oggopus: First pass updates for AD review comments.
[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-09"
16  updates="5334">
17
18 <front>
19 <title abbrev="Ogg Opus">Ogg Encapsulation for the Opus Audio Codec</title>
20 <author initials="T.B." surname="Terriberry" fullname="Timothy B. Terriberry">
21 <organization>Mozilla Corporation</organization>
22 <address>
23 <postal>
24 <street>650 Castro Street</street>
25 <city>Mountain View</city>
26 <region>CA</region>
27 <code>94041</code>
28 <country>USA</country>
29 </postal>
30 <phone>+1 650 903-0800</phone>
31 <email>tterribe@xiph.org</email>
32 </address>
33 </author>
34
35 <author initials="R." surname="Lee" fullname="Ron Lee">
36 <organization>Voicetronix</organization>
37 <address>
38 <postal>
39 <street>246 Pulteney Street, Level 1</street>
40 <city>Adelaide</city>
41 <region>SA</region>
42 <code>5000</code>
43 <country>Australia</country>
44 </postal>
45 <phone>+61 8 8232 9112</phone>
46 <email>ron@debian.org</email>
47 </address>
48 </author>
49
50 <author initials="R." surname="Giles" fullname="Ralph Giles">
51 <organization>Mozilla Corporation</organization>
52 <address>
53 <postal>
54 <street>163 West Hastings Street</street>
55 <city>Vancouver</city>
56 <region>BC</region>
57 <code>V6B 1H5</code>
58 <country>Canada</country>
59 </postal>
60 <phone>+1 778 785 1540</phone>
61 <email>giles@xiph.org</email>
62 </address>
63 </author>
64
65 <date day="23" month="November" year="2015"/>
66 <area>RAI</area>
67 <workgroup>codec</workgroup>
68
69 <abstract>
70 <t>
71 This document defines the Ogg encapsulation for the Opus interactive speech and
72  audio codec.
73 This allows data encoded in the Opus format to be stored in an Ogg logical
74  bitstream.
75 </t>
76 </abstract>
77 </front>
78
79 <middle>
80 <section anchor="intro" title="Introduction">
81 <t>
82 The IETF Opus codec is a low-latency audio codec optimized for both voice and
83  general-purpose audio.
84 See <xref target="RFC6716"/> for technical details.
85 This document defines the encapsulation of Opus in a continuous, logical Ogg
86  bitstream&nbsp;<xref target="RFC3533"/>.
87 Ogg encapsulation provides Opus with a long-term storage format supporting
88  all of the essential features, including metadata, fast and accurate seeking,
89  corruption detection, recapture after errors, low overhead, and the ability to
90  multiplex Opus with other codecs (including video) with minimal buffering.
91 It also provides a live streamable format, capable of delivery over a reliable
92  stream-oriented transport, without requiring all the data, or even the total
93  length of the data, up-front, in a form that is identical to the on-disk
94  storage format.
95 </t>
96 <t>
97 Ogg bitstreams are made up of a series of 'pages', each of which contains data
98  from one or more 'packets'.
99 Pages are the fundamental unit of multiplexing in an Ogg stream.
100 Each page is associated with a particular logical stream and contains a capture
101  pattern and checksum, flags to mark the beginning and end of the logical
102  stream, and a 'granule position' that represents an absolute position in the
103  stream, to aid seeking.
104 A single page can contain up to 65,025 octets of packet data from up to 255
105  different packets.
106 Packets can be split arbitrarily across pages, and continued from one page to
107  the next (allowing packets much larger than would fit on a single page).
108 Each page contains 'lacing values' that indicate how the data is partitioned
109  into packets, allowing a demultiplexer (demuxer) to recover the packet
110  boundaries without examining the encoded data.
111 A packet is said to 'complete' on a page when the page contains the final
112  lacing value corresponding to that packet.
113 </t>
114 <t>
115 This encapsulation defines the contents of the packet data, including
116  the necessary headers, the organization of those packets into a logical
117  stream, and the interpretation of the codec-specific granule position field.
118 It does not attempt to describe or specify the existing Ogg container format.
119 Readers unfamiliar with the basic concepts mentioned above are encouraged to
120  review the details in <xref target="RFC3533"/>.
121 </t>
122
123 </section>
124
125 <section anchor="terminology" title="Terminology">
126 <t>
127 The key words "MUST", "MUST NOT", "REQUIRED", "SHALL", "SHALL NOT", "SHOULD",
128  "SHOULD NOT", "RECOMMENDED", "NOT RECOMMENDED", "MAY", and "OPTIONAL" in this
129  document are to be interpreted as described in <xref target="RFC2119"/>.
130 </t>
131
132 </section>
133
134 <section anchor="packet_organization" title="Packet Organization">
135 <t>
136 An Ogg Opus stream is organized as follows.
137 </t>
138 <t>
139 There are two mandatory header packets.
140 The first packet in the logical Ogg bitstream MUST contain the identification
141  (ID) header, which uniquely identifies a stream as Opus audio.
142 The format of this header is defined in <xref target="id_header"/>.
143 It MUST be placed alone (without any other packet data) on the first page of
144  the logical Ogg bitstream, and MUST complete on that page.
145 This page MUST have its 'beginning of stream' flag set.
146 </t>
147 <t>
148 The second packet in the logical Ogg bitstream MUST contain the comment header,
149  which contains user-supplied metadata.
150 The format of this header is defined in <xref target="comment_header"/>.
151 It MAY span multiple pages, beginning on the second page of the logical
152  stream.
153 However many pages it spans, the comment header packet MUST finish the page on
154  which it completes.
155 </t>
156 <t>
157 All subsequent pages are audio data pages, and the Ogg packets they contain are
158  audio data packets.
159 Each audio data packet contains one Opus packet for each of N different
160  streams, where N is typically one for mono or stereo, but MAY be greater than
161  one for multichannel audio.
162 The value N is specified in the ID header (see
163  <xref target="channel_mapping"/>), and is fixed over the entire length of the
164  logical Ogg bitstream.
165 </t>
166 <t>
167 The first (N&nbsp;-&nbsp;1) Opus packets, if any, are packed one after another
168  into the Ogg packet, using the self-delimiting framing from Appendix&nbsp;B of
169  <xref target="RFC6716"/>.
170 The remaining Opus packet is packed at the end of the Ogg packet using the
171  regular, undelimited framing from Section&nbsp;3 of <xref target="RFC6716"/>.
172 All of the Opus packets in a single Ogg packet MUST be constrained to have the
173  same duration.
174 An implementation of this specification SHOULD treat any Opus packet whose
175  duration is different from that of the first Opus packet in an Ogg packet as
176  if it were a malformed Opus packet with an invalid Table Of Contents (TOC)
177  sequence.
178 </t>
179 <t>
180 The TOC sequence at the beginning of each Opus packet indicates the coding
181  mode, audio bandwidth, channel count, duration (frame size), and number of
182  frames per packet, as described in Section&nbsp;3.1
183  of&nbsp;<xref target="RFC6716"/>.
184 The coding mode is one of SILK, Hybrid, or Constrained Energy Lapped Transform
185  (CELT),
186 The combination of coding mode, audio bandwidth, and frame size is referred to
187  as the configuration of an Opus packet.
188 </t>
189 <t>
190 The first audio data page SHOULD NOT have the 'continued packet' flag set
191  (which would indicate the first audio data packet is continued from a previous
192  page).
193 Packets MUST be placed into Ogg pages in order until the end of stream.
194 Audio packets MAY span page boundaries.
195 An implementation MUST treat a zero-octet audio data packet as if it were a
196  malformed Opus packet as described in
197  Section&nbsp;3.4 of&nbsp;<xref target="RFC6716"/>.
198 </t>
199 <t>
200 The last page SHOULD have the 'end of stream' flag set, but implementations
201  need to be prepared to deal with truncated streams that do not have a page
202  marked 'end of stream'.
203 The final packet on the last page SHOULD NOT be a continued packet, i.e., the
204  final lacing value SHOULD be less than 255.
205 There MUST NOT be any more pages in an Opus logical bitstream after a page
206  marked 'end of stream'.
