Remove normative references to encoder or decoder.
[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 An implementation of this specification SHOULD treat any Opus packet whose
184  duration is different from that of the first Opus packet in an Ogg packet as
185  if it were a malformed Opus packet 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 An implementation MUST treat a zero-octet audio data packet as if it were a
202  malformed Opus packet as described in
203  Section&nbsp;3.4 of&nbsp;<xref target="RFC6716"/>.
204 </t>
205 <t>
206 The last page SHOULD have the 'end of stream' flag set, but implementations
207  need to be prepared to deal with truncated streams that do not have a page
208  marked 'end of stream'.
209 The final packet on the last page SHOULD NOT be a continued packet, i.e., the
210  final lacing value SHOULD be less than 255.
211 There MUST NOT be any more pages in an Opus logical bitstream after a page
212  marked 'end of stream'.
213 </t>
214 </section>
215
216 <section anchor="granpos" title="Granule Position">
217 <t>
218 The granule position MUST be zero for the ID header page and the
219  page where the comment header completes.
220 That is, the first page in the logical stream, and the last header
221  page before the first audio data page both have a granule position of zero.
222 </t>
223 <t>
224 The granule position of an audio data page encodes the total number of PCM
225  samples in the stream up to and including the last fully-decodable sample from
226  the last packet completed on that page.
227 That granule position MAY be larger than zero as described in
228  <xref target="start_granpos_restrictions"/>.
229 </t>
230
231 <t>
232 A page that is entirely spanned by a single packet (that completes on a
233  subsequent page) has no granule position, and the granule position field MUST
234  be set to the special value '-1' in two's complement.
235 </t>
236
237 <t>
238 The granule position of an audio data page is in units of PCM audio samples at
239  a fixed rate of 48&nbsp;kHz (per channel; a stereo stream's granule position
240  does not increment at twice the speed of a mono stream).
241 It is possible to run an Opus decoder at other sampling rates, but the value
242  in the granule position field always counts samples assuming a 48&nbsp;kHz
243  decoding rate, and the rest of this specification makes the same assumption.
244 </t>
245
246 <t>
247 The duration of an Opus packet can be any multiple of 2.5&nbsp;ms, up to a
248  maximum of 120&nbsp;ms.
249 This duration is encoded in the TOC sequence at the beginning of each packet.
250 The number of samples returned by a decoder corresponds to this duration
251  exactly, even for the first few packets.
252 For example, a 20&nbsp;ms packet fed to a decoder running at 48&nbsp;kHz will
253  always return 960&nbsp;samples.
254 A demuxer can parse the TOC sequence at the beginning of each Ogg packet to
255  work backwards or forwards from a packet with a known granule position (i.e.,
256  the last packet completed on some page) in order to assign granule positions
257  to every packet, or even every individual sample.
258 The one exception is the last page in the stream, as described below.
259 </t>
260
261 <t>
262 All other pages with completed packets after the first MUST have a granule
263  position equal to the number of samples contained in packets that complete on
264  that page plus the granule position of the most recent page with completed
265  packets.
266 This guarantees that a demuxer can assign individual packets the same granule
267  position when working forwards as when working backwards.
268 For this to work, there cannot be any gaps.
269 </t>
270
271 <section anchor="gap-repair" title="Repairing Gaps in Real-time Streams">
272 <t>
273 In order to support capturing a real-time stream that has lost or not
274  transmitted packets, a muxer SHOULD emit packets that explicitly request the
275  use of Packet Loss Concealment (PLC) in place of the missing packets.
276 Only gaps that are a multiple of 2.5&nbsp;ms are repairable, as these are the
277  only durations that can be created by packet loss or discontinuous
278  transmission.
279 Muxers need not handle other gap sizes.
280 Creating the necessary packets involves synthesizing a TOC byte (defined in
281 Section&nbsp;3.1 of&nbsp;<xref target="RFC6716"/>)&mdash;and whatever
282  additional internal framing is needed&mdash;to indicate the packet duration
283  for each stream.
284 The actual length of each missing Opus frame inside the packet is zero bytes,
285  as defined in Section&nbsp;3.2.1 of&nbsp;<xref target="RFC6716"/>.
286 </t>
287
288 <t>
289 Zero-byte frames MAY be packed into packets using any of codes&nbsp;0, 1,
290  2, or&nbsp;3.
291 When successive frames have the same configuration, the higher code packings
292  reduce overhead.
293 Likewise, if the TOC configuration matches, the muxer MAY further combine the
294  empty frames with previous or subsequent non-zero-length frames (using
295  code&nbsp;2 or VBR code&nbsp;3).
296 </t>
297
298 <t>
299 <xref target="RFC6716"/> does not impose any requirements on the PLC, but this
300  section outlines choices that are expected to have a positive influence on
301  most PLC implementations, including the reference implementation.
302 Synthesized TOC sequences SHOULD maintain the same mode, audio bandwidth,
303  channel count, and frame size as the previous packet (if any).
304 This is the simplest and usually the most well-tested case for the PLC to
305  handle and it covers all losses that do not include a configuration switch,
306  as defined in Section&nbsp;4.5 of&nbsp;<xref target="RFC6716"/>.
307 </t>
308
309 <t>
310 When a previous packet is available, keeping the audio bandwidth and channel
311  count the same allows the PLC to provide maximum continuity in the concealment
312  data it generates.
313 However, if the size of the gap is not a multiple of the most recent frame
314  size, then the frame size will have to change for at least some frames.
315 Such changes SHOULD be delayed as long as possible to simplify
316  things for PLC implementations.
317 </t>
318
319 <t>
320 As an example, a 95&nbsp;ms gap could be encoded as nineteen 5&nbsp;ms frames
321  in two bytes with a single CBR code&nbsp;3 packet.
322 If the previous frame size was 20&nbsp;ms, using four 20&nbsp;ms frames
323  followed by three 5&nbsp;ms frames requires 4&nbsp;bytes (plus an extra byte
324  of Ogg lacing overhead), but allows the PLC to use its well-tested steady
325  state behavior for as long as possible.
326 The total bitrate of the latter approach, including Ogg overhead, is about
327  0.4&nbsp;kbps, so the impact on file size is minimal.
328 </t>
329
330 <t>
331 Changing modes is discouraged, since this causes some decoder implementations
332  to reset their PLC state.
333 However, SILK and Hybrid mode frames cannot fill gaps that are not a multiple
334  of 10&nbsp;ms.
335 If switching to CELT mode is needed to match the gap size, a muxer SHOULD do
336  so at the end of the gap to allow the PLC to function for as long as possible.
337 </t>
338
339 <t>
340 In the example above, if the previous frame was a 20&nbsp;ms SILK mode frame,
341  the better solution is to synthesize a packet describing four 20&nbsp;ms SILK
342  frames, followed by a packet with a single 10&nbsp;ms SILK
343  frame, and finally a packet with a 5&nbsp;ms CELT frame, to fill the 95&nbsp;ms
344  gap.
345 This also requires four bytes to describe the synthesized packet data (two
346  bytes for a CBR code 3 and one byte each for two code 0 packets) but three
347  bytes of Ogg lacing overhead are needed to mark the packet boundaries.
348 At 0.6 kbps, this is still a minimal bitrate impact over a naive, low quality
349  solution.
350 </t>
351
352 <t>
353 Since medium-band audio is an option only in the SILK mode, wideband frames
354  SHOULD be generated if switching from that configuration to CELT mode, to
355  ensure that any PLC implementation which does try to migrate state between
356  the modes will be able to preserve all of the available audio bandwidth.
357 </t>
358
359 </section>
360
361 <section anchor="preskip" title="Pre-skip">
362 <t>
363 There is some amount of latency introduced during the decoding process, to
364  allow for overlap in the CELT mode, stereo mixing in the SILK mode, and
365  resampling.
366 The encoder might have introduced additional latency through its own resampling
367  and analysis (though the exact amount is not specified).
368 Therefore, the first few samples produced by the decoder do not correspond to
369  real input audio, but are instead composed of padding inserted by the encoder
370  to compensate for this latency.
