oggopus: further cleanup in response to review.
[opus.git] / doc / draft-ietf-codec-oggopus.xml
1 <?xml version="1.0" encoding="utf-8"?>
2 <!DOCTYPE rfc SYSTEM 'rfc2629.dtd' [
3 <!ENTITY rfc2119 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.2119.xml'>
4 <!ENTITY rfc3533 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.3533.xml'>
5 <!ENTITY rfc3629 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.3629.xml'>
6 <!ENTITY rfc4732 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.4732.xml'>
7 <!ENTITY rfc5334 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.5334.xml'>
8 <!ENTITY rfc6381 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.6381.xml'>
9 <!ENTITY rfc6716 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.6716.xml'>
10 <!ENTITY rfc6982 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.6982.xml'>
11 <!ENTITY rfc7587 PUBLIC '' 'http://xml.resource.org/public/rfc/bibxml/reference.RFC.7587.xml'>
12 ]>
13 <?rfc toc="yes" symrefs="yes" ?>
14
15 <rfc ipr="trust200902" category="std" docName="draft-ietf-codec-oggopus-08">
16
17 <front>
18 <title abbrev="Ogg Opus">Ogg Encapsulation for the Opus Audio Codec</title>
19 <author initials="T.B." surname="Terriberry" fullname="Timothy B. Terriberry">
20 <organization>Mozilla Corporation</organization>
21 <address>
22 <postal>
23 <street>650 Castro Street</street>
24 <city>Mountain View</city>
25 <region>CA</region>
26 <code>94041</code>
27 <country>USA</country>
28 </postal>
29 <phone>+1 650 903-0800</phone>
30 <email>tterribe@xiph.org</email>
31 </address>
32 </author>
33
34 <author initials="R." surname="Lee" fullname="Ron Lee">
35 <organization>Voicetronix</organization>
36 <address>
37 <postal>
38 <street>246 Pulteney Street, Level 1</street>
39 <city>Adelaide</city>
40 <region>SA</region>
41 <code>5000</code>
42 <country>Australia</country>
43 </postal>
44 <phone>+61 8 8232 9112</phone>
45 <email>ron@debian.org</email>
46 </address>
47 </author>
48
49 <author initials="R." surname="Giles" fullname="Ralph Giles">
50 <organization>Mozilla Corporation</organization>
51 <address>
52 <postal>
53 <street>163 West Hastings Street</street>
54 <city>Vancouver</city>
55 <region>BC</region>
56 <code>V6B 1H5</code>
57 <country>Canada</country>
58 </postal>
59 <phone>+1 778 785 1540</phone>
60 <email>giles@xiph.org</email>
61 </address>
62 </author>
63
64 <date day="6" month="July" year="2015"/>
65 <area>RAI</area>
66 <workgroup>codec</workgroup>
67
68 <abstract>
69 <t>
70 This document defines the Ogg encapsulation for the Opus interactive speech and
71  audio codec.
72 This allows data encoded in the Opus format to be stored in an Ogg logical
73  bitstream.
74 Ogg encapsulation provides Opus with a long-term storage format supporting
75  all of the essential features, including metadata, fast and accurate seeking,
76  corruption detection, recapture after errors, low overhead, and the ability to
77  multiplex Opus with other codecs (including video) with minimal buffering.
78 It also provides a live streamable format, capable of delivery over a reliable
79  stream-oriented transport, without requiring all the data, or even the total
80  length of the data, up-front, in a form that is identical to the on-disk
81  storage format.
82 </t>
83 </abstract>
84 </front>
85
86 <middle>
87 <section anchor="intro" title="Introduction">
88 <t>
89 The IETF Opus codec is a low-latency audio codec optimized for both voice and
90  general-purpose audio.
91 See <xref target="RFC6716"/> for technical details.
92 This document defines the encapsulation of Opus in a continuous, logical Ogg
93  bitstream&nbsp;<xref target="RFC3533"/>.
94 </t>
95 <t>
96 Ogg bitstreams are made up of a series of 'pages', each of which contains data
97  from one or more 'packets'.
98 Pages are the fundamental unit of multiplexing in an Ogg stream.
99 Each page is associated with a particular logical stream and contains a capture
100  pattern and checksum, flags to mark the beginning and end of the logical
101  stream, and a 'granule position' that represents an absolute position in the
102  stream, to aid seeking.
103 A single page can contain up to 65,025 octets of packet data from up to 255
104  different packets.
105 Packets can be split arbitrarily across pages, and continued from one page to
106  the next (allowing packets much larger than would fit on a single page).
107 Each page contains 'lacing values' that indicate how the data is partitioned
108  into packets, allowing a demuxer to recover the packet boundaries without
109  examining the encoded data.
110 A packet is said to 'complete' on a page when the page contains the final
111  lacing value corresponding to that packet.
112 </t>
113 <t>
114 This encapsulation defines the contents of the packet data, including
115  the necessary headers, the organization of those packets into a logical
116  stream, and the interpretation of the codec-specific granule position field.
117 It does not attempt to describe or specify the existing Ogg container format.
118 Readers unfamiliar with the basic concepts mentioned above are encouraged to
119  review the details in <xref target="RFC3533"/>.
120 </t>
121
122 </section>
123
124 <section anchor="terminology" title="Terminology">
125 <t>
126 The key words "MUST", "MUST NOT", "REQUIRED", "SHALL", "SHALL NOT", "SHOULD",
127  "SHOULD NOT", "RECOMMENDED", "NOT RECOMMENDED", "MAY", and "OPTIONAL" in this
128  document are to be interpreted as described in <xref target="RFC2119"/>.
129 </t>
130
131 <t>
132 Implementations that fail to satisfy one or more "MUST" requirements are
133  considered non-compliant.
134 Implementations that satisfy all "MUST" requirements, but fail to satisfy one
135  or more "SHOULD" requirements are said to be "conditionally compliant".
136 All other implementations are "unconditionally compliant".
137 </t>
138
139 </section>
140
141 <section anchor="packet_organization" title="Packet Organization">
142 <t>
143 An Ogg Opus stream is organized as follows.
144 </t>
145 <t>
146 There are two mandatory header packets.
147 </t>
148 <t>
149 The first packet in the logical Ogg bitstream MUST contain the identification
150  (ID) header, which uniquely identifies a stream as Opus audio.
151 The format of this header is defined in <xref target="id_header"/>.
152 It MUST be placed alone (without any other packet data) on the first page of
153  the logical Ogg bitstream, and MUST complete on that page.
154 This page MUST have its 'beginning of stream' flag set.
155 </t>
156 <t>
157 The second packet in the logical Ogg bitstream MUST contain the comment header,
158  which contains user-supplied metadata.
159 The format of this header is defined in <xref target="comment_header"/>.
160 It MAY span multiple pages, beginning on the second page of the logical
161  stream.
162 However many pages it spans, the comment header packet MUST finish the page on
163  which it completes.
164 </t>
165 <t>
166 All subsequent pages are audio data pages, and the Ogg packets they contain are
167  audio data packets.
168 Each audio data packet contains one Opus packet for each of N different
169  streams, where N is typically one for mono or stereo, but MAY be greater than
170  one for multichannel audio.
171 The value N is specified in the ID header (see
172  <xref target="channel_mapping"/>), and is fixed over the entire length of the
173  logical Ogg bitstream.
174 </t>
175 <t>
176 The first N-1 Opus packets, if any, are packed one after another into the Ogg
177  packet, using the self-delimiting framing from Appendix&nbsp;B of
178  <xref target="RFC6716"/>.
179 The remaining Opus packet is packed at the end of the Ogg packet using the
180  regular, undelimited framing from Section&nbsp;3 of <xref target="RFC6716"/>.
181 All of the Opus packets in a single Ogg packet MUST be constrained to have the
182  same duration.
183 A decoder SHOULD treat any Opus packet whose duration is different from that of
184  the first Opus packet in an Ogg packet as if it were a malformed Opus packet
185  with an invalid TOC sequence.
186 </t>
187 <t>
188 The coding mode (SILK, Hybrid, or CELT), audio bandwidth, channel count,
189  duration (frame size), and number of frames per packet, are indicated in the
190  TOC (table of contents) sequence at the beginning of each Opus packet, as
191  described in Section&nbsp;3.1 of&nbsp;<xref target="RFC6716"/>.
192 The combination of mode, audio bandwidth, and frame size is referred to as
193  the configuration of an Opus packet.
194 </t>
195 <t>
196 The first audio data page SHOULD NOT have the 'continued packet' flag set
197  (which would indicate the first audio data packet is continued from a previous
198  page).
199 Packets MUST be placed into Ogg pages in order until the end of stream.
200 Audio packets MAY span page boundaries.
201 A decoder MUST treat a zero-octet audio data packet as if it were a malformed
202  Opus packet as described in Section&nbsp;3.4 of&nbsp;<xref target="RFC6716"/>.
203 </t>
204 <t>
205 The last page SHOULD have the 'end of stream' flag set, but implementations
206  need to be prepared to deal with truncated streams that do not have a page
207  marked 'end of stream'.