207 </t>
208 </section>
209
210 <section anchor="granpos" title="Granule Position">
211 <t>
212 The granule position MUST be zero for the ID header page and the
213  page where the comment header completes.
214 That is, the first page in the logical stream, and the last header
215  page before the first audio data page both have a granule position of zero.
216 </t>
217 <t>
218 The granule position of an audio data page encodes the total number of PCM
219  samples in the stream up to and including the last fully-decodable sample from
220  the last packet completed on that page.
221 The granule position of the first audio data page will usually be larger than
222  zero, as described in <xref target="start_granpos_restrictions"/>.
223 </t>
224
225 <t>
226 A page that is entirely spanned by a single packet (that completes on a
227  subsequent page) has no granule position, and the granule position field MUST
228  be set to the special value '-1' in two's complement.
229 </t>
230
231 <t>
232 The granule position of an audio data page is in units of PCM audio samples at
233  a fixed rate of 48&nbsp;kHz (per channel; a stereo stream's granule position
234  does not increment at twice the speed of a mono stream).
235 It is possible to run an Opus decoder at other sampling rates, but the value
236  in the granule position field always counts samples assuming a 48&nbsp;kHz
237  decoding rate, and the rest of this specification makes the same assumption.
238 </t>
239
240 <t>
241 The duration of an Opus packet can be any multiple of 2.5&nbsp;ms, up to a
242  maximum of 120&nbsp;ms.
243 This duration is encoded in the TOC sequence at the beginning of each packet.
244 The number of samples returned by a decoder corresponds to this duration
245  exactly, even for the first few packets.
246 For example, a 20&nbsp;ms packet fed to a decoder running at 48&nbsp;kHz will
247  always return 960&nbsp;samples.
248 A demuxer can parse the TOC sequence at the beginning of each Ogg packet to
249  work backwards or forwards from a packet with a known granule position (i.e.,
250  the last packet completed on some page) in order to assign granule positions
251  to every packet, or even every individual sample.
252 The one exception is the last page in the stream, as described below.
253 </t>
254
255 <t>
256 All other pages with completed packets after the first MUST have a granule
257  position equal to the number of samples contained in packets that complete on
258  that page plus the granule position of the most recent page with completed
259  packets.
260 This guarantees that a demuxer can assign individual packets the same granule
261  position when working forwards as when working backwards.
262 For this to work, there cannot be any gaps.
263 </t>
264
265 <section anchor="gap-repair" title="Repairing Gaps in Real-time Streams">
266 <t>
267 In order to support capturing a real-time stream that has lost or not
268  transmitted packets, a multiplexer (muxer) SHOULD emit packets that explicitly
269  request the use of Packet Loss Concealment (PLC) in place of the missing
270  packets.
271 Implementations that fail to do so still MUST NOT increment the granule
272  position for a page by anything other than the number of samples contained in
273  packets that actually complete on that page.
274 </t>
275 <t>
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 that 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.
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 The PCM sample position is determined from the granule position using the
410  formula
411 </t>
412 <figure align="center">
413 <artwork align="center"><![CDATA[
414 'PCM sample position' = 'granule position' - 'pre-skip' .
415 ]]></artwork>
416 </figure>
417
418 <t>
419 For example, if the granule position of the first audio data page is 59,971,
420  and the pre-skip is 11,971, then the PCM sample position of the last decoded
421  sample from that page is 48,000.
422 </t>
423 <t>
424 This can be converted into a playback time using the formula
425 </t>
426 <figure align="center">
427 <artwork align="center"><![CDATA[
428                   'PCM sample position'
429 'playback time' = --------------------- .
430                          48000.0
431 ]]></artwork>
432 </figure>
433
434 <t>
435 The initial PCM sample position before any samples are played is normally '0'.
436 In this case, the PCM sample position of the first audio sample to be played
437  starts at '1', because it marks the time on the clock
438  <spanx style="emph">after</spanx> that sample has been played, and a stream
439  that is exactly one second long has a final PCM sample position of '48000',
440  as in the example here.
441 </t>
442
443 <t>
444 Vorbis streams use a granule position smaller than the number of audio samples
445  contained in the first audio data page to indicate that some of those samples
446  are trimmed from the output (see <xref target="vorbis-trim"/>).
447 However, to do so, Vorbis requires that the first audio data page contains
448  exactly two packets, in order to allow the decoder to perform PCM position
449  adjustments before needing to return any PCM data.
450 Opus uses the pre-skip mechanism for this purpose instead, since the encoder
451  might introduce more than a single packet's worth of latency, and since very
452  large packets in streams with a very large number of channels might not fit
453  on a single page.
454 </t>
455 </section>
456
457 <section anchor="end_trimming" title="End Trimming">
458 <t>
459 The page with the 'end of stream' flag set MAY have a granule position that
460  indicates the page contains less audio data than would normally be returned by
461  decoding up through the final packet.
462 This is used to end the stream somewhere other than an even frame boundary.
463 The granule position of the most recent audio data page with completed packets
464  is used to make this determination, or '0' is used if there were no previous
465  audio data pages with a completed packet.
466 The difference between these granule positions indicates how many samples to
467  keep after decoding the packets that completed on the final page.
468 The remaining samples are discarded.
469 The number of discarded samples SHOULD be no larger than the number decoded
470  from the last packet.
471 </t>
472 </section>
473
474 <section anchor="start_granpos_restrictions"
475  title="Restrictions on the Initial Granule Position">
476 <t>
477 The granule position of the first audio data page with a completed packet MAY
478  be larger than the number of samples contained in packets that complete on
479  that page, however it MUST NOT be smaller, unless that page has the 'end of
480  stream' flag set.
481 Allowing a granule position larger than the number of samples allows the
482  beginning of a stream to be cropped or a live stream to be joined without
483  rewriting the granule position of all the remaining pages.
484 This means that the PCM sample position just before the first sample to be
485  played MAY be larger than '0'.
486 Synchronization when multiplexing with other logical streams still uses the PCM
487  sample position relative to '0' to compute sample times.
488 This does not affect the behavior of pre-skip: exactly 'pre-skip' samples
489  SHOULD be skipped from the beginning of the decoded output, even if the
490  initial PCM sample position is greater than zero.
491 </t>
492
493 <t>
494 On the other hand, a granule position that is smaller than the number of
495  decoded samples prevents a demuxer from working backwards to assign each
496  packet or each individual sample a valid granule position, since granule
497  positions are non-negative.
498 An implementation MUST reject as invalid any stream where the granule position
499  is smaller than the number of samples contained in packets that complete on
500  the first audio data page with a completed packet, unless that page has the
501  'end of stream' flag set.
502 It MAY defer this action until it decodes the last packet completed on that
503  page.
504 </t>
505
506 <t>
507 If that page has the 'end of stream' flag set, a demuxer MUST reject as invalid
508  any stream where its granule position is smaller than the 'pre-skip' amount.
509 This would indicate that there are more samples to be skipped from the initial
510  decoded output than exist in the stream.
511 If the granule position is smaller than the number of decoded samples produced
512  by the packets that complete on that page, then a demuxer MUST use an initial
513  granule position of '0', and can work forwards from '0' to timestamp
514  individual packets.
515 If the granule position is larger than the number of decoded samples available,
516  then the demuxer MUST still work backwards as described above, even if the
517  'end of stream' flag is set, to determine the initial granule position, and
518  thus the initial PCM sample position.
519 Both of these will be greater than '0' in this case.
520 </t>
521 </section>
522
523 <section anchor="seeking_and_preroll" title="Seeking and Pre-roll">
524 <t>
525 Seeking in Ogg files is best performed using a bisection search for a page
526  whose granule position corresponds to a PCM position at or before the seek
527  target.
528 With appropriately weighted bisection, accurate seeking can be performed with
529  just three or four bisections even in multi-gigabyte files.
530 See <xref target="seeking"/> for general implementation guidance.
531 </t>
532
533 <t>
534 When seeking within an Ogg Opus stream, an implementation SHOULD start decoding
535  (and discarding the output) at least 3840&nbsp;samples (80&nbsp;ms) prior to
536  the seek target in order to ensure that the output audio is correct by the
537  time it reaches the seek target.