371 These samples need to be stored and decoded, as Opus is an asymptotically
372  convergent predictive codec, meaning the decoded contents of each frame depend
373  on the recent history of decoder inputs.
374 However, a player will want to skip these samples after decoding them.
375 </t>
376
377 <t>
378 A 'pre-skip' field in the ID header (see <xref target="id_header"/>) signals
379  the number of samples which SHOULD be skipped (decoded but discarded) at the
380  beginning of the stream.
381 This amount need not be a multiple of 2.5&nbsp;ms, MAY be smaller than a single
382  packet, or MAY span the contents of several packets.
383 These samples are not valid audio, and SHOULD NOT be played.
384 </t>
385
386 <t>
387 For example, if the first Opus frame uses the CELT mode, it will always
388  produce 120 samples of windowed overlap-add data.
389 However, the overlap data is initially all zeros (since there is no prior
390  frame), meaning this cannot, in general, accurately represent the original
391  audio.
392 The SILK mode requires additional delay to account for its analysis and
393  resampling latency.
394 The encoder delays the original audio to avoid this problem.
395 </t>
396
397 <t>
398 The pre-skip field MAY also be used to perform sample-accurate cropping of
399  already encoded streams.
400 In this case, a value of at least 3840&nbsp;samples (80&nbsp;ms) provides
401  sufficient history to the decoder that it will have converged
402  before the stream's output begins.
403 </t>
404
405 </section>
406
407 <section anchor="pcm_sample_position" title="PCM Sample Position">
408 <t>
409 <figure align="center">
410 <preamble>
411 The PCM sample position is determined from the granule position using the
412  formula
413 </preamble>
414 <artwork align="center"><![CDATA[
415 'PCM sample position' = 'granule position' - 'pre-skip' .
416 ]]></artwork>
417 </figure>
418 </t>
419
420 <t>
421 For example, if the granule position of the first audio data page is 59,971,
422  and the pre-skip is 11,971, then the PCM sample position of the last decoded
423  sample from that page is 48,000.
424 <figure align="center">
425 <preamble>
426 This can be converted into a playback time using the formula
427 </preamble>
428 <artwork align="center"><![CDATA[
429                   'PCM sample position'
430 'playback time' = --------------------- .
431                          48000.0
432 ]]></artwork>
433 </figure>
434 </t>
435
436 <t>
437 The initial PCM sample position before any samples are played is normally '0'.
438 In this case, the PCM sample position of the first audio sample to be played
439  starts at '1', because it marks the time on the clock
440  <spanx style="emph">after</spanx> that sample has been played, and a stream
441  that is exactly one second long has a final PCM sample position of '48000',
442  as in the example here.
443 </t>
444
445 <t>
446 Vorbis streams use a granule position smaller than the number of audio samples
447  contained in the first audio data page to indicate that some of those samples
448  are trimmed from the output (see <xref target="vorbis-trim"/>).
449 However, to do so, Vorbis requires that the first audio data page contains
450  exactly two packets, in order to allow the decoder to perform PCM position
451  adjustments before needing to return any PCM data.
452 Opus uses the pre-skip mechanism for this purpose instead, since the encoder
453  might introduce more than a single packet's worth of latency, and since very
454  large packets in streams with a very large number of channels might not fit
455  on a single page.
456 </t>
457 </section>
458
459 <section anchor="end_trimming" title="End Trimming">
460 <t>
461 The page with the 'end of stream' flag set MAY have a granule position that
462  indicates the page contains less audio data than would normally be returned by
463  decoding up through the final packet.
464 This is used to end the stream somewhere other than an even frame boundary.
465 The granule position of the most recent audio data page with completed packets
466  is used to make this determination, or '0' is used if there were no previous
467  audio data pages with a completed packet.
468 The difference between these granule positions indicates how many samples to
469  keep after decoding the packets that completed on the final page.
470 The remaining samples are discarded.
471 The number of discarded samples SHOULD be no larger than the number decoded
472  from the last packet.
473 </t>
474 </section>
475
476 <section anchor="start_granpos_restrictions"
477  title="Restrictions on the Initial Granule Position">
478 <t>
479 The granule position of the first audio data page with a completed packet MAY
480  be larger than the number of samples contained in packets that complete on
481  that page, however it MUST NOT be smaller, unless that page has the 'end of
482  stream' flag set.
483 Allowing a granule position larger than the number of samples allows the
484  beginning of a stream to be cropped or a live stream to be joined without
485  rewriting the granule position of all the remaining pages.
486 This means that the PCM sample position just before the first sample to be
487  played MAY be larger than '0'.
488 Synchronization when multiplexing with other logical streams still uses the PCM
489  sample position relative to '0' to compute sample times.
490 This does not affect the behavior of pre-skip: exactly 'pre-skip' samples
491  SHOULD be skipped from the beginning of the decoded output, even if the
492  initial PCM sample position is greater than zero.
493 </t>
494
495 <t>
496 On the other hand, a granule position that is smaller than the number of
497  decoded samples prevents a demuxer from working backwards to assign each
498  packet or each individual sample a valid granule position, since granule
499  positions are non-negative.
500 An implementation MUST reject as invalid any stream where the granule position
501  is smaller than the number of samples contained in packets that complete on
502  the first audio data page with a completed packet, unless that page has the
503  'end of stream' flag set.
504 It MAY defer this action until it decodes the last packet completed on that
505  page.
506 </t>
507
508 <t>
509 If that page has the 'end of stream' flag set, a demuxer MUST reject as invalid
510  any stream where its granule position is smaller than the 'pre-skip' amount.
511 This would indicate that there are more samples to be skipped from the initial
512  decoded output than exist in the stream.
513 If the granule position is smaller than the number of decoded samples produced
514  by the packets that complete on that page, then a demuxer MUST use an initial
515  granule position of '0', and can work forwards from '0' to timestamp
516  individual packets.
517 If the granule position is larger than the number of decoded samples available,
518  then the demuxer MUST still work backwards as described above, even if the
519  'end of stream' flag is set, to determine the initial granule position, and
520  thus the initial PCM sample position.
521 Both of these will be greater than '0' in this case.
522 </t>
523 </section>
524
525 <section anchor="seeking_and_preroll" title="Seeking and Pre-roll">
526 <t>
527 Seeking in Ogg files is best performed using a bisection search for a page
528  whose granule position corresponds to a PCM position at or before the seek
529  target.
530 With appropriately weighted bisection, accurate seeking can be performed with
531  just three or four bisections even in multi-gigabyte files.
532 See <xref target="seeking"/> for general implementation guidance.
533 </t>
534
535 <t>
536 When seeking within an Ogg Opus stream, an implementation SHOULD start decoding
537  (and discarding the output) at least 3840&nbsp;samples (80&nbsp;ms) prior to
538  the seek target in order to ensure that the output audio is correct by the
539  time it reaches the seek target.
540 This 'pre-roll' is separate from, and unrelated to, the 'pre-skip' used at the
541  beginning of the stream.
542 If the point 80&nbsp;ms prior to the seek target comes before the initial PCM
543  sample position, an implementation SHOULD start decoding from the beginning of
544  the stream, applying pre-skip as normal, regardless of whether the pre-skip is
545  larger or smaller than 80&nbsp;ms, and then continue to discard samples
546  to reach the seek target (if any).
547 </t>
548 </section>
549
550 </section>
551
552 <section anchor="headers" title="Header Packets">
553 <t>
554 An Ogg Opus logical stream contains exactly two mandatory header packets:
555  an identification header and a comment header.
556 </t>
557
558 <section anchor="id_header" title="Identification Header">
559
560 <figure anchor="id_header_packet" title="ID Header Packet" align="center">
561 <artwork align="center"><![CDATA[
562  0                   1                   2                   3
563  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
564 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
565 |      'O'      |      'p'      |      'u'      |      's'      |
566 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
567 |      'H'      |      'e'      |      'a'      |      'd'      |
568 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
569 |  Version = 1  | Channel Count |           Pre-skip            |
570 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
571 |                     Input Sample Rate (Hz)                    |
572 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
573 |   Output Gain (Q7.8 in dB)    | Mapping Family|               |
574 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+               :
575 |                                                               |
576 :               Optional Channel Mapping Table...               :
577 |                                                               |
578 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
579 ]]></artwork>
580 </figure>
581
582 <t>
583 The fields in the identification (ID) header have the following meaning:
584 <list style="numbers">
585 <t>Magic Signature:
586 <vspace blankLines="1"/>
587 This is an 8-octet (64-bit) field that allows codec identification and is
588  human-readable.