208 The final packet on the last page SHOULD NOT be a continued packet, i.e., the
209  final lacing value SHOULD be less than 255.
210 There MUST NOT be any more pages in an Opus logical bitstream after a page
211  marked 'end of stream'.
212 </t>
213 </section>
214
215 <section anchor="granpos" title="Granule Position">
216 <t>
217 The granule position MUST be zero for the ID header page and the
218  page where the comment header completes.
219 That is, the first page in the logical stream, and the last header
220  page before the first audio data page both have zero granulepos.
221 </t>
222 <t>
223 The granule position of an audio data page encodes the total number of PCM
224  samples in the stream up to and including the last fully-decodable sample from
225  the last packet completed on that page.
226 That granule position MAY be larger than zero as described in
227  <xref target="start_granpos_restrictions"/>.
228 </t>
229
230 <t>
231 A page that is entirely spanned by a single packet (that completes on a
232  subsequent page) has no granule position, and the granule position field MUST
233  be set to the special value '-1' in two's complement.
234 </t>
235
236 <t>
237 The granule position of an audio data page is in units of PCM audio samples at
238  a fixed rate of 48&nbsp;kHz (per channel; a stereo stream's granule position
239  does not increment at twice the speed of a mono stream).
240 It is possible to run an Opus decoder at other sampling rates, but the value
241  in the granule position field always counts samples assuming a 48&nbsp;kHz
242  decoding rate, and the rest of this specification makes the same assumption.
243 </t>
244
245 <t>
246 The duration of an Opus packet can be any multiple of 2.5&nbsp;ms, up to a
247  maximum of 120&nbsp;ms.
248 This duration is encoded in the TOC sequence at the beginning of each packet.
249 The number of samples returned by a decoder corresponds to this duration
250  exactly, even for the first few packets.
251 For example, a 20&nbsp;ms packet fed to a decoder running at 48&nbsp;kHz will
252  always return 960&nbsp;samples.
253 A demuxer can parse the TOC sequence at the beginning of each Ogg packet to
254  work backwards or forwards from a packet with a known granule position (i.e.,
255  the last packet completed on some page) in order to assign granule positions
256  to every packet, or even every individual sample.
257 The one exception is the last page in the stream, as described below.
258 </t>
259
260 <t>
261 All other pages with completed packets after the first MUST have a granule
262  position equal to the number of samples contained in packets that complete on
263  that page plus the granule position of the most recent page with completed
264  packets.
265 This guarantees that a demuxer can assign individual packets the same granule
266  position when working forwards as when working backwards.
267 For this to work, there cannot be any gaps.
268 </t>
269
270 <section anchor="gap-repair" title="Repairing Gaps in Real-time Streams">
271 <t>
272 In order to support capturing a real-time stream that has lost or not
273  transmitted packets, a muxer SHOULD emit packets that explicitly request the
274  use of Packet Loss Concealment (PLC) in place of the missing packets.
275 Only gaps that are a multiple of 2.5&nbsp;ms are repairable, as these are the
276  only durations that can be created by packet loss or discontinuous
277  transmission.
278 Muxers need not handle other gap sizes.
279 Creating the necessary packets involves synthesizing a TOC byte (defined in
280 Section&nbsp;3.1 of&nbsp;<xref target="RFC6716"/>)&mdash;and whatever
281  additional internal framing is needed&mdash;to indicate the packet duration
282  for each stream.
283 The actual length of each missing Opus frame inside the packet is zero bytes,
284  as defined in Section&nbsp;3.2.1 of&nbsp;<xref target="RFC6716"/>.
285 </t>
286
287 <t>
288 Zero-byte frames MAY be packed into packets using any of codes&nbsp;0, 1,
289  2, or&nbsp;3.
290 When successive frames have the same configuration, the higher code packings
291  reduce overhead.
292 Likewise, if the TOC configuration matches, the muxer MAY further combine the
293  empty frames with previous or subsequent non-zero-length frames (using
294  code&nbsp;2 or VBR code&nbsp;3).
295 </t>
296
297 <t>
298 <xref target="RFC6716"/> does not impose any requirements on the PLC, but this
299  section outlines choices that are expected to have a positive influence on
300  most PLC implementations, including the reference implementation.
301 Synthesized TOC sequences SHOULD maintain the same mode, audio bandwidth,
302  channel count, and frame size as the previous packet (if any).
303 This is the simplest and usually the most well-tested case for the PLC to
304  handle and it covers all losses that do not include a configuration switch,
305  as defined in Section&nbsp;4.5 of&nbsp;<xref target="RFC6716"/>.
306 </t>
307
308 <t>
309 When a previous packet is available, keeping the audio bandwidth and channel
310  count the same allows the PLC to provide maximum continuity in the concealment
311  data it generates.
312 However, if the size of the gap is not a multiple of the most recent frame
313  size, then the frame size will have to change for at least some frames.
314 Such changes SHOULD be delayed as long as possible to simplify
315  things for PLC implementations.
316 </t>
317
318 <t>
319 As an example, a 95&nbsp;ms gap could be encoded as nineteen 5&nbsp;ms frames
320  in two bytes with a single CBR code&nbsp;3 packet.
321 If the previous frame size was 20&nbsp;ms, using four 20&nbsp;ms frames
322  followed by three 5&nbsp;ms frames requires 4&nbsp;bytes (plus an extra byte
323  of Ogg lacing overhead), but allows the PLC to use its well-tested steady
324  state behavior for as long as possible.
325 The total bitrate of the latter approach, including Ogg overhead, is about
326  0.4&nbsp;kbps, so the impact on file size is minimal.
327 </t>
328
329 <t>
330 Changing modes is discouraged, since this causes some decoder implementations
331  to reset their PLC state.
332 However, SILK and Hybrid mode frames cannot fill gaps that are not a multiple
333  of 10&nbsp;ms.
334 If switching to CELT mode is needed to match the gap size, a muxer SHOULD do
335  so at the end of the gap to allow the PLC to function for as long as possible.
336 </t>
337
338 <t>
339 In the example above, if the previous frame was a 20&nbsp;ms SILK mode frame,
340  the better solution is to synthesize a packet describing four 20&nbsp;ms SILK
341  frames, followed by a packet with a single 10&nbsp;ms SILK
342  frame, and finally a packet with a 5&nbsp;ms CELT frame, to fill the 95&nbsp;ms
343  gap.
344 This also requires four bytes to describe the synthesized packet data (two
345  bytes for a CBR code 3 and one byte each for two code 0 packets) but three
346  bytes of Ogg lacing overhead are needed to mark the packet boundaries.
347 At 0.6 kbps, this is still a minimal bitrate impact over a naive, low quality
348  solution.
349 </t>
350
351 <t>
352 Since medium-band audio is an option only in the SILK mode, wideband frames
353  SHOULD be generated if switching from that configuration to CELT mode, to
354  ensure that any PLC implementation which does try to migrate state between
355  the modes will be able to preserve all of the available audio bandwidth.
356 </t>
357
358 </section>
359
360 <section anchor="preskip" title="Pre-skip">
361 <t>
362 There is some amount of latency introduced during the decoding process, to
363  allow for overlap in the CELT mode, stereo mixing in the SILK mode, and
364  resampling.
365 The encoder might have introduced additional latency through its own resampling
366  and analysis (though the exact amount is not specified).
367 Therefore, the first few samples produced by the decoder do not correspond to
368  real input audio, but are instead composed of padding inserted by the encoder
369  to compensate for this latency.
370 These samples need to be stored and decoded, as Opus is an asymptotically
371  convergent predictive codec, meaning the decoded contents of each frame depend
372  on the recent history of decoder inputs.
373 However, a player will want to skip these samples after decoding them.
374 </t>
375
376 <t>
377 A 'pre-skip' field in the ID header (see <xref target="id_header"/>) signals
378  the number of samples which SHOULD be skipped (decoded but discarded) at the
379  beginning of the stream.
380 This amount need not be a multiple of 2.5&nbsp;ms, MAY be smaller than a single
381  packet, or MAY span the contents of several packets.
382 These samples are not valid audio, and SHOULD NOT be played.
383 </t>
384
385 <t>
386 For example, if the first Opus frame uses the CELT mode, it will always
387  produce 120 samples of windowed overlap-add data.
388 However, the overlap data is initially all zeros (since there is no prior
389  frame), meaning this cannot, in general, accurately represent the original
390  audio.
391 The SILK mode requires additional delay to account for its analysis and
392  resampling latency.
393 The encoder delays the original audio to avoid this problem.
394 </t>
395
396 <t>
397 The pre-skip field MAY also be used to perform sample-accurate cropping of
398  already encoded streams.
399 In this case, a value of at least 3840&nbsp;samples (80&nbsp;ms) provides
400  sufficient history to the decoder that it will have converged
401  before the stream's output begins.
402 </t>
403
404 </section>
405
406 <section anchor="pcm_sample_position" title="PCM Sample Position">
407 <t>
408 <figure align="center">
409 <preamble>
410 The PCM sample position is determined from the granule position using the
411  formula
412 </preamble>
413 <artwork align="center"><![CDATA[
414 'PCM sample position' = 'granule position' - 'pre-skip' .