538 This 'pre-roll' is separate from, and unrelated to, the 'pre-skip' used at the
539  beginning of the stream.
540 If the point 80&nbsp;ms prior to the seek target comes before the initial PCM
541  sample position, an implementation SHOULD start decoding from the beginning of
542  the stream, applying pre-skip as normal, regardless of whether the pre-skip is
543  larger or smaller than 80&nbsp;ms, and then continue to discard samples
544  to reach the seek target (if any).
545 </t>
546 </section>
547
548 </section>
549
550 <section anchor="headers" title="Header Packets">
551 <t>
552 An Ogg Opus logical stream contains exactly two mandatory header packets:
553  an identification header and a comment header.
554 </t>
555
556 <section anchor="id_header" title="Identification Header">
557
558 <figure anchor="id_header_packet" title="ID Header Packet" align="center">
559 <artwork align="center"><![CDATA[
560  0                   1                   2                   3
561  0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
562 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
563 |      'O'      |      'p'      |      'u'      |      's'      |
564 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
565 |      'H'      |      'e'      |      'a'      |      'd'      |
566 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
567 |  Version = 1  | Channel Count |           Pre-skip            |
568 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
569 |                     Input Sample Rate (Hz)                    |
570 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
571 |   Output Gain (Q7.8 in dB)    | Mapping Family|               |
572 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+               :
573 |                                                               |
574 :               Optional Channel Mapping Table...               :
575 |                                                               |
576 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
577 ]]></artwork>
578 </figure>
579
580 <t>
581 The fields in the identification (ID) header have the following meaning:
582 <list style="numbers">
583 <t>Magic Signature:
584 <vspace blankLines="1"/>
585 This is an 8-octet (64-bit) field that allows codec identification and is
586  human-readable.
587 It contains, in order, the magic numbers:
588 <list style="empty">
589 <t>0x4F 'O'</t>
590 <t>0x70 'p'</t>
591 <t>0x75 'u'</t>
592 <t>0x73 's'</t>
593 <t>0x48 'H'</t>
594 <t>0x65 'e'</t>
595 <t>0x61 'a'</t>
596 <t>0x64 'd'</t>
597 </list>
598 Starting with "Op" helps distinguish it from audio data packets, as this is an
599  invalid TOC sequence.
600 <vspace blankLines="1"/>
601 </t>
602 <t>Version (8 bits, unsigned):
603 <vspace blankLines="1"/>
604 The version number MUST always be '1' for this version of the encapsulation
605  specification.
606 Implementations SHOULD treat streams where the upper four bits of the version
607  number match that of a recognized specification as backwards-compatible with
608  that specification.
609 That is, the version number can be split into "major" and "minor" version
610  sub-fields, with changes to the "minor" sub-field (in the lower four bits)
611  signaling compatible changes.
612 For example, an implementation of this specification SHOULD accept any stream
613  with a version number of '15' or less, and SHOULD assume any stream with a
614  version number '16' or greater is incompatible.
615 The initial version '1' was chosen to keep implementations from relying on this
616  octet as a null terminator for the "OpusHead" string.
617 <vspace blankLines="1"/>
618 </t>
619 <t>Output Channel Count 'C' (8 bits, unsigned):
620 <vspace blankLines="1"/>
621 This is the number of output channels.
622 This might be different than the number of encoded channels, which can change
623  on a packet-by-packet basis.
624 This value MUST NOT be zero.
625 The maximum allowable value depends on the channel mapping family, and might be
626  as large as 255.
627 See <xref target="channel_mapping"/> for details.
628 <vspace blankLines="1"/>
629 </t>
630 <t>Pre-skip (16 bits, unsigned, little
631  endian):
632 <vspace blankLines="1"/>
633 This is the number of samples (at 48&nbsp;kHz) to discard from the decoder
634  output when starting playback, and also the number to subtract from a page's
635  granule position to calculate its PCM sample position.
636 When cropping the beginning of existing Ogg Opus streams, a pre-skip of at
637  least 3,840&nbsp;samples (80&nbsp;ms) is RECOMMENDED to ensure complete
638  convergence in the decoder.
639 <vspace blankLines="1"/>
640 </t>
641 <t>Input Sample Rate (32 bits, unsigned, little
642  endian):
643 <vspace blankLines="1"/>
644 This is the sample rate of the original input (before encoding), in Hz.
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, when not playing the output, an implementation writing PCM format
672  samples to disk might choose to resample the audio back to the original input
673  sample rate to reduce surprise to the user, who might reasonably expect to get
674  back a file with the same sample rate.
675 <vspace blankLines="1"/>
676 A value of zero indicates 'unspecified'.
677 Muxers SHOULD write the actual input sample rate or zero, but implementations
678  which do something with this field SHOULD take care to behave sanely if given
679  crazy values (e.g., do not actually upsample the output to 10 MHz if
680  requested).
681 Implementations SHOULD support input sample rates between 8&nbsp;kHz and
682  192&nbsp;kHz (inclusive).
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 when decoding.
690 It is 20*log10 of the factor by which to scale the decoder output to achieve
691  the 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 <vspace blankLines="1"/>
694 To apply the gain, an implementation could use
695 <figure align="center">
696 <artwork align="center"><![CDATA[
697 sample *= pow(10, output_gain/(20.0*256)) ,
698 ]]></artwork>
699 </figure>
700  where output_gain is the raw 16-bit value from the header.
701 <vspace blankLines="1"/>
702 Players and media frameworks SHOULD apply it by default.
703 If a player chooses to apply any volume adjustment or gain modification, such
704  as the R128_TRACK_GAIN (see <xref target="comment_header"/>), the adjustment
705  MUST be applied in addition to this output gain in order to achieve playback
706  at the normalized volume.
707 <vspace blankLines="1"/>
708 A muxer SHOULD set this field to zero, and instead apply any gain prior to
709  encoding, when this is possible and does not conflict with the user's wishes.
710 A nonzero output gain indicates the gain was adjusted after encoding, or that
711  a user wished to adjust the gain for playback while preserving the ability
712  to recover the original signal amplitude.
713 <vspace blankLines="1"/>
714 Although the output gain has enormous range (+/- 128 dB, enough to amplify
715  inaudible sounds to the threshold of physical pain), most applications can
716  only reasonably use a small portion of this range around zero.
717 The large range serves in part to ensure that gain can always be losslessly
718  transferred between OpusHead and R128 gain tags (see below) without
719  saturating.
720 <vspace blankLines="1"/>
721 </t>
722 <t>Channel Mapping Family (8 bits, unsigned):
723 <vspace blankLines="1"/>
724 This octet indicates the order and semantic meaning of the output channels.
725 <vspace blankLines="1"/>
726 Each currently specified value of this octet indicates a mapping family, which
727  defines a set of allowed channel counts, and the ordered set of channel names
728  for each allowed channel count.
729 The details are described in <xref target="channel_mapping"/>.
730 </t>
731 <t>Channel Mapping Table:
732 This table defines the mapping from encoded streams to output channels.
733 Its contents are specified in <xref target="channel_mapping"/>.
734 </t>
735 </list>
736 </t>
737
738 <t>
739 All fields in the ID headers are REQUIRED, except for the channel mapping
740  table, which MUST be omitted when the channel mapping family is 0, but
741  is REQUIRED otherwise.
742 Implementations SHOULD reject streams with ID headers that do not contain
743  enough data for these fields, even if they contain a valid Magic Signature.
744 Future versions of this specification, even backwards-compatible versions,
745  might include additional fields in the ID header.
746 If an ID header has a compatible major version, but a larger minor version,
747  an implementation MUST NOT reject it for containing additional data not
748  specified here, provided it still completes on the first page.
749 </t>
750
751 <section anchor="channel_mapping" title="Channel Mapping">
752 <t>
753 An Ogg Opus stream allows mapping one number of Opus streams (N) to a possibly
754  larger number of decoded channels (M&nbsp;+&nbsp;N) to yet another number of
755  output channels (C), which might be larger or smaller than the number of
756  decoded channels.