589 It contains, in order, the magic numbers:
590 <list style="empty">
591 <t>0x4F 'O'</t>
592 <t>0x70 'p'</t>
593 <t>0x75 'u'</t>
594 <t>0x73 's'</t>
595 <t>0x48 'H'</t>
596 <t>0x65 'e'</t>
597 <t>0x61 'a'</t>
598 <t>0x64 'd'</t>
599 </list>
600 Starting with "Op" helps distinguish it from audio data packets, as this is an
601  invalid TOC sequence.
602 <vspace blankLines="1"/>
603 </t>
604 <t>Version (8 bits, unsigned):
605 <vspace blankLines="1"/>
606 The version number MUST always be '1' for this version of the encapsulation
607  specification.
608 Implementations SHOULD treat streams where the upper four bits of the version
609  number match that of a recognized specification as backwards-compatible with
610  that specification.
611 That is, the version number can be split into "major" and "minor" version
612  sub-fields, with changes to the "minor" sub-field (in the lower four bits)
613  signaling compatible changes.
614 For example, an implementation of this specification SHOULD accept any stream
615  with a version number of '15' or less, and SHOULD assume any stream with a
616  version number '16' or greater is incompatible.
617 The initial version '1' was chosen to keep implementations from relying on this
618  octet as a null terminator for the "OpusHead" string.
619 <vspace blankLines="1"/>
620 </t>
621 <t>Output Channel Count 'C' (8 bits, unsigned):
622 <vspace blankLines="1"/>
623 This is the number of output channels.
624 This might be different than the number of encoded channels, which can change
625  on a packet-by-packet basis.
626 This value MUST NOT be zero.
627 The maximum allowable value depends on the channel mapping family, and might be
628  as large as 255.
629 See <xref target="channel_mapping"/> for details.
630 <vspace blankLines="1"/>
631 </t>
632 <t>Pre-skip (16 bits, unsigned, little
633  endian):
634 <vspace blankLines="1"/>
635 This is the number of samples (at 48&nbsp;kHz) to discard from the decoder
636  output when starting playback, and also the number to subtract from a page's
637  granule position to calculate its PCM sample position.
638 When cropping the beginning of existing Ogg Opus streams, a pre-skip of at
639  least 3,840&nbsp;samples (80&nbsp;ms) is RECOMMENDED to ensure complete
640  convergence in the decoder.
641 <vspace blankLines="1"/>
642 </t>
643 <t>Input Sample Rate (32 bits, unsigned, little
644  endian):
645 <vspace blankLines="1"/>
646 This field is <spanx style="emph">not</spanx> the sample rate to use for
647  playback of the encoded data.
648 <vspace blankLines="1"/>
649 Opus can switch between internal audio bandwidths of 4, 6, 8, 12, and
650  20&nbsp;kHz.
651 Each packet in the stream can have a different audio bandwidth.
652 Regardless of the audio bandwidth, the reference decoder supports decoding any
653  stream at a sample rate of 8, 12, 16, 24, or 48&nbsp;kHz.
654 The original sample rate of the audio passed to the encoder is not preserved
655  by the lossy compression.
656 <vspace blankLines="1"/>
657 An Ogg Opus player SHOULD select the playback sample rate according to the
658  following procedure:
659 <list style="numbers">
660 <t>If the hardware supports 48&nbsp;kHz playback, decode at 48&nbsp;kHz.</t>
661 <t>Otherwise, if the hardware's highest available sample rate is a supported
662  rate, decode at this sample rate.</t>
663 <t>Otherwise, if the hardware's highest available sample rate is less than
664  48&nbsp;kHz, decode at the next highest supported rate above this and
665  resample.</t>
666 <t>Otherwise, decode at 48&nbsp;kHz and resample.</t>
667 </list>
668 However, the 'Input Sample Rate' field allows the muxer to pass the sample
669  rate of the original input stream as metadata.
670 This is useful when the user requires the output sample rate to match the
671  input sample rate.
672 For example, when not playing the output, an implementation writing PCM format
673  samples to disk might choose to resample the audio back to the original input
674  sample rate to reduce surprise to the user, who might reasonably expect to get
675  back a file with the same sample rate.
676 <vspace blankLines="1"/>
677 A value of zero indicates 'unspecified'.
678 Muxers SHOULD write the actual input sample rate or zero, but implementations
679  which do something with this field SHOULD take care to behave sanely if given
680  crazy values (e.g., do not actually upsample the output to 10 MHz if
681  requested).
682 Implementations SHOULD support input sample rates between 8&nbsp;kHz and
683  192&nbsp;kHz (inclusive).
684 Rates outside this range MAY be ignored by falling back to the default rate of
685  48&nbsp;kHz instead.
686 <vspace blankLines="1"/>
687 </t>
688 <t>Output Gain (16 bits, signed, little endian):
689 <vspace blankLines="1"/>
690 This is a gain to be applied when decoding.
691 It is 20*log10 of the factor by which to scale the decoder output to achieve
692  the desired playback volume, stored in a 16-bit, signed, two's complement
693  fixed-point value with 8 fractional bits (i.e., Q7.8).
694 <figure align="center">
695 <preamble>
696 To apply the gain, an implementation could use
697 </preamble>
698 <artwork align="center"><![CDATA[
699 sample *= pow(10, output_gain/(20.0*256)) ,
700 ]]></artwork>
701 <postamble>
702  where output_gain is the raw 16-bit value from the header.
703 </postamble>
704 </figure>
705 <vspace blankLines="1"/>
706 Virtually all players and media frameworks SHOULD apply it by default.
707 If a player chooses to apply any volume adjustment or gain modification, such
708  as the R128_TRACK_GAIN (see <xref target="comment_header"/>), the adjustment
709  MUST be applied in addition to this output gain in order to achieve playback
710  at the normalized volume.
711 <vspace blankLines="1"/>
712 A muxer SHOULD set this field to zero, and instead apply any gain prior to
713  encoding, when this is possible and does not conflict with the user's wishes.
714 A nonzero output gain indicates the gain was adjusted after encoding, or that
715  a user wished to adjust the gain for playback while preserving the ability
716  to recover the original signal amplitude.
717 <vspace blankLines="1"/>
718 Although the output gain has enormous range (+/- 128 dB, enough to amplify
719  inaudible sounds to the threshold of physical pain), most applications can
720  only reasonably use a small portion of this range around zero.
721 The large range serves in part to ensure that gain can always be losslessly
722  transferred between OpusHead and R128 gain tags (see below) without
723  saturating.
724 <vspace blankLines="1"/>
725 </t>
726 <t>Channel Mapping Family (8 bits, unsigned):
727 <vspace blankLines="1"/>
728 This octet indicates the order and semantic meaning of the output channels.
729 <vspace blankLines="1"/>
730 Each possible value of this octet indicates a mapping family, which defines a
731  set of allowed channel counts, and the ordered set of channel names for each
732  allowed channel count.
733 The details are described in <xref target="channel_mapping"/>.
734 </t>
735 <t>Channel Mapping Table:
736 This table defines the mapping from encoded streams to output channels.
737 It MUST be omitted when the channel mapping family is 0, but is
738  REQUIRED otherwise.
739 Its contents are specified in <xref target="channel_mapping"/>.
740 </t>
741 </list>
742 </t>
743
744 <t>
745 All fields in the ID headers are REQUIRED, except for the channel mapping
746  table, which MUST be omitted when the channel mapping family is 0, but
747  is REQUIRED otherwise.
748 Implementations SHOULD reject ID headers which do not contain enough data for
749  these fields, even if they contain a valid Magic Signature.
750 Future versions of this specification, even backwards-compatible versions,
751  might include additional fields in the ID header.
752 If an ID header has a compatible major version, but a larger minor version,
753  an implementation MUST NOT reject it for containing additional data not
754  specified here.