415 ]]></artwork>
416 </figure>
417 </t>
418
419 <t>
420 For example, if the granule position of the first audio data page is 59,971,
421  and the pre-skip is 11,971, then the PCM sample position of the last decoded
422  sample from that page is 48,000.
423 <figure align="center">
424 <preamble>
425 This can be converted into a playback time using the formula
426 </preamble>
427 <artwork align="center"><![CDATA[
428                   'PCM sample position'
429 'playback time' = --------------------- .
430                          48000.0
431 ]]></artwork>
432 </figure>
433 </t>
434
435 <t>
436 The initial PCM sample position before any samples are played is normally '0'.
437 In this case, the PCM sample position of the first audio sample to be played
438  starts at '1', because it marks the time on the clock
439  <spanx style="emph">after</spanx> that sample has been played, and a stream
440  that is exactly one second long has a final PCM sample position of '48000',
441  as in the example here.
442 </t>
443
444 <t>
445 Vorbis streams use a granule position smaller than the number of audio samples
446  contained in the first audio data page to indicate that some of those samples
447  are trimmed from the output (see <xref target="vorbis-trim"/>).
448 However, to do so, Vorbis requires that the first audio data page contains
449  exactly two packets, in order to allow the decoder to perform PCM position
450  adjustments before needing to return any PCM data.
451 Opus uses the pre-skip mechanism for this purpose instead, since the encoder
452  MAY introduce more than a single packet's worth of latency, and since very
453  large packets in streams with a very large number of channels might not fit
454  on a single page.
455 </t>
456 </section>
457
458 <section anchor="end_trimming" title="End Trimming">
459 <t>
460 The page with the 'end of stream' flag set MAY have a granule position that
461  indicates the page contains less audio data than would normally be returned by
462  decoding up through the final packet.
463 This is used to end the stream somewhere other than an even frame boundary.
464 The granule position of the most recent audio data page with completed packets
465  is used to make this determination, or '0' is used if there were no previous
466  audio data pages with a completed packet.
467 The difference between these granule positions indicates how many samples to
468  keep after decoding the packets that completed on the final page.
469 The remaining samples are discarded.
470 The number of discarded samples SHOULD be no larger than the number decoded
471  from the last packet.
472 </t>
473 </section>
474
475 <section anchor="start_granpos_restrictions"
476  title="Restrictions on the Initial Granule Position">
477 <t>
478 The granule position of the first audio data page with a completed packet MAY
479  be larger than the number of samples contained in packets that complete on
480  that page, however it MUST NOT be smaller, unless that page has the 'end of
481  stream' flag set.
482 Allowing a granule position larger than the number of samples allows the
483  beginning of a stream to be cropped or a live stream to be joined without
484  rewriting the granule position of all the remaining pages.
485 This means that the PCM sample position just before the first sample to be
486  played MAY be larger than '0'.
487 Synchronization when multiplexing with other logical streams still uses the PCM
488  sample position relative to '0' to compute sample times.
489 This does not affect the behavior of pre-skip: exactly 'pre-skip' samples
490  SHOULD be skipped from the beginning of the decoded output, even if the
491  initial PCM sample position is greater than zero.
492 </t>
493
494 <t>
495 On the other hand, a granule position that is smaller than the number of
496  decoded samples prevents a demuxer from working backwards to assign each
497  packet or each individual sample a valid granule position, since granule
498  positions are non-negative.
499 A decoder MUST reject as invalid any stream where the granule position is
500  smaller than the number of samples contained in packets that complete on the
501  first audio data page with a completed packet, unless that page has the 'end
502  of stream' flag set.
503 It MAY defer this action until it decodes the last packet completed on that
504  page.
505 </t>
506
507 <t>
508 If that page has the 'end of stream' flag set, a demuxer MUST reject as invalid
509  any stream where its granule position is smaller than the 'pre-skip' amount.
510 This would indicate that there are more samples to be skipped from the initial
511  decoded output than exist in the stream.
512 If the granule position is smaller than the number of decoded samples produced
513  by the packets that complete on that page, then a demuxer MUST use an initial
514  granule position of '0', and can work forwards from '0' to timestamp
515  individual packets.
516 If the granule position is larger than the number of decoded samples available,
517  then the demuxer MUST still work backwards as described above, even if the
518  'end of stream' flag is set, to determine the initial granule position, and
519  thus the initial PCM sample position.
520 Both of these will be greater than '0' in this case.
521 </t>
522 </section>
523
524 <section anchor="seeking_and_preroll" title="Seeking and Pre-roll">
525 <t>
526 Seeking in Ogg files is best performed using a bisection search for a page
527  whose granule position corresponds to a PCM position at or before the seek
528  target.
529 With appropriately weighted bisection, accurate seeking can be performed with
530  just three or four bisections even in multi-gigabyte files.
531 See <xref target="seeking"/> for general implementation guidance.
532 </t>
533
534 <t>
535 When seeking within an Ogg Opus stream, the decoder SHOULD start decoding (and
536  discarding the output) at least 3840&nbsp;samples (80&nbsp;ms) prior to the
537  seek target in order to ensure that the output audio is correct by the time it
538  reaches the seek target.
539 This 'pre-roll' is separate from, and unrelated to, the 'pre-skip' used at the
540  beginning of the stream.
541 If the point 80&nbsp;ms prior to the seek target comes before the initial PCM
542  sample position, the decoder SHOULD start decoding from the beginning of the
543  stream, applying pre-skip as normal, regardless of whether the pre-skip is
544  larger or smaller than 80&nbsp;ms, and then continue to discard samples
545  to reach the seek target (if any).
546 </t>
547 </section>
548
549 </section>
550
551 <section anchor="headers" title="Header Packets">
552 <t>
553 An Ogg Opus logical stream contains exactly two mandatory header packets:
554  an identification header and a comment header.
555 </t>
556
557 <section anchor="id_header" title="Identification Header">
558
559 <figure anchor="id_header_packet" title="ID Header Packet" align="center">
560 <artwork align="center"><![CDATA[
561  0                   1                   2                   3
562  0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
563 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
564 |      'O'      |      'p'      |      'u'      |      's'      |
565 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
566 |      'H'      |      'e'      |      'a'      |      'd'      |
567 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
568 |  Version = 1  | Channel Count |           Pre-skip            |
569 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
570 |                     Input Sample Rate (Hz)                    |
571 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
572 |   Output Gain (Q7.8 in dB)    | Mapping Family|               |
573 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+               :
574 |                                                               |
575 :               Optional Channel Mapping Table...               :
576 |                                                               |
577 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
578 ]]></artwork>
579 </figure>
580
581 <t>
582 The fields in the identification (ID) header have the following meaning:
583 <list style="numbers">
584 <t>Magic Signature:
585 <vspace blankLines="1"/>
586 This is an 8-octet (64-bit) field that allows codec identification and is
587  human-readable.
588 It contains, in order, the magic numbers:
589 <list style="empty">
590 <t>0x4F 'O'</t>
591 <t>0x70 'p'</t>
592 <t>0x75 'u'</t>
593 <t>0x73 's'</t>
594 <t>0x48 'H'</t>
595 <t>0x65 'e'</t>
596 <t>0x61 'a'</t>
597 <t>0x64 'd'</t>
598 </list>
599 Starting with "Op" helps distinguish it from audio data packets, as this is an
600  invalid TOC sequence.
601 <vspace blankLines="1"/>
602 </t>
603 <t>Version (8 bits, unsigned):
604 <vspace blankLines="1"/>
605 The version number MUST always be '1' for this version of the encapsulation
606  specification.
607 Implementations SHOULD treat streams where the upper four bits of the version
608  number match that of a recognized specification as backwards-compatible with
609  that specification.
610 That is, the version number can be split into "major" and "minor" version
611  sub-fields, with changes to the "minor" sub-field (in the lower four bits)
612  signaling compatible changes.
613 For example, a decoder implementing this specification SHOULD accept any stream
614  with a version number of '15' or less, and SHOULD assume any stream with a
615  version number '16' or greater is incompatible.
616 The initial version '1' was chosen to keep implementations from relying on this
617  octet as a null terminator for the "OpusHead" string.
618 <vspace blankLines="1"/>
619 </t>
620 <t>Output Channel Count 'C' (8 bits, unsigned):
621 <vspace blankLines="1"/>
622 This is the number of output channels.
623 This might be different than the number of encoded channels, which can change
624  on a packet-by-packet basis.
625 This value MUST NOT be zero.
626 The maximum allowable value depends on the channel mapping family, and might be
627  as large as 255.
628 See <xref target="channel_mapping"/> for details.
629 <vspace blankLines="1"/>
630 </t>
631 <t>Pre-skip (16 bits, unsigned, little
632  endian):
633 <vspace blankLines="1"/>
634 This is the number of samples (at 48&nbsp;kHz) to discard from the decoder
635  output when starting playback, and also the number to subtract from a page's
636  granule position to calculate its PCM sample position.
637 When cropping the beginning of existing Ogg Opus streams, a pre-skip of at
638  least 3,840&nbsp;samples (80&nbsp;ms) is RECOMMENDED to ensure complete
639  convergence in the decoder.