757 The order and meaning of these channels are defined by a channel mapping,
758  which consists of the 'channel mapping family' octet and, for channel mapping
759  families other than family&nbsp;0, a channel mapping table, as illustrated in
760  <xref target="channel_mapping_table"/>.
761 </t>
762
763 <figure anchor="channel_mapping_table" title="Channel Mapping Table"
764  align="center">
765 <artwork align="center"><![CDATA[
766  0                   1                   2                   3
767  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
768                                                 +-+-+-+-+-+-+-+-+
769                                                 | Stream Count  |
770 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
771 | Coupled Count |              Channel Mapping...               :
772 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
773 ]]></artwork>
774 </figure>
775
776 <t>
777 The fields in the channel mapping table have the following meaning:
778 <list style="numbers" counter="8">
779 <t>Stream Count 'N' (8 bits, unsigned):
780 <vspace blankLines="1"/>
781 This is the total number of streams encoded in each Ogg packet.
782 This value is necessary to correctly parse the packed Opus packets inside an
783  Ogg packet, as described in <xref target="packet_organization"/>.
784 This value MUST NOT be zero, as without at least one Opus packet with a valid
785  TOC sequence, a demuxer cannot recover the duration of an Ogg packet.
786 <vspace blankLines="1"/>
787 For channel mapping family&nbsp;0, this value defaults to 1, and is not coded.
788 <vspace blankLines="1"/>
789 </t>
790 <t>Coupled Stream Count 'M' (8 bits, unsigned):
791 This is the number of streams whose decoders are to be configured to produce
792  two channels (stereo).
793 This MUST be no larger than the total number of streams, N.
794 <vspace blankLines="1"/>
795 Each packet in an Opus stream has an internal channel count of 1 or 2, which
796  can change from packet to packet.
797 This is selected by the encoder depending on the bitrate and the audio being
798  encoded.
799 The original channel count of the audio passed to the encoder is not
800  necessarily preserved by the lossy compression.
801 <vspace blankLines="1"/>
802 Regardless of the internal channel count, any Opus stream can be decoded as
803  mono (a single channel) or stereo (two channels) by appropriate initialization
804  of the decoder.
805 The 'coupled stream count' field indicates that the decoders for the first M
806  Opus streams are to be initialized for stereo (two-channel) output, and the
807  remaining (N&nbsp;-&nbsp;M) decoders are to be initialized for mono (a single
808  channel) only.
809 The total number of decoded channels, (M&nbsp;+&nbsp;N), MUST be no larger than
810  255, as there is no way to index more channels than that in the channel
811  mapping.
812 <vspace blankLines="1"/>
813 For channel mapping family&nbsp;0, this value defaults to (C&nbsp;-&nbsp;1)
814  (i.e., 0 for mono and 1 for stereo), and is not coded.
815 <vspace blankLines="1"/>
816 </t>
817 <t>Channel Mapping (8*C bits):
818 This contains one octet per output channel, indicating which decoded channel
819  is to be used for each one.
820 Let 'index' be the value of this octet for a particular output channel.
821 This value MUST either be smaller than (M&nbsp;+&nbsp;N), or be the special
822  value 255.
823 If 'index' is less than 2*M, the output MUST be taken from decoding stream
824  ('index'/2) as stereo and selecting the left channel if 'index' is even, and
825  the right channel if 'index' is odd.
826 If 'index' is 2*M or larger, but less than 255, the output MUST be taken from
827  decoding stream ('index'&nbsp;-&nbsp;M) as mono.
828 If 'index' is 255, the corresponding output channel MUST contain pure silence.
829 <vspace blankLines="1"/>
830 The number of output channels, C, is not constrained to match the number of
831  decoded channels (M&nbsp;+&nbsp;N).
832 A single index value MAY appear multiple times, i.e., the same decoded channel
833  might be mapped to multiple output channels.
834 Some decoded channels might not be assigned to any output channel, as well.
835 <vspace blankLines="1"/>
836 For channel mapping family&nbsp;0, the first index defaults to 0, and if
837  C&nbsp;==&nbsp;2, the second index defaults to 1.
838 Neither index is coded.
839 </t>
840 </list>
841 </t>
842
843 <t>
844 After producing the output channels, the channel mapping family determines the
845  semantic meaning of each one.
846 There are three defined mapping families in this specification.
847 </t>
848
849 <section anchor="channel_mapping_0" title="Channel Mapping Family 0">
850 <t>
851 Allowed numbers of channels: 1 or 2.
852 RTP mapping.
853 This is the same channel interpretation as <xref target="RFC7587"/>.
854 </t>
855 <t>
856 <list style="symbols">
857 <t>1 channel: monophonic (mono).</t>
858 <t>2 channels: stereo (left, right).</t>
859 </list>
860 Special mapping: This channel mapping value also
861  indicates that the contents consists of a single Opus stream that is stereo if
862  and only if C&nbsp;==&nbsp;2, with stream index&nbsp;0 mapped to output
863  channel&nbsp;0 (mono, or left channel) and stream index&nbsp;1 mapped to
864  output channel&nbsp;1 (right channel) if stereo.
865 When the 'channel mapping family' octet has this value, the channel mapping
866  table MUST be omitted from the ID header packet.
867 </t>
868 </section>
869
870 <section anchor="channel_mapping_1" title="Channel Mapping Family 1">
871 <t>
872 Allowed numbers of channels: 1...8.
873 Vorbis channel order (see below).
874 </t>
875 <t>
876 Each channel is assigned to a speaker location in a conventional surround
877  arrangement.
878 Specific locations depend on the number of channels, and are given below
879  in order of the corresponding channel indices.
880 <list style="symbols">
881   <t>1 channel: monophonic (mono).</t>
882   <t>2 channels: stereo (left, right).</t>
883   <t>3 channels: linear surround (left, center, right)</t>
884   <t>4 channels: quadraphonic (front&nbsp;left, front&nbsp;right, rear&nbsp;left, rear&nbsp;right).</t>
885   <t>5 channels: 5.0 surround (front&nbsp;left, front&nbsp;center, front&nbsp;right, rear&nbsp;left, rear&nbsp;right).</t>
886   <t>6 channels: 5.1 surround (front&nbsp;left, front&nbsp;center, front&nbsp;right, rear&nbsp;left, rear&nbsp;right, LFE).</t>
887   <t>7 channels: 6.1 surround (front&nbsp;left, front&nbsp;center, front&nbsp;right, side&nbsp;left, side&nbsp;right, rear&nbsp;center, LFE).</t>
888   <t>8 channels: 7.1 surround (front&nbsp;left, front&nbsp;center, front&nbsp;right, side&nbsp;left, side&nbsp;right, rear&nbsp;left, rear&nbsp;right, LFE)</t>
889 </list>
890 </t>
891 <t>
892 This set of surround options and speaker location orderings is the same
893  as those used by the Vorbis codec <xref target="vorbis-mapping"/>.
894 The ordering is different from the one used by the
895  WAVE <xref target="wave-multichannel"/> and
896  Free Lossless Audio Codec (FLAC) <xref target="flac"/> formats,
897  so correct ordering requires permutation of the output channels when decoding
898  to or encoding from those formats.
899 'LFE' here refers to a Low Frequency Effects channel, often mapped to a
900   subwoofer with no particular spatial position.
901 Implementations SHOULD identify 'side' or 'rear' speaker locations with
902  'surround' and 'back' as appropriate when interfacing with audio formats
903  or systems which prefer that terminology.
904 </t>
905 </section>
906
907 <section anchor="channel_mapping_255"
908  title="Channel Mapping Family 255">
909 <t>
910 Allowed numbers of channels: 1...255.
911 No defined channel meaning.
912 </t>
913 <t>
914 Channels are unidentified.
915 General-purpose players SHOULD NOT attempt to play these streams.
916 Offline implementations MAY deinterleave the output into separate PCM files,
917  one per channel.
918 Implementations SHOULD NOT produce output for channels mapped to stream index
919  255 (pure silence) unless they have no other way to indicate the index of
920  non-silent channels.