755 However, implementations MAY reject streams in which the ID header does not
756  complete on the first page.
757 </t>
758
759 <section anchor="channel_mapping" title="Channel Mapping">
760 <t>
761 An Ogg Opus stream allows mapping one number of Opus streams (N) to a possibly
762  larger number of decoded channels (M+N) to yet another number of output
763  channels (C), which might be larger or smaller than the number of decoded
764  channels.
765 The order and meaning of these channels are defined by a channel mapping,
766  which consists of the 'channel mapping family' octet and, for channel mapping
767  families other than family&nbsp;0, a channel mapping table, as illustrated in
768  <xref target="channel_mapping_table"/>.
769 </t>
770
771 <figure anchor="channel_mapping_table" title="Channel Mapping Table"
772  align="center">
773 <artwork align="center"><![CDATA[
774  0                   1                   2                   3
775  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
776                                                 +-+-+-+-+-+-+-+-+
777                                                 | Stream Count  |
778 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
779 | Coupled Count |              Channel Mapping...               :
780 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
781 ]]></artwork>
782 </figure>
783
784 <t>
785 The fields in the channel mapping table have the following meaning:
786 <list style="numbers" counter="8">
787 <t>Stream Count 'N' (8 bits, unsigned):
788 <vspace blankLines="1"/>
789 This is the total number of streams encoded in each Ogg packet.
790 This value is necessary to correctly parse the packed Opus packets inside an
791  Ogg packet, as described in <xref target="packet_organization"/>.
792 This value MUST NOT be zero, as without at least one Opus packet with a valid
793  TOC sequence, a demuxer cannot recover the duration of an Ogg packet.
794 <vspace blankLines="1"/>
795 For channel mapping family&nbsp;0, this value defaults to 1, and is not coded.
796 <vspace blankLines="1"/>
797 </t>
798 <t>Coupled Stream Count 'M' (8 bits, unsigned):
799 This is the number of streams whose decoders are to be configured to produce
800  two channels.
801 This MUST be no larger than the total number of streams, N.
802 <vspace blankLines="1"/>
803 Each packet in an Opus stream has an internal channel count of 1 or 2, which
804  can change from packet to packet.
805 This is selected by the encoder depending on the bitrate and the audio being
806  encoded.
807 The original channel count of the audio passed to the encoder is not preserved
808  by the lossy compression.
809 <vspace blankLines="1"/>
810 Regardless of the internal channel count, any Opus stream can be decoded as
811  mono (a single channel) or stereo (two channels) by appropriate initialization
812  of the decoder.
813 The 'coupled stream count' field indicates that the first M Opus decoders are
814  to be initialized for stereo output, and the remaining (N&nbsp;-&nbsp;M)
815  decoders are to be initialized for mono only.
816 The total number of decoded channels, (M&nbsp;+&nbsp;N), MUST be no larger than
817  255, as there is no way to index more channels than that in the channel
818  mapping.
819 <vspace blankLines="1"/>
820 For channel mapping family&nbsp;0, this value defaults to (C&nbsp;-&nbsp;1)
821  (i.e., 0 for mono and 1 for stereo), and is not coded.
822 <vspace blankLines="1"/>
823 </t>
824 <t>Channel Mapping (8*C bits):
825 This contains one octet per output channel, indicating which decoded channel
826  is to be used for each one.
827 Let 'index' be the value of this octet for a particular output channel.
828 This value MUST either be smaller than (M+N), or be the special value 255.
829 If 'index' is less than 2*M, the output MUST be taken from decoding stream
830  ('index'/2) as stereo and selecting the left channel if 'index' is even, and
831  the right channel if 'index' is odd.
832 If 'index' is 2*M or larger, but less than 255, the output MUST be taken from
833  decoding stream ('index'&nbsp;-&nbsp;M) as mono.
834 If 'index' is 255, the corresponding output channel MUST contain pure silence.
835 <vspace blankLines="1"/>
836 The number of output channels, C, is not constrained to match the number of
837  decoded channels (M+N).
838 A single index value MAY appear multiple times, i.e., the same decoded channel
839  might be mapped to multiple output channels.
840 Some decoded channels might not be assigned to any output channel, as well.
841 <vspace blankLines="1"/>
842 For channel mapping family&nbsp;0, the first index defaults to 0, and if
843  C&nbsp;==&nbsp;2, the second index defaults to 1.
844 Neither index is coded.
845 </t>
846 </list>
847 </t>
848
849 <t>
850 After producing the output channels, the channel mapping family determines the
851  semantic meaning of each one.
852 There are three defined mapping families in this specification.
853 </t>
854
855 <section anchor="channel_mapping_0" title="Channel Mapping Family 0">
856 <t>
857 Allowed numbers of channels: 1 or 2.
858 RTP mapping.
859 This is the same channel interpretation as <xref target="RFC7587"/>.
860 </t>
861 <t>
862 <list style="symbols">
863 <t>1 channel: monophonic (mono).</t>
864 <t>2 channels: stereo (left, right).</t>
865 </list>
866 Special mapping: This channel mapping value also
867  indicates that the contents consists of a single Opus stream that is stereo if
868  and only if C&nbsp;==&nbsp;2, with stream index&nbsp;0 mapped to output
869  channel&nbsp;0 (mono, or left channel) and stream index&nbsp;1 mapped to
870  output channel&nbsp;1 (right channel) if stereo.
871 When the 'channel mapping family' octet has this value, the channel mapping
872  table MUST be omitted from the ID header packet.
873 </t>
874 </section>
875
876 <section anchor="channel_mapping_1" title="Channel Mapping Family 1">
877 <t>
878 Allowed numbers of channels: 1...8.
879 Vorbis channel order.
880 </t>
881 <t>
882 Each channel is assigned to a speaker location in a conventional surround
883  arrangement.
884 Specific locations depend on the number of channels, and are given below
885  in order of the corresponding channel indicies.
886 <list style="symbols">
887   <t>1 channel: monophonic (mono).</t>
888   <t>2 channels: stereo (left, right).</t>
889   <t>3 channels: linear surround (left, center, right)</t>
890   <t>4 channels: quadraphonic (front&nbsp;left, front&nbsp;right, rear&nbsp;left, rear&nbsp;right).</t>
891   <t>5 channels: 5.0 surround (front&nbsp;left, front&nbsp;center, front&nbsp;right, rear&nbsp;left, rear&nbsp;right).</t>
892   <t>6 channels: 5.1 surround (front&nbsp;left, front&nbsp;center, front&nbsp;right, rear&nbsp;left, rear&nbsp;right, LFE).</t>
893   <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>
894   <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>
895 </list>
896 </t>
897 <t>
898 This set of surround options and speaker location orderings is the same
899  as those used by the Vorbis codec <xref target="vorbis-mapping"/>.
900 The ordering is different from the one used by the
901  WAVE <xref target="wave-multichannel"/> and
902  FLAC <xref target="flac"/> formats,
903  so correct ordering requires permutation of the output channels when decoding
904  to or encoding from those formats.
905 'LFE' here refers to a Low Frequency Effects channel, often mapped to a
906   subwoofer with no particular spatial position.
907 Implementations SHOULD identify 'side' or 'rear' speaker locations with
908  'surround' and 'back' as appropriate when interfacing with audio formats
909  or systems which prefer that terminology.
910 </t>
911 </section>
912
913 <section anchor="channel_mapping_255"
914  title="Channel Mapping Family 255">
915 <t>
916 Allowed numbers of channels: 1...255.
917 No defined channel meaning.
918 </t>
919 <t>
920 Channels are unidentified.
921 General-purpose players SHOULD NOT attempt to play these streams.
922 Offline implementations MAY deinterleave the output into separate PCM files,
923  one per channel.
924 Implementations SHOULD NOT produce output for channels mapped to stream index
925  255 (pure silence) unless they have no other way to indicate the index of
926  non-silent channels.
927 </t>
928 </section>
929
930 <section anchor="channel_mapping_undefined"
931  title="Undefined Channel Mappings">
932 <t>
933 The remaining channel mapping families (2...254) are reserved.
934 An implementation encountering a reserved channel mapping family value SHOULD
935  act as though the value is 255.