640 <vspace blankLines="1"/>
641 </t>
642 <t>Input Sample Rate (32 bits, unsigned, little
643  endian):
644 <vspace blankLines="1"/>
645 This field is <spanx style="emph">not</spanx> the sample rate to use for
646  playback of the encoded data.
647 <vspace blankLines="1"/>
648 Opus can switch between internal audio bandwidths of 4, 6, 8, 12, and
649  20&nbsp;kHz.
650 Each packet in the stream can have a different audio bandwidth.
651 Regardless of the audio bandwidth, the reference decoder supports decoding any
652  stream at a sample rate of 8, 12, 16, 24, or 48&nbsp;kHz.
653 The original sample rate of the audio passed to the encoder is not preserved
654  by the lossy compression.
655 <vspace blankLines="1"/>
656 An Ogg Opus player SHOULD select the playback sample rate according to the
657  following procedure:
658 <list style="numbers">
659 <t>If the hardware supports 48&nbsp;kHz playback, decode at 48&nbsp;kHz.</t>
660 <t>Otherwise, if the hardware's highest available sample rate is a supported
661  rate, decode at this sample rate.</t>
662 <t>Otherwise, if the hardware's highest available sample rate is less than
663  48&nbsp;kHz, decode at the next highest supported rate above this and
664  resample.</t>
665 <t>Otherwise, decode at 48&nbsp;kHz and resample.</t>
666 </list>
667 However, the 'Input Sample Rate' field allows the muxer to pass the sample
668  rate of the original input stream as metadata.
669 This is useful when the user requires the output sample rate to match the
670  input sample rate.
671 For example, a non-player decoder writing PCM format samples to disk might
672  choose to resample the output audio back to the original input sample rate to
673  reduce surprise to the user, who might reasonably expect to get back a file
674  with the same sample rate as the one they fed to the encoder.
675 <vspace blankLines="1"/>
676 A value of zero indicates 'unspecified'.
677 Encoders SHOULD write the actual input sample rate or zero, but decoder
678  implementations which do something with this field SHOULD take care to behave
679  sanely if given crazy values (e.g., do not actually upsample the output to
680  10 MHz if requested).
681 Input sample rates between 8&nbsp;kHz and 192&nbsp;kHz (inclusive) SHOULD be
682  supported.
683 Rates outside this range MAY be ignored by falling back to the default rate of
684  48&nbsp;kHz instead.
685 <vspace blankLines="1"/>
686 </t>
687 <t>Output Gain (16 bits, signed, little endian):
688 <vspace blankLines="1"/>
689 This is a gain to be applied by the decoder.
690 It is 20*log10 of the factor to scale the decoder output by to achieve the
691  desired playback volume, stored in a 16-bit, signed, two's complement
692  fixed-point value with 8 fractional bits (i.e., Q7.8).
693 <figure align="center">
694 <preamble>
695 To apply the gain, a decoder could use
696 </preamble>
697 <artwork align="center"><![CDATA[
698 sample *= pow(10, output_gain/(20.0*256)) ,
699 ]]></artwork>
700 <postamble>
701  where output_gain is the raw 16-bit value from the header.
702 </postamble>
703 </figure>
704 <vspace blankLines="1"/>
705 Virtually all players and media frameworks SHOULD apply it by default.
706 If a player chooses to apply any volume adjustment or gain modification, such
707  as the R128_TRACK_GAIN (see <xref target="comment_header"/>), the adjustment
708  MUST be applied in addition to this output gain in order to achieve playback
709  at the normalized volume.
710 <vspace blankLines="1"/>
711 A muxer SHOULD set this field to zero, and instead apply any gain prior to
712  encoding, when this is possible and does not conflict with the user's wishes.
713 A nonzero output gain indicates the gain was adjusted after encoding, or that
714  a user wished to adjust the gain for playback while preserving the ability
715  to recover the original signal amplitude.
716 <vspace blankLines="1"/>
717 Although the output gain has enormous range (+/- 128 dB, enough to amplify
718  inaudible sounds to the threshold of physical pain), most applications can
719  only reasonably use a small portion of this range around zero.
720 The large range serves in part to ensure that gain can always be losslessly
721  transferred between OpusHead and R128 gain tags (see below) without
722  saturating.
723 <vspace blankLines="1"/>
724 </t>
725 <t>Channel Mapping Family (8 bits, unsigned):
726 <vspace blankLines="1"/>
727 This octet indicates the order and semantic meaning of the output channels.
728 <vspace blankLines="1"/>
729 Each possible value of this octet indicates a mapping family, which defines a
730  set of allowed channel counts, and the ordered set of channel names for each
731  allowed channel count.
732 The details are described in <xref target="channel_mapping"/>.
733 </t>
734 <t>Channel Mapping Table:
735 This table defines the mapping from encoded streams to output channels.
736 It MUST be omitted when the channel mapping family is 0, but is
737  REQUIRED otherwise.
738 Its contents are specified in <xref target="channel_mapping"/>.
739 </t>
740 </list>
741 </t>
742
743 <t>
744 All fields in the ID headers are REQUIRED, except for the channel mapping
745  table, which MUST be omitted when the channel mapping family is 0, but
746  is REQUIRED otherwise.
747 Implementations SHOULD reject ID headers which do not contain enough data for
748  these fields, even if they contain a valid Magic Signature.
749 Future versions of this specification, even backwards-compatible versions,
750  might include additional fields in the ID header.
751 If an ID header has a compatible major version, but a larger minor version,
752  an implementation MUST NOT reject it for containing additional data not
753  specified here.
754 However, implementations MAY reject streams in which the ID header does not
755  complete on the first page.
756 </t>
757
758 <section anchor="channel_mapping" title="Channel Mapping">
759 <t>
760 An Ogg Opus stream allows mapping one number of Opus streams (N) to a possibly
761  larger number of decoded channels (M+N) to yet another number of output
762  channels (C), which might be larger or smaller than the number of decoded
763  channels.
764 The order and meaning of these channels are defined by a channel mapping,
765  which consists of the 'channel mapping family' octet and, for channel mapping
766  families other than family&nbsp;0, a channel mapping table, as illustrated in
767  <xref target="channel_mapping_table"/>.
768 </t>
769
770 <figure anchor="channel_mapping_table" title="Channel Mapping Table"
771  align="center">
772 <artwork align="center"><![CDATA[
773  0                   1                   2                   3
774  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
775                                                 +-+-+-+-+-+-+-+-+
776                                                 | Stream Count  |
777 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
778 | Coupled Count |              Channel Mapping...               :
779 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
780 ]]></artwork>
781 </figure>
782
783 <t>
784 The fields in the channel mapping table have the following meaning:
785 <list style="numbers" counter="8">
786 <t>Stream Count 'N' (8 bits, unsigned):
787 <vspace blankLines="1"/>
788 This is the total number of streams encoded in each Ogg packet.
789 This value is necessary to correctly parse the packed Opus packets inside an
790  Ogg packet, as described in <xref target="packet_organization"/>.
791 This value MUST NOT be zero, as without at least one Opus packet with a valid
792  TOC sequence, a demuxer cannot recover the duration of an Ogg packet.
793 <vspace blankLines="1"/>
794 For channel mapping family&nbsp;0, this value defaults to 1, and is not coded.
795 <vspace blankLines="1"/>
796 </t>
797 <t>Coupled Stream Count 'M' (8 bits, unsigned):
798 This is the number of streams whose decoders are to be configured to produce
799  two channels.
800 This MUST be no larger than the total number of streams, N.
801 <vspace blankLines="1"/>
802 Each packet in an Opus stream has an internal channel count of 1 or 2, which
803  can change from packet to packet.
804 This is selected by the encoder depending on the bitrate and the audio being
805  encoded.
806 The original channel count of the audio passed to the encoder is not preserved
807  by the lossy compression.
808 <vspace blankLines="1"/>
809 Regardless of the internal channel count, any Opus stream can be decoded as
810  mono (a single channel) or stereo (two channels) by appropriate initialization
811  of the decoder.
812 The 'coupled stream count' field indicates that the first M Opus decoders are
813  to be initialized for stereo output, and the remaining N-M decoders are to be
814  initialized for mono only.
815 The total number of decoded channels, (M+N), MUST be no larger than 255, as
816  there is no way to index more channels than that in the channel mapping.
817 <vspace blankLines="1"/>
818 For channel mapping family&nbsp;0, this value defaults to C-1 (i.e., 0 for mono
819  and 1 for stereo), and is not coded.
820 <vspace blankLines="1"/>
821 </t>
822 <t>Channel Mapping (8*C bits):
823 This contains one octet per output channel, indicating which decoded channel
824  is to be used for each one.
825 Let 'index' be the value of this octet for a particular output channel.
826 This value MUST either be smaller than (M+N), or be the special value 255.
827 If 'index' is less than 2*M, the output MUST be taken from decoding stream
828  ('index'/2) as stereo and selecting the left channel if 'index' is even, and
829  the right channel if 'index' is odd.
830 If 'index' is 2*M or larger, but less than 255, the output MUST be taken from
831  decoding stream ('index'-M) as mono.