921 </t>
922 </section>
923
924 <section anchor="channel_mapping_undefined"
925  title="Undefined Channel Mappings">
926 <t>
927 The remaining channel mapping families (2...254) are reserved.
928 An implementation encountering a reserved channel mapping family value MUST act
929  as though the value is 255.
930 </t>
931 </section>
932
933 <section anchor="downmix" title="Downmixing">
934 <t>
935 An Ogg Opus player MUST support any valid channel mapping with a channel
936  mapping family of 0 or 1, even if the number of channels does not match the
937  physically connected audio hardware.
938 Players SHOULD perform channel mixing to increase or reduce the number of
939  channels as needed.
940 </t>
941
942 <t>
943 Implementations MAY use the following matrices to implement downmixing from
944  multichannel files using <xref target="channel_mapping_1">Channel Mapping
945  Family 1</xref>, which are known to give acceptable results for stereo.
946 Matrices for 3 and 4 channels are normalized so each coefficient row sums
947  to 1 to avoid clipping.
948 For 5 or more channels they are normalized to 2 as a compromise between
949  clipping and dynamic range reduction.
950 </t>
951 <t>
952 In these matrices the front left and front right channels are generally
953 passed through directly.
954 When a surround channel is split between both the left and right stereo
955  channels, coefficients are chosen so their squares sum to 1, which
956  helps preserve the perceived intensity.
957 Rear channels are mixed more diffusely or attenuated to maintain focus
958  on the front channels.
959 </t>
960
961 <figure anchor="downmix-matrix-3"
962  title="Stereo downmix matrix for the linear surround channel mapping"
963  align="center">
964 <artwork align="center"><![CDATA[
965 L output = ( 0.585786 * left + 0.414214 * center                    )
966 R output = (                   0.414214 * center + 0.585786 * right )
967 ]]></artwork>
968 <postamble>
969 Exact coefficient values are 1 and 1/sqrt(2), multiplied by
970  1/(1&nbsp;+&nbsp;1/sqrt(2)) for normalization.
971 </postamble>
972 </figure>
973
974 <figure anchor="downmix-matrix-4"
975  title="Stereo downmix matrix for the quadraphonic channel mapping"
976  align="center">
977 <artwork align="center"><![CDATA[
978 /          \   /                                     \ / FL \
979 | L output |   | 0.422650 0.000000 0.366025 0.211325 | | FR |
980 | R output | = | 0.000000 0.422650 0.211325 0.366025 | | RL |
981 \          /   \                                     / \ RR /
982 ]]></artwork>
983 <postamble>
984 Exact coefficient values are 1, sqrt(3)/2 and 1/2, multiplied by
985  1/(1&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2) for normalization.
986 </postamble>
987 </figure>
988
989 <figure anchor="downmix-matrix-5"
990  title="Stereo downmix matrix for the 5.0 surround mapping"
991  align="center">
992 <artwork align="center"><![CDATA[
993                                                          / FL \
994 /   \   /                                              \ | FC |
995 | L |   | 0.650802 0.460186 0.000000 0.563611 0.325401 | | FR |
996 | R | = | 0.000000 0.460186 0.650802 0.325401 0.563611 | | RL |
997 \   /   \                                              / | RR |
998                                                          \    /
999 ]]></artwork>
1000 <postamble>
1001 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1002  2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2)
1003  for normalization.
1004 </postamble>
1005 </figure>
1006
1007 <figure anchor="downmix-matrix-6"
1008  title="Stereo downmix matrix for the 5.1 surround mapping"
1009  align="center">
1010 <artwork align="center"><![CDATA[
1011                                                                 /FL \
1012 / \   /                                                       \ |FC |
1013 |L|   | 0.529067 0.374107 0.000000 0.458186 0.264534 0.374107 | |FR |
1014 |R| = | 0.000000 0.374107 0.529067 0.264534 0.458186 0.374107 | |RL |
1015 \ /   \                                                       / |RR |
1016                                                                 \LFE/
1017 ]]></artwork>
1018 <postamble>
1019 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1020 2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2 + 1/sqrt(2))
1021  for normalization.
1022 </postamble>
1023 </figure>
1024
1025 <figure anchor="downmix-matrix-7"
1026  title="Stereo downmix matrix for the 6.1 surround mapping"
1027  align="center">
1028 <artwork align="center"><![CDATA[
1029  /                                                                \
1030  | 0.455310 0.321953 0.000000 0.394310 0.227655 0.278819 0.321953 |
1031  | 0.000000 0.321953 0.455310 0.227655 0.394310 0.278819 0.321953 |
1032  \                                                                /
1033 ]]></artwork>
1034 <postamble>
1035 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2, 1/2 and
1036  sqrt(3)/2/sqrt(2), multiplied by
1037  2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2 +
1038  sqrt(3)/2/sqrt(2) + 1/sqrt(2)) for normalization.
1039 The coefficients are in the same order as in <xref target="channel_mapping_1" />,
1040  and the matrices above.
1041 </postamble>
1042 </figure>
1043
1044 <figure anchor="downmix-matrix-8"
1045  title="Stereo downmix matrix for the 7.1 surround mapping"
1046  align="center">
1047 <artwork align="center"><![CDATA[
1048 /                                                                 \
1049 | .388631 .274804 .000000 .336565 .194316 .336565 .194316 .274804 |
1050 | .000000 .274804 .388631 .194316 .336565 .194316 .336565 .274804 |
1051 \                                                                 /
1052 ]]></artwork>
1053 <postamble>
1054 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1055  2/(2&nbsp;+&nbsp;2/sqrt(2)&nbsp;+&nbsp;sqrt(3)) for normalization.
1056 The coefficients are in the same order as in <xref target="channel_mapping_1" />,
1057  and the matrices above.
1058 </postamble>
1059 </figure>
1060
1061 </section>
1062
1063 </section> <!-- end channel_mapping_table -->
1064
1065 </section> <!-- end id_header -->
1066
1067 <section anchor="comment_header" title="Comment Header">
1068
1069 <figure anchor="comment_header_packet" title="Comment Header Packet"
1070  align="center">
1071 <artwork align="center"><![CDATA[
1072  0                   1                   2                   3
1073  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
1074 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1075 |      'O'      |      'p'      |      'u'      |      's'      |
1076 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1077 |      'T'      |      'a'      |      'g'      |      's'      |
1078 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1079 |                     Vendor String Length                      |
1080 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1081 |                                                               |
1082 :                        Vendor String...                       :
1083 |                                                               |
1084 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1085 |                   User Comment List Length                    |
1086 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1087 |                 User Comment #0 String Length                 |
1088 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1089 |                                                               |
1090 :                   User Comment #0 String...                   :
1091 |                                                               |
1092 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1093 |                 User Comment #1 String Length                 |
1094 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1095 :                                                               :
1096 ]]></artwork>
1097 </figure>
1098
1099 <t>
1100 The comment header consists of a 64-bit magic signature, followed by data in
1101  the same format as the <xref target="vorbis-comment"/> header used in Ogg
1102  Vorbis, except (like Ogg Theora and Speex) the final "framing bit" specified
1103  in the Vorbis spec is not present.
1104 <list style="numbers">
1105 <t>Magic Signature:
1106 <vspace blankLines="1"/>
1107 This is an 8-octet (64-bit) field that allows codec identification and is
1108  human-readable.
1109 It contains, in order, the magic numbers:
1110 <list style="empty">
1111 <t>0x4F 'O'</t>
1112 <t>0x70 'p'</t>
1113 <t>0x75 'u'</t>
1114 <t>0x73 's'</t>
1115 <t>0x54 'T'</t>
1116 <t>0x61 'a'</t>
1117 <t>0x67 'g'</t>
1118 <t>0x73 's'</t>
1119 </list>
1120 Starting with "Op" helps distinguish it from audio data packets, as this is an
1121  invalid TOC sequence.
1122 <vspace blankLines="1"/>
1123 </t>
1124 <t>Vendor String Length (32 bits, unsigned, little endian):
1125 <vspace blankLines="1"/>
1126 This field gives the length of the following vendor string, in octets.
1127 It MUST NOT indicate that the vendor string is longer than the rest of the
1128  packet.