936 </t>
937 </section>
938
939 <section anchor="downmix" title="Downmixing">
940 <t>
941 An Ogg Opus player MUST support any valid channel mapping with a channel
942  mapping family of 0 or 1, even if the number of channels does not match the
943  physically connected audio hardware.
944 Players SHOULD perform channel mixing to increase or reduce the number of
945  channels as needed.
946 </t>
947
948 <t>
949 Implementations MAY use the following matricies to implement downmixing from
950  multichannel files using <xref target="channel_mapping_1">Channel Mapping
951  Family 1</xref>, which are known to give acceptable results for stereo.
952 Matricies for 3 and 4 channels are normalized so each coefficent row sums
953  to 1 to avoid clipping.
954 For 5 or more channels they are normalized to 2 as a compromise between
955  clipping and dynamic range reduction.
956 </t>
957 <t>
958 In these matricies the front left and front right channels are generally
959 passed through directly.
960 When a surround channel is split between both the left and right stereo
961  channels, coefficients are chosen so their squares sum to 1, which
962  helps preserve the perceived intensity.
963 Rear channels are mixed more diffusely or attenuated to maintain focus
964  on the front channels.
965 </t>
966
967 <figure anchor="downmix-matrix-3"
968  title="Stereo downmix matrix for the linear surround channel mapping"
969  align="center">
970 <artwork align="center"><![CDATA[
971 L output = ( 0.585786 * left + 0.414214 * center                    )
972 R output = (                   0.414214 * center + 0.585786 * right )
973 ]]></artwork>
974 <postamble>
975 Exact coefficient values are 1 and 1/sqrt(2), multiplied by
976  1/(1 + 1/sqrt(2)) for normalization.
977 </postamble>
978 </figure>
979
980 <figure anchor="downmix-matrix-4"
981  title="Stereo downmix matrix for the quadraphonic channel mapping"
982  align="center">
983 <artwork align="center"><![CDATA[
984 /          \   /                                     \ / FL \
985 | L output |   | 0.422650 0.000000 0.366025 0.211325 | | FR |
986 | R output | = | 0.000000 0.422650 0.211325 0.366025 | | RL |
987 \          /   \                                     / \ RR /
988 ]]></artwork>
989 <postamble>
990 Exact coefficient values are 1, sqrt(3)/2 and 1/2, multiplied by
991  1/(1&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2) for normalization.
992 </postamble>
993 </figure>
994
995 <figure anchor="downmix-matrix-5"
996  title="Stereo downmix matrix for the 5.0 surround mapping"
997  align="center">
998 <artwork align="center"><![CDATA[
999                                                          / FL \
1000 /   \   /                                              \ | FC |
1001 | L |   | 0.650802 0.460186 0.000000 0.563611 0.325401 | | FR |
1002 | R | = | 0.000000 0.460186 0.650802 0.325401 0.563611 | | RL |
1003 \   /   \                                              / | RR |
1004                                                          \    /
1005 ]]></artwork>
1006 <postamble>
1007 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1008  2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2)
1009  for normalization.
1010 </postamble>
1011 </figure>
1012
1013 <figure anchor="downmix-matrix-6"
1014  title="Stereo downmix matrix for the 5.1 surround mapping"
1015  align="center">
1016 <artwork align="center"><![CDATA[
1017                                                                 /FL \
1018 / \   /                                                       \ |FC |
1019 |L|   | 0.529067 0.374107 0.000000 0.458186 0.264534 0.374107 | |FR |
1020 |R| = | 0.000000 0.374107 0.529067 0.264534 0.458186 0.374107 | |RL |
1021 \ /   \                                                       / |RR |
1022                                                                 \LFE/
1023 ]]></artwork>
1024 <postamble>
1025 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1026 2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2 + 1/sqrt(2))
1027  for normalization.
1028 </postamble>
1029 </figure>
1030
1031 <figure anchor="downmix-matrix-7"
1032  title="Stereo downmix matrix for the 6.1 surround mapping"
1033  align="center">
1034 <artwork align="center"><![CDATA[
1035  /                                                                \
1036  | 0.455310 0.321953 0.000000 0.394310 0.227655 0.278819 0.321953 |
1037  | 0.000000 0.321953 0.455310 0.227655 0.394310 0.278819 0.321953 |
1038  \                                                                /
1039 ]]></artwork>
1040 <postamble>
1041 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2, 1/2 and
1042  sqrt(3)/2/sqrt(2), multiplied by
1043  2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2 +
1044  sqrt(3)/2/sqrt(2) + 1/sqrt(2)) for normalization.
1045 The coeffients are in the same order as in <xref target="channel_mapping_1" />,
1046  and the matricies above.
1047 </postamble>
1048 </figure>
1049
1050 <figure anchor="downmix-matrix-8"
1051  title="Stereo downmix matrix for the 7.1 surround mapping"
1052  align="center">
1053 <artwork align="center"><![CDATA[
1054 /                                                                 \
1055 | .388631 .274804 .000000 .336565 .194316 .336565 .194316 .274804 |
1056 | .000000 .274804 .388631 .194316 .336565 .194316 .336565 .274804 |
1057 \                                                                 /
1058 ]]></artwork>
1059 <postamble>
1060 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1061  2/(2&nbsp;+&nbsp;2/sqrt(2)&nbsp;+&nbsp;sqrt(3)) for normalization.
1062 The coeffients are in the same order as in <xref target="channel_mapping_1" />,
1063  and the matricies above.
1064 </postamble>
1065 </figure>
1066
1067 </section>
1068
1069 </section> <!-- end channel_mapping_table -->
1070
1071 </section> <!-- end id_header -->
1072
1073 <section anchor="comment_header" title="Comment Header">
1074
1075 <figure anchor="comment_header_packet" title="Comment Header Packet"
1076  align="center">
1077 <artwork align="center"><![CDATA[
1078  0                   1                   2                   3
1079  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
1080 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1081 |      'O'      |      'p'      |      'u'      |      's'      |
1082 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1083 |      'T'      |      'a'      |      'g'      |      's'      |
1084 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1085 |                     Vendor String Length                      |
1086 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1087 |                                                               |
1088 :                        Vendor String...                       :
1089 |                                                               |
1090 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1091 |                   User Comment List Length                    |
1092 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1093 |                 User Comment #0 String Length                 |
1094 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1095 |                                                               |
1096 :                   User Comment #0 String...                   :
1097 |                                                               |
1098 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1099 |                 User Comment #1 String Length                 |
1100 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1101 :                                                               :
1102 ]]></artwork>
1103 </figure>
1104
1105 <t>
1106 The comment header consists of a 64-bit magic signature, followed by data in
1107  the same format as the <xref target="vorbis-comment"/> header used in Ogg
1108  Vorbis, except (like Ogg Theora and Speex) the final "framing bit" specified
1109  in the Vorbis spec is not present.
1110 <list style="numbers">
1111 <t>Magic Signature:
1112 <vspace blankLines="1"/>
1113 This is an 8-octet (64-bit) field that allows codec identification and is
1114  human-readable.
1115 It contains, in order, the magic numbers:
1116 <list style="empty">
1117 <t>0x4F 'O'</t>
1118 <t>0x70 'p'</t>
1119 <t>0x75 'u'</t>
1120 <t>0x73 's'</t>
1121 <t>0x54 'T'</t>
1122 <t>0x61 'a'</t>
1123 <t>0x67 'g'</t>
1124 <t>0x73 's'</t>
1125 </list>
1126 Starting with "Op" helps distinguish it from audio data packets, as this is an
1127  invalid TOC sequence.
1128 <vspace blankLines="1"/>
1129 </t>
1130 <t>Vendor String Length (32 bits, unsigned, little endian):
1131 <vspace blankLines="1"/>
1132 This field gives the length of the following vendor string, in octets.
1133 It MUST NOT indicate that the vendor string is longer than the rest of the
1134  packet.
1135 <vspace blankLines="1"/>
1136 </t>
1137 <t>Vendor String (variable length, UTF-8 vector):
1138 <vspace blankLines="1"/>
1139 This is a simple human-readable tag for vendor information, encoded as a UTF-8
1140  string&nbsp;<xref target="RFC3629"/>.