832 If 'index' is 255, the corresponding output channel MUST contain pure silence.
833 <vspace blankLines="1"/>
834 The number of output channels, C, is not constrained to match the number of
835  decoded channels (M+N).
836 A single index value MAY appear multiple times, i.e., the same decoded channel
837  might be mapped to multiple output channels.
838 Some decoded channels might not be assigned to any output channel, as well.
839 <vspace blankLines="1"/>
840 For channel mapping family&nbsp;0, the first index defaults to 0, and if C==2,
841  the second index defaults to 1.
842 Neither index is coded.
843 </t>
844 </list>
845 </t>
846
847 <t>
848 After producing the output channels, the channel mapping family determines the
849  semantic meaning of each one.
850 There are three defined mapping families in this specification.
851 </t>
852
853 <section anchor="channel_mapping_0" title="Channel Mapping Family 0">
854 <t>
855 Allowed numbers of channels: 1 or 2.
856 RTP mapping.
857 This is the same channel interpretation as <xref target="RFC7587"/>.
858 </t>
859 <t>
860 <list style="symbols">
861 <t>1 channel: monophonic (mono).</t>
862 <t>2 channels: stereo (left, right).</t>
863 </list>
864 Special mapping: This channel mapping value also
865  indicates that the contents consists of a single Opus stream that is stereo if
866  and only if C==2, with stream index 0 mapped to output channel 0 (mono, or
867  left channel) and stream index 1 mapped to output channel 1 (right channel)
868  if stereo.
869 When the 'channel mapping family' octet has this value, the channel mapping
870  table MUST be omitted from the ID header packet.
871 </t>
872 </section>
873
874 <section anchor="channel_mapping_1" title="Channel Mapping Family 1">
875 <t>
876 Allowed numbers of channels: 1...8.
877 Vorbis channel order.
878 </t>
879 <t>
880 Each channel is assigned to a speaker location in a conventional surround
881  arrangement.
882 Specific locations depend on the number of channels, and are given below
883  in order of the corresponding channel indicies.
884 <list style="symbols">
885   <t>1 channel: monophonic (mono).</t>
886   <t>2 channels: stereo (left, right).</t>
887   <t>3 channels: linear surround (left, center, right)</t>
888   <t>4 channels: quadraphonic (front&nbsp;left, front&nbsp;right, rear&nbsp;left, rear&nbsp;right).</t>
889   <t>5 channels: 5.0 surround (front&nbsp;left, front&nbsp;center, front&nbsp;right, rear&nbsp;left, rear&nbsp;right).</t>
890   <t>6 channels: 5.1 surround (front&nbsp;left, front&nbsp;center, front&nbsp;right, rear&nbsp;left, rear&nbsp;right, LFE).</t>
891   <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>
892   <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>
893 </list>
894 </t>
895 <t>
896 This set of surround options and speaker location orderings is the same
897  as those used by the Vorbis codec <xref target="vorbis-mapping"/>.
898 The ordering is different from the one used by the
899  WAVE <xref target="wave-multichannel"/> and
900  FLAC <xref target="flac"/> formats,
901  so correct ordering requires permutation of the output channels when decoding
902  to or encoding from those formats.
903 'LFE' here refers to a Low Frequency Effects channel, often mapped to a
904   subwoofer with no particular spatial position.
905 Implementations SHOULD identify 'side' or 'rear' speaker locations with
906  'surround' and 'back' as appropriate when interfacing with audio formats
907  or systems which prefer that terminology.
908 </t>
909 </section>
910
911 <section anchor="channel_mapping_255"
912  title="Channel Mapping Family 255">
913 <t>
914 Allowed numbers of channels: 1...255.
915 No defined channel meaning.
916 </t>
917 <t>
918 Channels are unidentified.
919 General-purpose players SHOULD NOT attempt to play these streams, and offline
920  decoders MAY deinterleave the output into separate PCM files, one per channel.
921 Decoders SHOULD NOT produce output for channels mapped to stream index 255
922  (pure silence) unless they have no other way to indicate the index of
923  non-silent channels.
924 </t>
925 </section>
926
927 <section anchor="channel_mapping_undefined"
928  title="Undefined Channel Mappings">
929 <t>
930 The remaining channel mapping families (2...254) are reserved.
931 A decoder encountering a reserved channel mapping family value SHOULD act as
932  though the value is 255.
933 </t>
934 </section>
935
936 <section anchor="downmix" title="Downmixing">
937 <t>
938 An Ogg Opus player MUST support any valid channel mapping with a channel
939  mapping family of 0 or 1, even if the number of channels does not match the
940  physically connected audio hardware.
941 Players SHOULD perform channel mixing to increase or reduce the number of
942  channels as needed.
943 </t>
944
945 <t>
946 Implementations MAY use the following matricies to implement downmixing from
947  multichannel files using <xref target="channel_mapping_1">Channel Mapping
948  Family 1</xref>, which are known to give acceptable results for stereo.
949 Matricies for 3 and 4 channels are normalized so each coefficent row sums
950  to 1 to avoid clipping.
951 For 5 or more channels they are normalized to 2 as a compromise between
952  clipping and dynamic range reduction.
953 </t>
954 <t>
955 In these matricies the front left and front right channels are generally
956 passed through directly.
957 When a surround channel is split between both the left and right stereo
958  channels, coefficients are chosen so their squares sum to 1, which
959  helps preserve the perceived intensity.
960 Rear channels are mixed more diffusely or attenuated to maintain focus
961  on the front channels.
962 </t>
963
964 <figure anchor="downmix-matrix-3"
965  title="Stereo downmix matrix for the linear surround channel mapping"
966  align="center">
967 <artwork align="center"><![CDATA[
968 L output = ( 0.585786 * left + 0.414214 * center                    )
969 R output = (                   0.414214 * center + 0.585786 * right )
970 ]]></artwork>
971 <postamble>
972 Exact coefficient values are 1 and 1/sqrt(2), multiplied by
973  1/(1 + 1/sqrt(2)) for normalization.
974 </postamble>
975 </figure>
976
977 <figure anchor="downmix-matrix-4"
978  title="Stereo downmix matrix for the quadraphonic channel mapping"
979  align="center">
980 <artwork align="center"><![CDATA[
981 /          \   /                                     \ / FL \
982 | L output |   | 0.422650 0.000000 0.366025 0.211325 | | FR |
983 | R output | = | 0.000000 0.422650 0.211325 0.366025 | | RL |
984 \          /   \                                     / \ RR /
985 ]]></artwork>
986 <postamble>
987 Exact coefficient values are 1, sqrt(3)/2 and 1/2, multiplied by
988  1/(1&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2) for normalization.
989 </postamble>
990 </figure>
991
992 <figure anchor="downmix-matrix-5"
993  title="Stereo downmix matrix for the 5.0 surround mapping"
994  align="center">
995 <artwork align="center"><![CDATA[
996                                                          / FL \
997 /   \   /                                              \ | FC |
998 | L |   | 0.650802 0.460186 0.000000 0.563611 0.325401 | | FR |
999 | R | = | 0.000000 0.460186 0.650802 0.325401 0.563611 | | RL |
1000 \   /   \                                              / | RR |
1001                                                          \    /
1002 ]]></artwork>
1003 <postamble>
1004 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1005  2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2)
1006  for normalization.
1007 </postamble>
1008 </figure>
1009
1010 <figure anchor="downmix-matrix-6"
1011  title="Stereo downmix matrix for the 5.1 surround mapping"
1012  align="center">
1013 <artwork align="center"><![CDATA[
1014                                                                 /FL \
1015 / \   /                                                       \ |FC |
1016 |L|   | 0.529067 0.374107 0.000000 0.458186 0.264534 0.374107 | |FR |
1017 |R| = | 0.000000 0.374107 0.529067 0.264534 0.458186 0.374107 | |RL |
1018 \ /   \                                                       / |RR |
1019                                                                 \LFE/
1020 ]]></artwork>
1021 <postamble>
1022 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1023 2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2 + 1/sqrt(2))
1024  for normalization.
1025 </postamble>
1026 </figure>
1027
1028 <figure anchor="downmix-matrix-7"
1029  title="Stereo downmix matrix for the 6.1 surround mapping"
1030  align="center">
1031 <artwork align="center"><![CDATA[
1032  /                                                                \
1033  | 0.455310 0.321953 0.000000 0.394310 0.227655 0.278819 0.321953 |
1034  | 0.000000 0.321953 0.455310 0.227655 0.394310 0.278819 0.321953 |
1035  \                                                                /
1036 ]]></artwork>
1037 <postamble>
1038 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2, 1/2 and
1039  sqrt(3)/2/sqrt(2), multiplied by
1040  2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2 +
1041  sqrt(3)/2/sqrt(2) + 1/sqrt(2)) for normalization.
1042 The coeffients are in the same order as in <xref target="channel_mapping_1" />,
1043  and the matricies above.