1129 <vspace blankLines="1"/>
1130 </t>
1131 <t>Vendor String (variable length, UTF-8 vector):
1132 <vspace blankLines="1"/>
1133 This is a simple human-readable tag for vendor information, encoded as a UTF-8
1134  string&nbsp;<xref target="RFC3629"/>.
1135 No terminating null octet is necessary.
1136 <vspace blankLines="1"/>
1137 This tag is intended to identify the codec encoder and encapsulation
1138  implementations, for tracing differences in technical behavior.
1139 User-facing applications can use the 'ENCODER' user comment tag to identify
1140  themselves.
1141 <vspace blankLines="1"/>
1142 </t>
1143 <t>User Comment List Length (32 bits, unsigned, little endian):
1144 <vspace blankLines="1"/>
1145 This field indicates the number of user-supplied comments.
1146 It MAY indicate there are zero user-supplied comments, in which case there are
1147  no additional fields in the packet.
1148 It MUST NOT indicate that there are so many comments that the comment string
1149  lengths would require more data than is available in the rest of the packet.
1150 <vspace blankLines="1"/>
1151 </t>
1152 <t>User Comment #i String Length (32 bits, unsigned, little endian):
1153 <vspace blankLines="1"/>
1154 This field gives the length of the following user comment string, in octets.
1155 There is one for each user comment indicated by the 'user comment list length'
1156  field.
1157 It MUST NOT indicate that the string is longer than the rest of the packet.
1158 <vspace blankLines="1"/>
1159 </t>
1160 <t>User Comment #i String (variable length, UTF-8 vector):
1161 <vspace blankLines="1"/>
1162 This field contains a single user comment string.
1163 There is one for each user comment indicated by the 'user comment list length'
1164  field.
1165 </t>
1166 </list>
1167 </t>
1168
1169 <t>
1170 The vendor string length and user comment list length are REQUIRED, and
1171  implementations SHOULD reject comment headers that do not contain enough data
1172  for these fields, or that do not contain enough data for the corresponding
1173  vendor string or user comments they describe.
1174 Making this check before allocating the associated memory to contain the data
1175  helps prevent a possible Denial-of-Service (DoS) attack from small comment
1176  headers that claim to contain strings longer than the entire packet or more
1177  user comments than than could possibly fit in the packet.
1178 </t>
1179
1180 <t>
1181 Immediately following the user comment list, the comment header MAY
1182  contain zero-padding or other binary data which is not specified here.
1183 If the least-significant bit of the first byte of this data is 1, then editors
1184  SHOULD preserve the contents of this data when updating the tags, but if this
1185  bit is 0, all such data MAY be treated as padding, and truncated or discarded
1186  as desired.
1187 </t>
1188
1189 <t>
1190 The comment header can be arbitrarily large and might be spread over a large
1191  number of Ogg pages.
1192 Implementations MUST avoid attempting to allocate excessive amounts of memory
1193  when presented with a very large comment header.
1194 To accomplish this, implementations MAY reject a comment header larger than
1195  125,829,120&nbsp;octets, and MAY ignore individual comments that are not fully
1196  contained within the first 61,440 octets of the comment header.
1197 </t>
1198
1199 <section anchor="comment_format" title="Tag Definitions">
1200 <t>
1201 The user comment strings follow the NAME=value format described by
1202  <xref target="vorbis-comment"/> with the same recommended tag names:
1203  ARTIST, TITLE, DATE, ALBUM, and so on.
1204 </t>
1205 <t>
1206 Two new comment tags are introduced here:
1207 </t>
1208
1209 <t>First, an optional gain for track normalization:</t>
1210 <figure align="center">
1211 <artwork align="left"><![CDATA[
1212 R128_TRACK_GAIN=-573
1213 ]]></artwork>
1214 </figure>
1215 <t>
1216  representing the volume shift needed to normalize the track's volume
1217  during isolated playback, in random shuffle, and so on.
1218 The gain is a Q7.8 fixed point number in dB, as in the ID header's 'output
1219  gain' field.
1220 This tag is similar to the REPLAYGAIN_TRACK_GAIN tag in
1221  Vorbis&nbsp;<xref target="replay-gain"/>, except that the normal volume
1222  reference is the <xref target="EBU-R128"/> standard.
1223 </t>
1224 <t>Second, an optional gain for album normalization:</t>
1225 <figure align="center">
1226 <artwork align="left"><![CDATA[
1227 R128_ALBUM_GAIN=111
1228 ]]></artwork>
1229 </figure>
1230 <t>
1231  representing the volume shift needed to normalize the overall volume when
1232  played as part of a particular collection of tracks.
1233 The gain is also a Q7.8 fixed point number in dB, as in the ID header's
1234  'output gain' field.
1235 </t>
1236 <t>
1237 An Ogg Opus stream MUST NOT have more than one of each of these tags, and if
1238  present their values MUST be an integer from -32768 to 32767, inclusive,
1239  represented in ASCII as a base 10 number with no whitespace.
1240 A leading '+' or '-' character is valid.
1241 Leading zeros are also permitted, but the value MUST be represented by
1242  no more than 6 characters.
1243 Other non-digit characters MUST NOT be present.
1244 </t>
1245 <t>
1246 If present, R128_TRACK_GAIN and R128_ALBUM_GAIN MUST correctly represent
1247  the R128 normalization gain relative to the 'output gain' field specified
1248  in the ID header.
1249 If a player chooses to make use of the R128_TRACK_GAIN tag or the
1250  R128_ALBUM_GAIN tag, it MUST apply those gains
1251  <spanx style="emph">in addition</spanx> to the 'output gain' value.
1252 If a tool modifies the ID header's 'output gain' field, it MUST also update or
1253  remove the R128_TRACK_GAIN and R128_ALBUM_GAIN comment tags if present.
1254 A muxer SHOULD place the gain it wants other tools to use by default into the
1255  'output gain' field, and not the comment tag.
1256 </t>
1257 <t>
1258 To avoid confusion with multiple normalization schemes, an Opus comment header
1259  SHOULD NOT contain any of the REPLAYGAIN_TRACK_GAIN, REPLAYGAIN_TRACK_PEAK,
1260  REPLAYGAIN_ALBUM_GAIN, or REPLAYGAIN_ALBUM_PEAK tags.
1261 <xref target="EBU-R128"/> normalization is preferred to the earlier
1262  REPLAYGAIN schemes because of its clear definition and adoption by industry.
1263 Peak normalizations are difficult to calculate reliably for lossy codecs
1264  because of variation in excursion heights due to decoder differences.
1265 In the authors' investigations they were not applied consistently or broadly
1266  enough to merit inclusion here.
1267 </t>
1268 </section> <!-- end comment_format -->
1269 </section> <!-- end comment_header -->
1270
1271 </section> <!-- end headers -->
1272
1273 <section anchor="packet_size_limits" title="Packet Size Limits">
1274 <t>
1275 Technically, valid Opus packets can be arbitrarily large due to the padding
1276  format, although the amount of non-padding data they can contain is bounded.
1277 These packets might be spread over a similarly enormous number of Ogg pages.
1278 When encoding, implementations SHOULD limit the use of padding in audio data
1279  packets to no more than is necessary to make a variable bitrate (VBR) stream
1280  constant bitrate (CBR).
1281 Demuxers SHOULD reject audio data packets (treat them as if they were malformed
1282  Opus packets with an invalid TOC sequence) larger than 61,440 octets per
1283  Opus stream.
1284 Such packets necessarily contain more padding than needed for this purpose.
1285 Demuxers MUST avoid attempting to allocate excessive amounts of memory when
1286  presented with a very large packet.
1287 Demuxers MAY reject or partially process audio data packets larger than
1288  61,440&nbsp;octets in an Ogg Opus stream with channel mapping families&nbsp;0
1289  or&nbsp;1.
1290 Demuxers MAY reject or partially process audio data packets in any Ogg Opus
1291  stream if the packet is larger than 61,440&nbsp;octets and also larger than
1292  7,680&nbsp;octets per Opus stream.
1293 The presence of an extremely large packet in the stream could indicate a
1294  memory exhaustion attack or stream corruption.