1141 No terminating null octet is necessary.
1142 <vspace blankLines="1"/>
1143 This tag is intended to identify the codec encoder and encapsulation
1144  implementations, for tracing differences in technical behavior.
1145 User-facing applications can use the 'ENCODER' user comment tag to identify
1146  themselves.
1147 <vspace blankLines="1"/>
1148 </t>
1149 <t>User Comment List Length (32 bits, unsigned, little endian):
1150 <vspace blankLines="1"/>
1151 This field indicates the number of user-supplied comments.
1152 It MAY indicate there are zero user-supplied comments, in which case there are
1153  no additional fields in the packet.
1154 It MUST NOT indicate that there are so many comments that the comment string
1155  lengths would require more data than is available in the rest of the packet.
1156 <vspace blankLines="1"/>
1157 </t>
1158 <t>User Comment #i String Length (32 bits, unsigned, little endian):
1159 <vspace blankLines="1"/>
1160 This field gives the length of the following user comment string, in octets.
1161 There is one for each user comment indicated by the 'user comment list length'
1162  field.
1163 It MUST NOT indicate that the string is longer than the rest of the packet.
1164 <vspace blankLines="1"/>
1165 </t>
1166 <t>User Comment #i String (variable length, UTF-8 vector):
1167 <vspace blankLines="1"/>
1168 This field contains a single user comment string.
1169 There is one for each user comment indicated by the 'user comment list length'
1170  field.
1171 </t>
1172 </list>
1173 </t>
1174
1175 <t>
1176 The vendor string length and user comment list length are REQUIRED, and
1177  implementations SHOULD reject comment headers that do not contain enough data
1178  for these fields, or that do not contain enough data for the corresponding
1179  vendor string or user comments they describe.
1180 Making this check before allocating the associated memory to contain the data
1181  helps prevent a possible Denial-of-Service (DoS) attack from small comment
1182  headers that claim to contain strings longer than the entire packet or more
1183  user comments than than could possibly fit in the packet.
1184 </t>
1185
1186 <t>
1187 Immediately following the user comment list, the comment header MAY
1188  contain zero-padding or other binary data which is not specified here.
1189 If the least-significant bit of the first byte of this data is 1, then editors
1190  SHOULD preserve the contents of this data when updating the tags, but if this
1191  bit is 0, all such data MAY be treated as padding, and truncated or discarded
1192  as desired.
1193 </t>
1194
1195 <t>
1196 The comment header can be arbitrarily large and might be spread over a large
1197  number of Ogg pages.
1198 Implementations SHOULD avoid attempting to allocate excessive amounts of memory
1199  when presented with a very large comment header.
1200 To accomplish this, implementations MAY reject a comment header larger than
1201  125,829,120&nbsp;octets, and MAY ignore individual comments that are not fully
1202  contained within the first 61,440 octets of the comment header.
1203 </t>
1204
1205 <section anchor="comment_format" title="Tag Definitions">
1206 <t>
1207 The user comment strings follow the NAME=value format described by
1208  <xref target="vorbis-comment"/> with the same recommended tag names:
1209  ARTIST, TITLE, DATE, ALBUM, and so on.
1210 </t>
1211 <t>
1212 Two new comment tags are introduced here:
1213 </t>
1214
1215 <figure align="center">
1216   <preamble>An optional gain for track nomalization</preamble>
1217 <artwork align="left"><![CDATA[
1218 R128_TRACK_GAIN=-573
1219 ]]></artwork>
1220 <postamble>
1221 representing the volume shift needed to normalize the track's volume
1222  during isolated playback, in random shuffle, and so on.
1223 The gain is a Q7.8 fixed point number in dB, as in the ID header's 'output
1224  gain' field.
1225 </postamble>
1226 </figure>
1227 <t>
1228 This tag is similar to the REPLAYGAIN_TRACK_GAIN tag in
1229  Vorbis&nbsp;<xref target="replay-gain"/>, except that the normal volume
1230  reference is the <xref target="EBU-R128"/> standard.
1231 </t>
1232 <figure align="center">
1233   <preamble>An optional gain for album nomalization</preamble>
1234 <artwork align="left"><![CDATA[
1235 R128_ALBUM_GAIN=111
1236 ]]></artwork>
1237 <postamble>
1238 representing the volume shift needed to normalize the overall volume when
1239  played as part of a particular collection of tracks.
1240 The gain is also a Q7.8 fixed point number in dB, as in the ID header's
1241  'output gain' field.
1242 </postamble>
1243 </figure>
1244 <t>
1245 An Ogg Opus stream MUST NOT have more than one of each tag, and if present
1246  their values MUST be an integer from -32768 to 32767, inclusive,
1247  represented in ASCII as a base 10 number with no whitespace.
1248 A leading '+' or '-' character is valid.
1249 Leading zeros are also permitted, but the value MUST be represented by
1250  no more than 6 characters.
1251 Other non-digit characters MUST NOT be present.
1252 </t>
1253 <t>
1254 If present, R128_TRACK_GAIN and R128_ALBUM_GAIN MUST correctly represent
1255  the R128 normalization gain relative to the 'output gain' field specified
1256  in the ID header.
1257 If a player chooses to make use of the R128_TRACK_GAIN tag or the
1258  R128_ALBUM_GAIN tag, it MUST apply those gains
1259  <spanx style="emph">in addition</spanx> to the 'output gain' value.
1260 If a tool modifies the ID header's 'output gain' field, it MUST also update or
1261  remove the R128_TRACK_GAIN and R128_ALBUM_GAIN comment tags if present.
1262 An muxer SHOULD assume that by default tools will respect the 'output gain'
1263  field, and not the comment tag.
1264 </t>
1265 <t>
1266 To avoid confusion with multiple normalization schemes, an Opus comment header
1267  SHOULD NOT contain any of the REPLAYGAIN_TRACK_GAIN, REPLAYGAIN_TRACK_PEAK,
1268  REPLAYGAIN_ALBUM_GAIN, or REPLAYGAIN_ALBUM_PEAK tags.
1269 <xref target="EBU-R128"/> normalization is preferred to the earlier
1270  REPLAYGAIN schemes because of its clear definition and adoption by industry.
1271 Peak normalizations are difficult to calculate reliably for lossy codecs
1272  because of variation in excursion heights due to decoder differences.
1273 In the authors' investigations they were not applied consistently or broadly
1274  enough to merit inclusion here.
1275 </t>
1276 </section> <!-- end comment_format -->
1277 </section> <!-- end comment_header -->
1278
1279 </section> <!-- end headers -->
1280
1281 <section anchor="packet_size_limits" title="Packet Size Limits">
1282 <t>
1283 Technically, valid Opus packets can be arbitrarily large due to the padding
1284  format, although the amount of non-padding data they can contain is bounded.
1285 These packets might be spread over a similarly enormous number of Ogg pages.
1286 When encoding, implementations SHOULD limit the use of padding in audio data
1287  packets to no more than is necessary to make a variable bitrate (VBR) stream
1288  constant bitrate (CBR).
1289 Demuxers SHOULD reject audio data packets larger than 61,440 octets per
1290  Opus stream.
1291 Such packets necessarily contain more padding than needed for this purpose.
1292 Demuxers SHOULD avoid attempting to allocate excessive amounts of memory when
1293  presented with a very large packet.
1294 Demuxers MAY reject or partially process audio data packets larger than
1295  61,440&nbsp;octets in an Ogg Opus stream with channel mapping families&nbsp;0
1296  or&nbsp;1.
1297 Demuxers MAY reject or partially process audio data packets in any Ogg Opus
1298  stream if the packet is larger than 61,440&nbsp;octets and also larger than
1299  7,680&nbsp;octets per Opus stream.
1300 The presence of an extremely large packet in the stream could indicate a
1301  memory exhaustion attack or stream corruption.
1302 </t>
1303 <t>
1304 In an Ogg Opus stream, the largest possible valid packet that does not use
1305  padding has a size of (61,298*N&nbsp;-&nbsp;2) octets.