1044 </postamble>
1045 </figure>
1046
1047 <figure anchor="downmix-matrix-8"
1048  title="Stereo downmix matrix for the 7.1 surround mapping"
1049  align="center">
1050 <artwork align="center"><![CDATA[
1051 /                                                                 \
1052 | .388631 .274804 .000000 .336565 .194316 .336565 .194316 .274804 |
1053 | .000000 .274804 .388631 .194316 .336565 .194316 .336565 .274804 |
1054 \                                                                 /
1055 ]]></artwork>
1056 <postamble>
1057 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1058  2/(2&nbsp;+&nbsp;2/sqrt(2)&nbsp;+&nbsp;sqrt(3)) for normalization.
1059 The coeffients are in the same order as in <xref target="channel_mapping_1" />,
1060  and the matricies above.
1061 </postamble>
1062 </figure>
1063
1064 </section>
1065
1066 </section> <!-- end channel_mapping_table -->
1067
1068 </section> <!-- end id_header -->
1069
1070 <section anchor="comment_header" title="Comment Header">
1071
1072 <figure anchor="comment_header_packet" title="Comment Header Packet"
1073  align="center">
1074 <artwork align="center"><![CDATA[
1075  0                   1                   2                   3
1076  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
1077 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1078 |      'O'      |      'p'      |      'u'      |      's'      |
1079 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1080 |      'T'      |      'a'      |      'g'      |      's'      |
1081 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1082 |                     Vendor String Length                      |
1083 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1084 |                                                               |
1085 :                        Vendor String...                       :
1086 |                                                               |
1087 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1088 |                   User Comment List Length                    |
1089 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1090 |                 User Comment #0 String Length                 |
1091 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1092 |                                                               |
1093 :                   User Comment #0 String...                   :
1094 |                                                               |
1095 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1096 |                 User Comment #1 String Length                 |
1097 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1098 :                                                               :
1099 ]]></artwork>
1100 </figure>
1101
1102 <t>
1103 The comment header consists of a 64-bit magic signature, followed by data in
1104  the same format as the <xref target="vorbis-comment"/> header used in Ogg
1105  Vorbis, except (like Ogg Theora and Speex) the final "framing bit" specified
1106  in the Vorbis spec is not present.
1107 <list style="numbers">
1108 <t>Magic Signature:
1109 <vspace blankLines="1"/>
1110 This is an 8-octet (64-bit) field that allows codec identification and is
1111  human-readable.
1112 It contains, in order, the magic numbers:
1113 <list style="empty">
1114 <t>0x4F 'O'</t>
1115 <t>0x70 'p'</t>
1116 <t>0x75 'u'</t>
1117 <t>0x73 's'</t>
1118 <t>0x54 'T'</t>
1119 <t>0x61 'a'</t>
1120 <t>0x67 'g'</t>
1121 <t>0x73 's'</t>
1122 </list>
1123 Starting with "Op" helps distinguish it from audio data packets, as this is an
1124  invalid TOC sequence.
1125 <vspace blankLines="1"/>
1126 </t>
1127 <t>Vendor String Length (32 bits, unsigned, little endian):
1128 <vspace blankLines="1"/>
1129 This field gives the length of the following vendor string, in octets.
1130 It MUST NOT indicate that the vendor string is longer than the rest of the
1131  packet.
1132 <vspace blankLines="1"/>
1133 </t>
1134 <t>Vendor String (variable length, UTF-8 vector):
1135 <vspace blankLines="1"/>
1136 This is a simple human-readable tag for vendor information, encoded as a UTF-8
1137  string&nbsp;<xref target="RFC3629"/>.
1138 No terminating null octet is necessary.
1139 <vspace blankLines="1"/>
1140 This tag is intended to identify the codec encoder and encapsulation
1141  implementations, for tracing differences in technical behavior.
1142 User-facing encoding applications can use the 'ENCODER' user comment tag
1143  to identify themselves.
1144 <vspace blankLines="1"/>
1145 </t>
1146 <t>User Comment List Length (32 bits, unsigned, little endian):
1147 <vspace blankLines="1"/>
1148 This field indicates the number of user-supplied comments.
1149 It MAY indicate there are zero user-supplied comments, in which case there are
1150  no additional fields in the packet.
1151 It MUST NOT indicate that there are so many comments that the comment string
1152  lengths would require more data than is available in the rest of the packet.
1153 <vspace blankLines="1"/>
1154 </t>
1155 <t>User Comment #i String Length (32 bits, unsigned, little endian):
1156 <vspace blankLines="1"/>
1157 This field gives the length of the following user comment string, in octets.
1158 There is one for each user comment indicated by the 'user comment list length'
1159  field.
1160 It MUST NOT indicate that the string is longer than the rest of the packet.
1161 <vspace blankLines="1"/>
1162 </t>
1163 <t>User Comment #i String (variable length, UTF-8 vector):
1164 <vspace blankLines="1"/>
1165 This field contains a single user comment string.
1166 There is one for each user comment indicated by the 'user comment list length'
1167  field.
1168 </t>
1169 </list>
1170 </t>
1171
1172 <t>
1173 The vendor string length and user comment list length are REQUIRED, and
1174  implementations SHOULD reject comment headers that do not contain enough data
1175  for these fields, or that do not contain enough data for the corresponding
1176  vendor string or user comments they describe.
1177 Making this check before allocating the associated memory to contain the data
1178  helps prevent a possible Denial-of-Service (DoS) attack from small comment
1179  headers that claim to contain strings longer than the entire packet or more
1180  user comments than than could possibly fit in the packet.
1181 </t>
1182
1183 <t>
1184 Immediately following the user comment list, the comment header MAY
1185  contain zero-padding or other binary data which is not specified here.
1186 If the least-significant bit of the first byte of this data is 1, then editors
1187  SHOULD preserve the contents of this data when updating the tags, but if this
1188  bit is 0, all such data MAY be treated as padding, and truncated or discarded
1189  as desired.
1190 </t>
1191
1192 <t>
1193 The comment header can be arbitrarily large and might be spread over a large
1194  number of Ogg pages.
1195 Decoders SHOULD avoid attempting to allocate excessive amounts of memory when
1196  presented with a very large comment header.
1197 To accomplish this, decoders MAY reject a comment header larger than
1198  125,829,120&nbsp;octets, and MAY ignore individual comments that are not fully
1199  contained within the first 61,440 octets of the comment header.
1200 </t>
1201
1202 <section anchor="comment_format" title="Tag Definitions">
1203 <t>
1204 The user comment strings follow the NAME=value format described by
1205  <xref target="vorbis-comment"/> with the same recommended tag names:
1206  ARTIST, TITLE, DATE, ALBUM, and so on.
1207 </t>
1208 <t>
1209 Two new comment tags are introduced here:
1210 </t>
1211
1212 <figure align="center">
1213   <preamble>An optional gain for track nomalization</preamble>
1214 <artwork align="left"><![CDATA[
1215 R128_TRACK_GAIN=-573
1216 ]]></artwork>
1217 <postamble>
1218 representing the volume shift needed to normalize the track's volume
1219  during isolated playback, in random shuffle, and so on.
1220 The gain is a Q7.8 fixed point number in dB, as in the ID header's 'output
1221  gain' field.
1222 </postamble>
1223 </figure>
1224 <t>
1225 This tag is similar to the REPLAYGAIN_TRACK_GAIN tag in
1226  Vorbis&nbsp;<xref target="replay-gain"/>, except that the normal volume
1227  reference is the <xref target="EBU-R128"/> standard.
1228 </t>
1229 <figure align="center">
1230   <preamble>An optional gain for album nomalization</preamble>
1231 <artwork align="left"><![CDATA[
1232 R128_ALBUM_GAIN=111
1233 ]]></artwork>
1234 <postamble>
1235 representing the volume shift needed to normalize the overall volume when
1236  played as part of a particular collection of tracks.
1237 The gain is also a Q7.8 fixed point number in dB, as in the ID header's
1238  'output gain' field.
1239 </postamble>
1240 </figure>
1241 <t>
1242 An Ogg Opus stream MUST NOT have more than one of each tag, and if present
1243  their values MUST be an integer from -32768 to 32767, inclusive,
1244  represented in ASCII as a base 10 number with no whitespace.
1245 A leading '+' or '-' character is valid.
1246 Leading zeros are also permitted, but the value MUST be represented by
1247  no more than 6 characters.
1248 Other non-digit characters MUST NOT be present.
1249 </t>
1250 <t>
1251 If present, R128_TRACK_GAIN and R128_ALBUM_GAIN MUST correctly represent
1252  the R128 normalization gain relative to the 'output gain' field specified
1253  in the ID header.
1254 If a player chooses to make use of the R128_TRACK_GAIN tag or the
1255  R128_ALBUM_GAIN tag, it MUST apply those gains
1256  <spanx style="emph">in addition</spanx> to the 'output gain' value.
1257 If a tool modifies the ID header's 'output gain' field, it MUST also update or
1258  remove the R128_TRACK_GAIN and R128_ALBUM_GAIN comment tags if present.
1259 An muxer SHOULD assume that by default tools will respect the 'output gain'
1260  field, and not the comment tag.