1295 </t>
1296 <t>
1297 In an Ogg Opus stream, the largest possible valid packet that does not use
1298  padding has a size of (61,298*N&nbsp;-&nbsp;2) octets.
1299 With 255&nbsp;streams, this is 15,630,988&nbsp;octets and can
1300  span up to 61,298&nbsp;Ogg pages, all but one of which will have a granule
1301  position of -1.
1302 This is of course a very extreme packet, consisting of 255&nbsp;streams, each
1303  containing 120&nbsp;ms of audio encoded as 2.5&nbsp;ms frames, each frame
1304  using the maximum possible number of octets (1275) and stored in the least
1305  efficient manner allowed (a VBR code&nbsp;3 Opus packet).
1306 Even in such a packet, most of the data will be zeros as 2.5&nbsp;ms frames
1307  cannot actually use all 1275&nbsp;octets.
1308 </t>
1309 <t>
1310 The largest packet consisting of entirely useful data is
1311  (15,326*N&nbsp;-&nbsp;2) octets.
1312 This corresponds to 120&nbsp;ms of audio encoded as 10&nbsp;ms frames in either
1313  SILK or Hybrid mode, but at a data rate of over 1&nbsp;Mbps, which makes little
1314  sense for the quality achieved.
1315 </t>
1316 <t>
1317 A more reasonable limit is (7,664*N&nbsp;-&nbsp;2) octets.
1318 This corresponds to 120&nbsp;ms of audio encoded as 20&nbsp;ms stereo CELT mode
1319  frames, with a total bitrate just under 511&nbsp;kbps (not counting the Ogg
1320  encapsulation overhead).
1321 For channel mapping family 1, N=8 provides a reasonable upper bound, as it
1322  allows for each of the 8 possible output channels to be decoded from a
1323  separate stereo Opus stream.
1324 This gives a size of 61,310&nbsp;octets, which is rounded up to a multiple of
1325  1,024&nbsp;octets to yield the audio data packet size of 61,440&nbsp;octets
1326  that any implementation is expected to be able to process successfully.
1327 </t>
1328 </section>
1329
1330 <section anchor="encoder" title="Encoder Guidelines">
1331 <t>
1332 When encoding Opus streams, Ogg muxers SHOULD take into account the
1333  algorithmic delay of the Opus encoder.
1334 </t>
1335 <t>
1336 In encoders derived from the reference
1337  implementation&nbsp;<xref target="RFC6716"/>, the number of samples can be
1338  queried with:
1339 </t>
1340 <figure align="center">
1341 <artwork align="center"><![CDATA[
1342  opus_encoder_ctl(encoder_state, OPUS_GET_LOOKAHEAD(&delay_samples));
1343 ]]></artwork>
1344 </figure>
1345 <t>
1346 To achieve good quality in the very first samples of a stream, implementations
1347  MAY use linear predictive coding (LPC) extrapolation
1348  <xref target="linear-prediction"/> to generate at least 120 extra samples at
1349  the beginning to avoid the Opus encoder having to encode a discontinuous
1350  signal.
1351 For an input file containing 'length' samples, the implementation SHOULD set
1352  the pre-skip header value to (delay_samples&nbsp;+&nbsp;extra_samples), encode
1353  at least (length&nbsp;+&nbsp;delay_samples&nbsp;+&nbsp;extra_samples)
1354  samples, and set the granule position of the last page to
1355  (length&nbsp;+&nbsp;delay_samples&nbsp;+&nbsp;extra_samples).
1356 This ensures that the encoded file has the same duration as the original, with
1357  no time offset. The best way to pad the end of the stream is to also use LPC
1358  extrapolation, but zero-padding is also acceptable.
1359 </t>
1360
1361 <section anchor="lpc" title="LPC Extrapolation">
1362 <t>
1363 The first step in LPC extrapolation is to compute linear prediction
1364  coefficients. <xref target="lpc-sample"/>
1365 When extending the end of the signal, order-N (typically with N ranging from 8
1366  to 40) LPC analysis is performed on a window near the end of the signal.
1367 The last N samples are used as memory to an infinite impulse response (IIR)
1368  filter.
1369 </t>
1370 <t>
1371 The filter is then applied on a zero input to extrapolate the end of the signal.
1372 Let a(k) be the kth LPC coefficient and x(n) be the nth sample of the signal,
1373  each new sample past the end of the signal is computed as:
1374 </t>
1375 <figure align="center">
1376 <artwork align="center"><![CDATA[
1377         N
1378        ---
1379 x(n) = \   a(k)*x(n-k)
1380        /
1381        ---
1382        k=1
1383 ]]></artwork>
1384 </figure>
1385 <t>
1386 The process is repeated independently for each channel.
1387 It is possible to extend the beginning of the signal by applying the same
1388  process backward in time.
1389 When extending the beginning of the signal, it is best to apply a "fade in" to
1390  the extrapolated signal, e.g. by multiplying it by a half-Hanning window
1391  <xref target="hanning"/>.
1392 </t>
1393
1394 </section>
1395
1396 <section anchor="continuous_chaining" title="Continuous Chaining">
1397 <t>
1398 In some applications, such as Internet radio, it is desirable to cut a long
1399  stream into smaller chains, e.g. so the comment header can be updated.
1400 This can be done simply by separating the input streams into segments and
1401  encoding each segment independently.
1402 The drawback of this approach is that it creates a small discontinuity
1403  at the boundary due to the lossy nature of Opus.
1404 A muxer MAY avoid this discontinuity by using the following procedure:
1405 <list style="numbers">
1406 <t>Encode the last frame of the first segment as an independent frame by
1407  turning off all forms of inter-frame prediction.
1408 De-emphasis is allowed.</t>
1409 <t>Set the granule position of the last page to a point near the end of the
1410  last frame.</t>
1411 <t>Begin the second segment with a copy of the last frame of the first
1412  segment.</t>
1413 <t>Set the pre-skip value of the second stream in such a way as to properly
1414  join the two streams.</t>
1415 <t>Continue the encoding process normally from there, without any reset to
1416  the encoder.</t>
1417 </list>
1418 </t>
1419 <t>
1420 In encoders derived from the reference implementation, inter-frame prediction
1421  can be turned off by calling:
1422 </t>
1423 <figure align="center">
1424 <artwork align="center"><![CDATA[
1425  opus_encoder_ctl(encoder_state, OPUS_SET_PREDICTION_DISABLED(1));
1426 ]]></artwork>
1427 </figure>
1428 <t>
1429 For best results, this implementation requires that prediction be explicitly
1430  enabled again before resuming normal encoding, even after a reset.
1431 </t>
1432
1433 </section>
1434
1435 </section>
1436
1437 <section anchor="implementation" title="Implementation Status">
1438 <t>
1439 A brief summary of major implementations of this draft is available
1440  at <eref target="https://wiki.xiph.org/OggOpusImplementation"/>,
1441  along with their status.
1442 </t>
1443 <t>
1444 [Note to RFC Editor: please remove this entire section before
1445  final publication per <xref target="RFC6982"/>, along with
1446  its references.]
1447 </t>
1448 </section>
1449
1450 <section anchor="security" title="Security Considerations">
1451 <t>
1452 Implementations of the Opus codec need to take appropriate security
1453  considerations into account, as outlined in <xref target="RFC4732"/>.
1454 This is just as much a problem for the container as it is for the codec itself.
1455 Robustness against malicious payloads is extremely important.
1456 Malicious payloads MUST NOT cause an implementation to overrun its allocated
1457  memory or to take an excessive amount of resources to decode.
1458 Although problems in encoding applications are typically rarer, the same
1459  applies to the muxer.
1460 Malicious audio input streams MUST NOT cause an implementation to overrun its
1461  allocated memory or consume excessive resources because this would allow an
1462  attacker to attack transcoding gateways.
1463 </t>
1464
1465 <t>
1466 Like most other container formats, Ogg Opus streams SHOULD NOT be used with
1467  insecure ciphers or cipher modes that are vulnerable to known-plaintext
1468  attacks.
1469 Elements such as the Ogg page capture pattern and the magic signatures in the
1470  ID header and the comment header all have easily predictable values, in
1471  addition to various elements of the codec data itself.