1306 With 255&nbsp;streams, this is 15,630,988&nbsp;octets and can
1307  span up to 61,298&nbsp;Ogg pages, all but one of which will have a granule
1308  position of -1.
1309 This is of course a very extreme packet, consisting of 255&nbsp;streams, each
1310  containing 120&nbsp;ms of audio encoded as 2.5&nbsp;ms frames, each frame
1311  using the maximum possible number of octets (1275) and stored in the least
1312  efficient manner allowed (a VBR code&nbsp;3 Opus packet).
1313 Even in such a packet, most of the data will be zeros as 2.5&nbsp;ms frames
1314  cannot actually use all 1275&nbsp;octets.
1315 </t>
1316 <t>
1317 The largest packet consisting of entirely useful data is
1318  (15,326*N&nbsp;-&nbsp;2) octets.
1319 This corresponds to 120&nbsp;ms of audio encoded as 10&nbsp;ms frames in either
1320  SILK or Hybrid mode, but at a data rate of over 1&nbsp;Mbps, which makes little
1321  sense for the quality achieved.
1322 </t>
1323 <t>
1324 A more reasonable limit is (7,664*N&nbsp;-&nbsp;2) octets.
1325 This corresponds to 120&nbsp;ms of audio encoded as 20&nbsp;ms stereo CELT mode
1326  frames, with a total bitrate just under 511&nbsp;kbps (not counting the Ogg
1327  encapsulation overhead).
1328 For channel mapping family 1, N=8 provides a reasonable upper bound, as it
1329  allows for each of the 8 possible output channels to be decoded from a
1330  separate stereo Opus stream.
1331 This gives a size of 61,310&nbsp;octets, which is rounded up to a multiple of
1332  1,024&nbsp;octets to yield the audio data packet size of 61,440&nbsp;octets
1333  that any implementation is expected to be able to process successfully.
1334 </t>
1335 </section>
1336
1337 <section anchor="encoder" title="Encoder Guidelines">
1338 <t>
1339 When encoding Opus streams, Ogg muxers SHOULD take into account the
1340  algorithmic delay of the Opus encoder.
1341 </t>
1342 <figure align="center">
1343 <preamble>
1344 In encoders derived from the reference implementation, the number of
1345  samples can be queried with:
1346 </preamble>
1347 <artwork align="center"><![CDATA[
1348  opus_encoder_ctl(encoder_state, OPUS_GET_LOOKAHEAD(&delay_samples));
1349 ]]></artwork>
1350 </figure>
1351 <t>
1352 To achieve good quality in the very first samples of a stream, implementations
1353  MAY use linear predictive coding (LPC) extrapolation
1354  <xref target="linear-prediction"/> to generate at least 120 extra samples at
1355  the beginning to avoid the Opus encoder having to encode a discontinuous
1356  signal.
1357 For an input file containing 'length' samples, the implementation SHOULD set
1358  the pre-skip header value to (delay_samples&nbsp;+&nbsp;extra_samples), encode
1359  at least (length&nbsp;+&nbsp;delay_samples&nbsp;+&nbsp;extra_samples)
1360  samples, and set the granule position of the last page to
1361  (length&nbsp;+&nbsp;delay_samples&nbsp;+&nbsp;extra_samples).
1362 This ensures that the encoded file has the same duration as the original, with
1363  no time offset. The best way to pad the end of the stream is to also use LPC
1364  extrapolation, but zero-padding is also acceptable.
1365 </t>
1366
1367 <section anchor="lpc" title="LPC Extrapolation">
1368 <t>
1369 The first step in LPC extrapolation is to compute linear prediction
1370  coefficients. <xref target="lpc-sample"/>
1371 When extending the end of the signal, order-N (typically with N ranging from 8
1372  to 40) LPC analysis is performed on a window near the end of the signal.
1373 The last N samples are used as memory to an infinite impulse response (IIR)
1374  filter.
1375 </t>
1376 <figure align="center">
1377 <preamble>
1378 The filter is then applied on a zero input to extrapolate the end of the signal.
1379 Let a(k) be the kth LPC coefficient and x(n) be the nth sample of the signal,
1380  each new sample past the end of the signal is computed as:
1381 </preamble>
1382 <artwork align="center"><![CDATA[
1383         N
1384        ---
1385 x(n) = \   a(k)*x(n-k)
1386        /
1387        ---
1388        k=1
1389 ]]></artwork>
1390 </figure>
1391 <t>
1392 The process is repeated independently for each channel.
1393 It is possible to extend the beginning of the signal by applying the same
1394  process backward in time.
1395 When extending the beginning of the signal, it is best to apply a "fade in" to
1396  the extrapolated signal, e.g. by multiplying it by a half-Hanning window
1397  <xref target="hanning"/>.
1398 </t>
1399
1400 </section>
1401
1402 <section anchor="continuous_chaining" title="Continuous Chaining">
1403 <t>
1404 In some applications, such as Internet radio, it is desirable to cut a long
1405  stream into smaller chains, e.g. so the comment header can be updated.
1406 This can be done simply by separating the input streams into segments and
1407  encoding each segment independently.
1408 The drawback of this approach is that it creates a small discontinuity
1409  at the boundary due to the lossy nature of Opus.
1410 An muxer MAY avoid this discontinuity by using the following procedure:
1411 <list style="numbers">
1412 <t>Encode the last frame of the first segment as an independent frame by
1413  turning off all forms of inter-frame prediction.
1414 De-emphasis is allowed.</t>
1415 <t>Set the granule position of the last page to a point near the end of the
1416  last frame.</t>
1417 <t>Begin the second segment with a copy of the last frame of the first
1418  segment.</t>
1419 <t>Set the pre-skip value of the second stream in such a way as to properly
1420  join the two streams.</t>
1421 <t>Continue the encoding process normally from there, without any reset to
1422  the encoder.</t>
1423 </list>
1424 </t>
1425 <figure align="center">
1426 <preamble>
1427 In encoders derived from the reference implementation, inter-frame prediction
1428  can be turned off by calling:
1429 </preamble>
1430 <artwork align="center"><![CDATA[
1431  opus_encoder_ctl(encoder_state, OPUS_SET_PREDICTION_DISABLED(1));
1432 ]]></artwork>
1433 <postamble>
1434 For best results, this implementation requires that prediction be explicitly
1435  enabled again before resuming normal encoding, even after a reset.
1436 </postamble>
1437 </figure>
1438
1439 </section>
1440
1441 </section>
1442
1443 <section anchor="implementation" title="Implementation Status">
1444 <t>
1445 A brief summary of major implementations of this draft is available
1446  at <eref target="https://wiki.xiph.org/OggOpusImplementation"/>,
1447  along with their status.
1448 </t>
1449 <t>
1450 [Note to RFC Editor: please remove this entire section before
1451  final publication per <xref target="RFC6982"/>, along with
1452  its references.]
1453 </t>
1454 </section>
1455
1456 <section anchor="security" title="Security Considerations">
1457 <t>
1458 Implementations of the Opus codec need to take appropriate security
1459  considerations into account, as outlined in <xref target="RFC4732"/>.
1460 This is just as much a problem for the container as it is for the codec itself.
1461 Robustness against malicious payloads is extremely important.
1462 Malicious payloads MUST NOT cause an implementation to overrun its allocated
1463  memory or to take an excessive amount of resources to decode.
1464 Although problems in encoding applications are typically rarer, the same
1465  applies to the muxer.
1466 Malicious audio input streams MUST NOT cause an implementation to overrun its
1467  allocated memory or consume excessive resources because this would allow an
1468  attacker to attack transcoding gateways.
1469 </t>
1470
1471 <t>
1472 Like most other container formats, Ogg Opus streams SHOULD NOT be used with
1473  insecure ciphers or cipher modes that are vulnerable to known-plaintext
1474  attacks.
1475 Elements such as the Ogg page capture pattern and the magic signatures in the
1476  ID header and the comment header all have easily predictable values, in
1477  addition to various elements of the codec data itself.
1478 </t>
1479 </section>
1480
1481 <section anchor="content_type" title="Content Type">
1482 <t>
1483 An "Ogg Opus file" consists of one or more sequentially multiplexed segments,
1484  each containing exactly one Ogg Opus stream.