1261 </t>
1262 <t>
1263 To avoid confusion with multiple normalization schemes, an Opus comment header
1264  SHOULD NOT contain any of the REPLAYGAIN_TRACK_GAIN, REPLAYGAIN_TRACK_PEAK,
1265  REPLAYGAIN_ALBUM_GAIN, or REPLAYGAIN_ALBUM_PEAK tags.
1266 <xref target="EBU-R128"/> normalization is preferred to the earlier
1267  REPLAYGAIN schemes because of its clear definition and adoption by industry.
1268 Peak normalizations are difficult to calculate reliably for lossy codecs
1269  because of variation in excursion heights due to decoder differences.
1270 In the authors' investigations they were not applied consistently or broadly
1271  enough to merit inclusion here.
1272 </t>
1273 </section> <!-- end comment_format -->
1274 </section> <!-- end comment_header -->
1275
1276 </section> <!-- end headers -->
1277
1278 <section anchor="packet_size_limits" title="Packet Size Limits">
1279 <t>
1280 Technically, valid Opus packets can be arbitrarily large due to the padding
1281  format, although the amount of non-padding data they can contain is bounded.
1282 These packets might be spread over a similarly enormous number of Ogg pages.
1283 Encoders SHOULD limit the use of padding in audio data packets to no more than
1284  is necessary to make a variable bitrate (VBR) stream constant bitrate (CBR).
1285 Decoders SHOULD reject audio data packets larger than 61,440 octets per Opus
1286  stream.
1287 Such packets necessarily contain more padding than needed for this purpose.
1288 Decoders SHOULD avoid attempting to allocate excessive amounts of memory when
1289  presented with a very large packet.
1290 Decoders MAY reject or partially process audio data packets larger than
1291  61,440&nbsp;octets in an Ogg Opus stream with channel mapping families&nbsp;0
1292  or&nbsp;1.
1293 Decoders MAY reject or partially process audio data packets in any Ogg Opus
1294  stream if the packet is larger than 61,440&nbsp;octets and also larger than
1295  7,680&nbsp;octets per Opus stream.
1296 The presence of an extremely large packet in the stream could indicate a
1297  memory exhaustion attack or stream corruption.
1298 </t>
1299 <t>
1300 In an Ogg Opus stream, the largest possible valid packet that does not use
1301  padding has a size of (61,298*N&nbsp;-&nbsp;2) octets.
1302 With 255&nbsp;streams, this is 15,630,988&nbsp;octets and can
1303  span up to 61,298&nbsp;Ogg pages, all but one of which will have a granule
1304  position of -1.
1305 This is of course a very extreme packet, consisting of 255&nbsp;streams, each
1306  containing 120&nbsp;ms of audio encoded as 2.5&nbsp;ms frames, each frame
1307  using the maximum possible number of octets (1275) and stored in the least
1308  efficient manner allowed (a VBR code&nbsp;3 Opus packet).
1309 Even in such a packet, most of the data will be zeros as 2.5&nbsp;ms frames
1310  cannot actually use all 1275&nbsp;octets.
1311 </t>
1312 <t>
1313 The largest packet consisting of entirely useful data is
1314  (15,326*N&nbsp;-&nbsp;2) octets.
1315 This corresponds to 120&nbsp;ms of audio encoded as 10&nbsp;ms frames in either
1316  SILK or Hybrid mode, but at a data rate of over 1&nbsp;Mbps, which makes little
1317  sense for the quality achieved.
1318 </t>
1319 <t>
1320 A more reasonable limit is (7,664*N&nbsp;-&nbsp;2) octets.
1321 This corresponds to 120&nbsp;ms of audio encoded as 20&nbsp;ms stereo CELT mode
1322  frames, with a total bitrate just under 511&nbsp;kbps (not counting the Ogg
1323  encapsulation overhead).
1324 For channel mapping family 1, N=8 provides a reasonable upper bound, as it
1325  allows for each of the 8 possible output channels to be decoded from a
1326  separate stereo Opus stream.
1327 This gives a size of 61,310&nbsp;octets, which is rounded up to a multiple of
1328  1,024&nbsp;octets to yield the audio data packet size of 61,440&nbsp;octets
1329  that any implementation is expected to be able to process successfully.
1330 </t>
1331 </section>
1332
1333 <section anchor="encoder" title="Encoder Guidelines">
1334 <t>
1335 When encoding Opus streams, Ogg muxers SHOULD take into account the
1336  algorithmic delay of the Opus encoder.
1337 </t>
1338 <figure align="center">
1339 <preamble>
1340 In encoders derived from the reference implementation, the number of
1341  samples can be queried with:
1342 </preamble>
1343 <artwork align="center"><![CDATA[
1344  opus_encoder_ctl(encoder_state, OPUS_GET_LOOKAHEAD(&delay_samples));
1345 ]]></artwork>
1346 </figure>
1347 <t>
1348 To achieve good quality in the very first samples of a stream, the Ogg encoder
1349  MAY use linear predictive coding (LPC) extrapolation
1350  <xref target="linear-prediction"/> to generate at least 120 extra samples at
1351  the beginning to avoid the Opus encoder having to encode a discontinuous
1352  signal.
1353 For an input file containing 'length' samples, the Ogg encoder SHOULD set the
1354  pre-skip header value to delay_samples+extra_samples, encode at least
1355  length+delay_samples+extra_samples samples, and set the granulepos of the last
1356  page to length+delay_samples+extra_samples.
1357 This ensures that the encoded file has the same duration as the original, with
1358  no time offset. The best way to pad the end of the stream is to also use LPC
1359  extrapolation, but zero-padding is also acceptable.
1360 </t>
1361
1362 <section anchor="lpc" title="LPC Extrapolation">
1363 <t>
1364 The first step in LPC extrapolation is to compute linear prediction
1365  coefficients. <xref target="lpc-sample"/>
1366 When extending the end of the signal, order-N (typically with N ranging from 8
1367  to 40) LPC analysis is performed on a window near the end of the signal.
1368 The last N samples are used as memory to an infinite impulse response (IIR)
1369  filter.
1370 </t>
1371 <figure align="center">
1372 <preamble>
1373 The filter is then applied on a zero input to extrapolate the end of the signal.
1374 Let a(k) be the kth LPC coefficient and x(n) be the nth sample of the signal,
1375  each new sample past the end of the signal is computed as:
1376 </preamble>
1377 <artwork align="center"><![CDATA[
1378         N
1379        ---
1380 x(n) = \   a(k)*x(n-k)
1381        /
1382        ---
1383        k=1
1384 ]]></artwork>
1385 </figure>
1386 <t>
1387 The process is repeated independently for each channel.
1388 It is possible to extend the beginning of the signal by applying the same
1389  process backward in time.
1390 When extending the beginning of the signal, it is best to apply a "fade in" to
1391  the extrapolated signal, e.g. by multiplying it by a half-Hanning window
1392  <xref target="hanning"/>.
1393 </t>
1394
1395 </section>
1396
1397 <section anchor="continuous_chaining" title="Continuous Chaining">
1398 <t>
1399 In some applications, such as Internet radio, it is desirable to cut a long
1400  stream into smaller chains, e.g. so the comment header can be updated.
1401 This can be done simply by separating the input streams into segments and
1402  encoding each segment independently.
1403 The drawback of this approach is that it creates a small discontinuity
1404  at the boundary due to the lossy nature of Opus.
1405 An muxer MAY avoid this discontinuity by using the following procedure:
1406 <list style="numbers">
1407 <t>Encode the last frame of the first segment as an independent frame by
1408  turning off all forms of inter-frame prediction.
1409 De-emphasis is allowed.</t>
1410 <t>Set the granulepos of the last page to a point near the end of the last
1411  frame.</t>
1412 <t>Begin the second segment with a copy of the last frame of the first
1413  segment.</t>
1414 <t>Set the pre-skip value of the second stream in such a way as to properly
1415  join the two streams.</t>
1416 <t>Continue the encoding process normally from there, without any reset to
1417  the encoder.</t>
1418 </list>
1419 </t>
1420 <figure align="center">
1421 <preamble>
1422 In encoders derived from the reference implementation, inter-frame prediction
1423  can be turned off by calling:
1424 </preamble>
1425 <artwork align="center"><![CDATA[
1426  opus_encoder_ctl(encoder_state, OPUS_SET_PREDICTION_DISABLED(1));
1427 ]]></artwork>
1428 <postamble>
1429 For best results, this implementation requires that prediction be explicitly
1430  enabled again before resuming normal encoding, even after a reset.
1431 </postamble>
1432 </figure>
1433
1434 </section>
1435
1436 </section>
1437
1438 <section anchor="implementation" title="Implementation Status">
1439 <t>
1440 A brief summary of major implementations of this draft is available
1441  at <eref target="https://wiki.xiph.org/OggOpusImplementation"/>,
1442  along with their status.
1443 </t>
1444 <t>
1445 [Note to RFC Editor: please remove this entire section before
1446  final publication per <xref target="RFC6982"/>, along with
1447  its references.]
1448 </t>
1449 </section>
1450
1451 <section anchor="security" title="Security Considerations">
1452 <t>
1453 Implementations of the Opus codec need to take appropriate security
1454  considerations into account, as outlined in <xref target="RFC4732"/>.
1455 This is just as much a problem for the container as it is for the codec itself.
1456 It is extremely important for the decoder to be robust against malicious
1457  payloads.
