>
1650 <author initials="C." surname="Montgomery"
1651  fullname="Christopher &quot;Monty&quot; Montgomery"/>
1652 <date month="January" year="2010"/>
1653 </front>
1654 </reference>
1655
1656 <reference anchor="vorbis-trim"
1657  target="https://xiph.org/vorbis/doc/Vorbis_I_spec.html#x1-132000A.2">
1658   <front>
1659     <title>The Vorbis I Specification, Appendix&nbsp;A: Embedding Vorbis
1660       into an Ogg stream</title>
1661     <author initials="C." surname="Montgomery"
1662      fullname="Christopher &quot;Monty&quot; Montgomery"/>
1663     <date month="November" year="2008"/>
1664   </front>
1665 </reference>
1666
1667 <reference anchor="wave-multichannel"
1668  target="http://msdn.microsoft.com/en-us/windows/hardware/gg463006.aspx">
1669   <front>
1670     <title>Multiple Channel Audio Data and WAVE Files</title>
1671     <author>
1672       <organization>Microsoft Corporation</organization>
1673     </author>
1674     <date month="March" year="2007"/>
1675   </front>
1676 </reference>
1677
1678 </references>
1679
1680 </back>
1681 </rfc>