1485 The RECOMMENDED mime-type for Ogg Opus files is "audio/ogg".
1486 </t>
1487
1488 <figure>
1489 <preamble>
1490 If more specificity is desired, one MAY indicate the presence of Opus streams
1491  using the codecs parameter defined in <xref target="RFC6381"/> and
1492  <xref target="RFC5334"/>, e.g.,
1493 </preamble>
1494 <artwork align="center"><![CDATA[
1495     audio/ogg; codecs=opus
1496 ]]></artwork>
1497 <postamble>
1498  for an Ogg Opus file.
1499 </postamble>
1500 </figure>
1501
1502 <t>
1503 The RECOMMENDED filename extension for Ogg Opus files is '.opus'.
1504 </t>
1505
1506 <t>
1507 When Opus is concurrently multiplexed with other streams in an Ogg container,
1508  one SHOULD use one of the "audio/ogg", "video/ogg", or "application/ogg"
1509  mime-types, as defined in <xref target="RFC5334"/>.
1510 Such streams are not strictly "Ogg Opus files" as described above,
1511  since they contain more than a single Opus stream per sequentially
1512  multiplexed segment, e.g. video or multiple audio tracks.
1513 In such cases the the '.opus' filename extension is NOT RECOMMENDED.
1514 </t>
1515
1516 <t>
1517 In either case, this document updates <xref target="RFC5334"/>
1518  to add 'opus' as a codecs parameter value with char[8]: 'OpusHead'
1519  as Codec Identifier.
1520 </t>
1521 </section>
1522
1523 <section title="IANA Considerations">
1524 <t>
1525 This document updates the IANA Media Types registery to add .opus
1526  as a file extension for "audio/ogg", and to add itself as a reference
1527  alongside <xref target="RFC5334"/> for "audio/ogg", "video/ogg", and
1528  "application/ogg" Media Types.
1529 </t>
1530 </section>
1531
1532 <section anchor="Acknowledgments" title="Acknowledgments">
1533 <t>
1534 Thanks to Mark Harris, Greg Maxwell, Christopher "Monty" Montgomery, and
1535  Jean-Marc Valin for their valuable contributions to this document.
1536 Additional thanks to Andrew D'Addesio, Greg Maxwell, and Vincent Penquerc'h for
1537  their feedback based on early implementations.
1538 </t>
1539 </section>
1540
1541 <section title="Copying Conditions">
1542 <t>
1543 The authors agree to grant third parties the irrevocable right to copy, use,
1544  and distribute the work, with or without modification, in any medium, without
1545  royalty, provided that, unless separate permission is granted, redistributed
1546  modified works do not contain misleading author, version, name of work, or
1547  endorsement information.
1548 </t>
1549 </section>
1550
1551 </middle>
1552 <back>
1553 <references title="Normative References">
1554  &rfc2119;
1555  &rfc3533;
1556  &rfc3629;
1557  &rfc5334;
1558  &rfc6381;
1559  &rfc6716;
1560
1561 <reference anchor="EBU-R128" target="https://tech.ebu.ch/loudness">
1562 <front>
1563   <title>Loudness Recommendation EBU R128</title>
1564   <author>
1565     <organization>EBU Technical Committee</organization>
1566   </author>
1567   <date month="August" year="2011"/>
1568 </front>
1569 </reference>
1570
1571 <reference anchor="vorbis-comment"
1572  target="https://www.xiph.org/vorbis/doc/v-comment.html">
1573 <front>
1574 <title>Ogg Vorbis I Format Specification: Comment Field and Header
1575  Specification</title>
1576 <author initials="C." surname="Montgomery"
1577  fullname="Christopher &quot;Monty&quot; Montgomery"/>
1578 <date month="July" year="2002"/>
1579 </front>
1580 </reference>
1581
1582 </references>
1583
1584 <references title="Informative References">
1585
1586 <!--?rfc include="http://xml.resource.org/public/rfc/bibxml/reference.RFC.3550.xml"?-->
1587  &rfc4732;
1588  &rfc6982;
1589  &rfc7587;
1590
1591 <reference anchor="flac"
1592  target="https://xiph.org/flac/format.html">
1593   <front>
1594     <title>FLAC - Free Lossless Audio Codec Format Description</title>
1595     <author initials="J." surname="Coalson" fullname="Josh Coalson"/>
1596     <date month="January" year="2008"/>
1597   </front>
1598 </reference>
1599
1600 <reference anchor="hanning"
1601  target="https://en.wikipedia.org/wiki/Hamming_function#Hann_.28Hanning.29_window">
1602   <front>
1603     <title>Hann window</title>
1604     <author>
1605       <organization>Wikipedia</organization>
1606     </author>
1607     <date month="May" year="2013"/>
1608   </front>
1609 </reference>
1610
1611 <reference anchor="linear-prediction"
1612  target="https://en.wikipedia.org/wiki/Linear_predictive_coding">
1613   <front>
1614     <title>Linear Predictive Coding</title>
1615     <author>
1616       <organization>Wikipedia</organization>
1617     </author>
1618     <date month="January" year="2014"/>
1619   </front>
1620 </reference>
1621
1622 <reference anchor="lpc-sample"
1623   target="https://svn.xiph.org/trunk/vorbis/lib/lpc.c">
1624 <front>
1625   <title>Autocorrelation LPC coeff generation algorithm
1626     (Vorbis source code)</title>
1627 <author initials="J." surname="Degener" fullname="Jutta Degener"/>
1628 <author initials="C." surname="Bormann" fullname="Carsten Bormann"/>
1629 <date month="November" year="1994"/>
1630 </front>
1631 </reference>
1632
1633
1634 <reference anchor="replay-gain"
1635  target="https://wiki.xiph.org/VorbisComment#Replay_Gain">
1636 <front>
1637 <title>VorbisComment: Replay Gain</title>
1638 <author initials="C." surname="Parker" fullname="Conrad Parker"/>
1639 <author initials="M." surname="Leese" fullname="Martin Leese"/>
1640 <date month="June" year="2009"/>
1641 </front>
1642 </reference>
1643
1644 <reference anchor="seeking"
1645  target="https://wiki.xiph.org/Seeking">
1646 <front>
1647 <title>Granulepos Encoding and How Seeking Really Works</title>
1648 <author initials="S." surname="Pfeiffer" fullname="Silvia Pfeiffer"/>
1649 <author initials="C." surname="Parker" fullname="Conrad Parker"/>
1650 <author initials="G." surname="Maxwell" fullname="Greg Maxwell"/>
1651 <date month="May" year="2012"/>
1652 </front>
1653 </reference>
1654
1655 <reference anchor="vorbis-mapping"
1656  target="https://www.xiph.org/vorbis/doc/Vorbis_I_spec.html#x1-810004.3.9">
1657 <front>
1658 <title>The Vorbis I Specification, Section 4.3.9 Output Channel Order</title>
1659 <author initials="C." surname="Montgomery"
1660  fullname="Christopher &quot;Monty&quot; Montgomery"/>
1661 <date month="January" year="2010"/>
1662 </front>
1663 </reference>
1664
1665 <reference anchor="vorbis-trim"
1666  target="https://xiph.org/vorbis/doc/Vorbis_I_spec.html#x1-132000A.2">
1667   <front>
1668     <title>The Vorbis I Specification, Appendix&nbsp;A: Embedding Vorbis
1669       into an Ogg stream</title>
1670     <author initials="C." surname="Montgomery"
1671      fullname="Christopher &quot;Monty&quot; Montgomery"/>
1672     <date month="November" year="2008"/>
1673   </front>
1674 </reference>
1675
1676 <reference anchor="wave-multichannel"
1677  target="http://msdn.microsoft.com/en-us/windows/hardware/gg463006.aspx">
1678   <front>
1679     <title>Multiple Channel Audio Data and WAVE Files</title>
1680     <author>
1681       <organization>Microsoft Corporation</organization>
1682     </author>
1683     <date month="March" year="2007"/>
1684   </front>
1685 </reference>
1686
1687 </references>
1688
1689 </back>
1690 </rfc>