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