1458 Malicious payloads MUST NOT cause the decoder to overrun its allocated memory
1459  or to take an excessive amount of resources to decode.
1460 Although problems in encoders are typically rarer, the same applies to the
1461  encoder.
1462 Malicious audio streams MUST NOT cause the encoder to overrun its allocated
1463  memory or consume excessive resources because this would allow an attacker
1464  to attack transcoding gateways.
1465 </t>
1466
1467 <t>
1468 Like most other container formats, Ogg Opus streams SHOULD NOT be used with
1469  insecure ciphers or cipher modes that are vulnerable to known-plaintext
1470  attacks.
1471 Elements such as the Ogg page capture pattern and the magic signatures in the
1472  ID header and the comment header all have easily predictable values, in
1473  addition to various elements of the codec data itself.
1474 </t>
1475 </section>
1476
1477 <section anchor="content_type" title="Content Type">
1478 <t>
1479 An "Ogg Opus file" consists of one or more sequentially multiplexed segments,
1480  each containing exactly one Ogg Opus stream.
1481 The RECOMMENDED mime-type for Ogg Opus files is "audio/ogg".
1482 </t>
1483
1484 <figure>
1485 <preamble>
1486 If more specificity is desired, one MAY indicate the presence of Opus streams
1487  using the codecs parameter defined in <xref target="RFC6381"/> and
1488  <xref target="RFC5334"/>, e.g.,
1489 </preamble>
1490 <artwork align="center"><![CDATA[
1491     audio/ogg; codecs=opus
1492 ]]></artwork>
1493 <postamble>
1494  for an Ogg Opus file.
1495 </postamble>
1496 </figure>
1497
1498 <t>
1499 The RECOMMENDED filename extension for Ogg Opus files is '.opus'.
1500 </t>
1501
1502 <t>
1503 When Opus is concurrently multiplexed with other streams in an Ogg container,
1504  one SHOULD use one of the "audio/ogg", "video/ogg", or "application/ogg"
1505  mime-types, as defined in <xref target="RFC5334"/>.
1506 Such streams are not strictly "Ogg Opus files" as described above,
1507  since they contain more than a single Opus stream per sequentially
1508  multiplexed segment, e.g. video or multiple audio tracks.
1509 In such cases the the '.opus' filename extension is NOT RECOMMENDED.
1510 </t>
1511
1512 <t>
1513 In either case, this document updates <xref target="RFC5334"/>
1514  to add 'opus' as a codecs parameter value with char[8]: 'OpusHead'
1515  as Codec Identifier.
1516 </t>
1517 </section>
1518
1519 <section title="IANA Considerations">
1520 <t>
1521 This document updates the IANA Media Types registery to add .opus
1522  as a file extension for "audio/ogg", and to add itself as a reference
1523  alongside <xref target="RFC5334"/> for "audio/ogg", "video/ogg", and
1524  "application/ogg" Media Types.
1525 </t>
1526 </section>
1527
1528 <section anchor="Acknowledgments" title="Acknowledgments">
1529 <t>
1530 Thanks to Mark Harris, Greg Maxwell, Christopher "Monty" Montgomery, and
1531  Jean-Marc Valin for their valuable contributions to this document.
1532 Additional thanks to Andrew D'Addesio, Greg Maxwell, and Vincent Penquerc'h for
1533  their feedback based on early implementations.
1534 </t>
1535 </section>
1536
1537 <section title="Copying Conditions">
1538 <t>
1539 The authors agree to grant third parties the irrevocable right to copy, use,
1540  and distribute the work, with or without modification, in any medium, without
1541  royalty, provided that, unless separate permission is granted, redistributed
1542  modified works do not contain misleading author, version, name of work, or
1543  endorsement information.
1544 </t>
1545 </section>
1546
1547 </middle>
1548 <back>
1549 <references title="Normative References">
1550  &rfc2119;
1551  &rfc3533;
1552  &rfc3629;
1553  &rfc5334;
1554  &rfc6381;
1555  &rfc6716;
1556
1557 <reference anchor="EBU-R128" target="https://tech.ebu.ch/loudness">
1558 <front>
1559   <title>Loudness Recommendation EBU R128</title>
1560   <author>
1561     <organization>EBU Technical Committee</organization>
1562   </author>
1563   <date month="August" year="2011"/>
1564 </front>
1565 </reference>
1566
1567 <reference anchor="vorbis-comment"
1568  target="https://www.xiph.org/vorbis/doc/v-comment.html">
1569 <front>
1570 <title>Ogg Vorbis I Format Specification: Comment Field and Header
1571  Specification</title>
1572 <author initials="C." surname="Montgomery"
1573  fullname="Christopher &quot;Monty&quot; Montgomery"/>
1574 <date month="July" year="2002"/>
1575 </front>
1576 </reference>
1577
1578 </references>
1579
1580 <references title="Informative References">
1581
1582 <!--?rfc include="http://xml.resource.org/public/rfc/bibxml/reference.RFC.3550.xml"?-->
1583  &rfc4732;
1584  &rfc6982;
1585  &rfc7587;
1586
1587 <reference anchor="flac"
1588  target="https://xiph.org/flac/format.html">
1589   <front>
1590     <title>FLAC - Free Lossless Audio Codec Format Description</title>
1591     <author initials="J." surname="Coalson" fullname="Josh Coalson"/>
1592     <date month="January" year="2008"/>
1593   </front>
1594 </reference>
1595
1596 <reference anchor="hanning"
1597  target="https://en.wikipedia.org/wiki/Hamming_function#Hann_.28Hanning.29_window">
1598   <front>
1599     <title>Hann window</title>
1600     <author>
1601       <organization>Wikipedia</organization>
1602     </author>
1603     <date month="May" year="2013"/>
1604   </front>
1605 </reference>
1606
1607 <reference anchor="linear-prediction"
1608  target="https://en.wikipedia.org/wiki/Linear_predictive_coding">
1609   <front>
1610     <title>Linear Predictive Coding</title>
1611     <author>
1612       <organization>Wikipedia</organization>
1613     </author>
1614     <date month="January" year="2014"/>
1615   </front>
1616 </reference>
1617
1618 <reference anchor="lpc-sample"
1619   target="https://svn.xiph.org/trunk/vorbis/lib/lpc.c">
1620 <front>
1621   <title>Autocorrelation LPC coeff generation algorithm
1622     (Vorbis source code)</title>
1623 <author initials="J." surname="Degener" fullname="Jutta Degener"/>
1624 <author initials="C." surname="Bormann" fullname="Carsten Bormann"/>
1625 <date month="November" year="1994"/>
1626 </front>
1627 </reference>
1628
1629
1630 <reference anchor="replay-gain"
1631  target="https://wiki.xiph.org/VorbisComment#Replay_Gain">
1632 <front>
1633 <title>VorbisComment: Replay Gain</title>
1634 <author initials="C." surname="Parker" fullname="Conrad Parker"/>
1635 <author initials="M." surname="Leese" fullname="Martin Leese"/>
1636 <date month="June" year="2009"/>
1637 </front>
1638 </reference>
1639
1640 <reference anchor="seeking"
1641  target="https://wiki.xiph.org/Seeking">
1642 <front>
1643 <title>Granulepos Encoding and How Seeking Really Works</title>
1644 <author initials="S." surname="Pfeiffer" fullname="Silvia Pfeiffer"/>
1645 <author initials="C." surname="Parker" fullname="Conrad Parker"/>
1646 <author initials="G." surname="Maxwell" fullname="Greg Maxwell"/>
1647 <date month="May" year="2012"/>
1648 </front>
1649 </reference>
1650
1651 <reference anchor="vorbis-mapping"
1652  target="https://www.xiph.org/vorbis/doc/Vorbis_I_spec.html#x1-810004.3.9">
1653 <front>
1654 <title>The Vorbis I Specification, Section 4.3.9 Output Channel Order</title>
1655 <author initials="C." surname="Montgomery"
1656  fullname="Christopher &quot;Monty&quot; Montgomery"/>
1657 <date month="January" year="2010"/>
1658 </front>
1659 </reference>
1660
1661 <reference anchor="vorbis-trim"
1662  target="https://xiph.org/vorbis/doc/Vorbis_I_spec.html#x1-132000A.2">
1663   <front>
1664     <title>The Vorbis I Specification, Appendix&nbsp;A: Embedding Vorbis
1665       into an Ogg stream</title>
1666     <author initials="C." surname="Montgomery"
1667      fullname="Christopher &quot;Monty&quot; Montgomery"/>
1668     <date month="November" year="2008"/>
1669   </front>
1670 </reference>
1671
1672 <reference anchor="wave-multichannel"
1673  target="http://msdn.microsoft.com/en-us/windows/hardware/gg463006.aspx">
1674   <front>
1675     <title>Multiple Channel Audio Data and WAVE Files</title>
1676     <author>
1677       <organization>Microsoft Corporation</organization>
1678     </author>
1679     <date month="March" year="2007"/>
1680   </front>
1681 </reference>
1682
1683 </references>
1684
1685 </back>
1686 </rfc>