1472 </t>
1473 </section>
1474
1475 <section anchor="content_type" title="Content Type">
1476 <t>
1477 An "Ogg Opus file" consists of one or more sequentially multiplexed segments,
1478  each containing exactly one Ogg Opus stream.
1479 The RECOMMENDED mime-type for Ogg Opus files is "audio/ogg".
1480 </t>
1481
1482 <t>
1483 If more specificity is desired, one MAY indicate the presence of Opus streams
1484  using the codecs parameter defined in <xref target="RFC6381"/> and
1485  <xref target="RFC5334"/>, e.g.,
1486 </t>
1487 <figure>
1488 <artwork align="center"><![CDATA[
1489     audio/ogg; codecs=opus
1490 ]]></artwork>
1491 </figure>
1492 <t>
1493  for an Ogg Opus file.
1494 </t>
1495
1496 <t>
1497 The RECOMMENDED filename extension for Ogg Opus files is '.opus'.
1498 </t>
1499
1500 <t>
1501 When Opus is concurrently multiplexed with other streams in an Ogg container,
1502  one SHOULD use one of the "audio/ogg", "video/ogg", or "application/ogg"
1503  mime-types, as defined in <xref target="RFC5334"/>.
1504 Such streams are not strictly "Ogg Opus files" as described above,
1505  since they contain more than a single Opus stream per sequentially
1506  multiplexed segment, e.g. video or multiple audio tracks.
1507 In such cases the the '.opus' filename extension is NOT RECOMMENDED.
1508 </t>
1509
1510 <t>
1511 In either case, this document updates <xref target="RFC5334"/>
1512  to add 'opus' as a codecs parameter value with char[8]: 'OpusHead'
1513  as Codec Identifier.
1514 </t>
1515 </section>
1516
1517 <section title="IANA Considerations">
1518 <t>
1519 This document updates the IANA Media Types registry to add .opus
1520  as a file extension for "audio/ogg", and to add itself as a reference
1521  alongside <xref target="RFC5334"/> for "audio/ogg", "video/ogg", and
1522  "application/ogg" Media Types.
1523 </t>
1524 </section>
1525
1526 <section anchor="Acknowledgments" title="Acknowledgments">
1527 <t>
1528 Thanks to Mark Harris, Greg Maxwell, Christopher "Monty" Montgomery, and
1529  Jean-Marc Valin for their valuable contributions to this document.
1530 Additional thanks to Andrew D'Addesio, Greg Maxwell, and Vincent Penquerc'h for
1531  their feedback based on early implementations.
1532 </t>
1533 </section>
1534
1535 <section title="Copying Conditions">
1536 <t>
1537 The authors agree to grant third parties the irrevocable right to copy, use,
1538  and distribute the work, with or without modification, in any medium, without
1539  royalty, provided that, unless separate permission is granted, redistributed
1540  modified works do not contain misleading author, version, name of work, or
1541  endorsement information.
1542 </t>
1543 </section>
1544
1545 </middle>
1546 <back>
1547 <references title="Normative References">
1548  &rfc2119;
1549  &rfc3533;
1550  &rfc3629;
1551  &rfc4732;
1552  &rfc5334;
1553  &rfc6381;
1554  &rfc6716;
1555
1556 <reference anchor="EBU-R128" target="https://tech.ebu.ch/loudness">
1557 <front>
1558   <title>Loudness Recommendation EBU R128</title>
1559   <author>
1560     <organization>EBU Technical Committee</organization>
1561   </author>
1562   <date month="August" year="2011"/>
1563 </front>
1564 </reference>
1565
1566 <reference anchor="vorbis-comment"
1567  target="https://www.xiph.org/vorbis/doc/v-comment.html">
1568 <front>
1569 <title>Ogg Vorbis I Format Specification: Comment Field and Header
1570  Specification</title>
1571 <author initials="C." surname="Montgomery"
1572  fullname="Christopher &quot;Monty&quot; Montgomery"/>
1573 <date month="July" year="2002"/>
1574 </front>
1575 </reference>
1576
1577 </references>
1578
1579 <references title="Informative References">
1580
1581 <!--?rfc include="http://xml.resource.org/public/rfc/bibxml/reference.RFC.3550.xml"?-->
1582  &rfc6982;
1583  &rfc7587;
1584
1585 <reference anchor="flac"
1586  target="https://xiph.org/flac/format.html">
1587   <front>
1588     <title>FLAC - Free Lossless Audio Codec Format Description</title>
1589     <author initials="J." surname="Coalson" fullname="Josh Coalson"/>
1590     <date month="January" year="2008"/>
1591   </front>
1592 </reference>
1593
1594 <reference anchor="hanning"
1595  target="https://en.wikipedia.org/wiki/Hamming_function#Hann_.28Hanning.29_window">
1596   <front>
1597     <title>Hann window</title>
1598     <author>
1599       <organization>Wikipedia</organization>
1600     </author>
1601     <date month="May" year="2013"/>
1602   </front>
1603 </reference>
1604
1605 <reference anchor="linear-prediction"
1606  target="https://en.wikipedia.org/wiki/Linear_predictive_coding">
1607   <front>
1608     <title>Linear Predictive Coding</title>
1609     <author>
1610       <organization>Wikipedia</organization>
1611     </author>
1612     <date month="January" year="2014"/>
1613   </front>
1614 </reference>
1615
1616 <reference anchor="lpc-sample"
1617   target="https://svn.xiph.org/trunk/vorbis/lib/lpc.c">
1618 <front>
1619   <title>Autocorrelation LPC coeff generation algorithm
1620     (Vorbis source code)</title>
1621 <author initials="J." surname="Degener" fullname="Jutta Degener"/>
1622 <author initials="C." surname="Bormann" fullname="Carsten Bormann"/>
1623 <date month="November" year="1994"/>
1624 </front>
1625 </reference>
1626
1627
1628 <reference anchor="replay-gain"
1629  target="https://wiki.xiph.org/VorbisComment#Replay_Gain">
1630 <front>
1631 <title>VorbisComment: Replay Gain</title>
1632 <author initials="C." surname="Parker" fullname="Conrad Parker"/>
1633 <author initials="M." surname="Leese" fullname="Martin Leese"/>
1634 <date month="June" year="2009"/>
1635 </front>
1636 </reference>
1637
1638 <reference anchor="seeking"
1639  target="https://wiki.xiph.org/Seeking">
1640 <front>
1641 <title>Granulepos Encoding and How Seeking Really Works</title>
1642 <author initials="S." surname="Pfeiffer" fullname="Silvia Pfeiffer"/>
1643 <author initials="C." surname="Parker" fullname="Conrad Parker"/>
1644 <author initials="G." surname="Maxwell" fullname="Greg Maxwell"/>
1645 <date month="May" year="2012"/>
1646 </front>
1647 </reference>
1648
1649 <reference anchor="vorbis-mapping"
1650  target="https://www.xiph.org/vorbis/doc/Vorbis_I_spec.html#x1-810004.3.9">
1651 <front>
1652 <title>The Vorbis I Specification, Section 4.3.9 Output Channel Order</title>
1653 <author initials="C." surname="Montgomery"
1654  fullname="Christopher &quot;Monty&quot; Montgomery"/>
1655 <date month="January" year="2010"/>
1656 </front>
1657 </reference>
1658
1659 <reference anchor="vorbis-trim"
1660  target="https://xiph.org/vorbis/doc/Vorbis_I_spec.html#x1-132000A.2">
1661   <front>
1662     <title>The Vorbis I Specification, Appendix&nbsp;A: Embedding Vorbis
1663       into an Ogg stream</title>
1664     <author initials="C." surname="Montgomery"
1665      fullname="Christopher &quot;Monty&quot; Montgomery"/>
1666     <date month="November" year="2008"/>
1667   </front>
1668 </reference>
1669
1670 <reference anchor="wave-multichannel"
1671  target="http://msdn.microsoft.com/en-us/windows/hardware/gg463006.aspx">
1672   <front>
1673     <title>Multiple Channel Audio Data and WAVE Files</title>
1674     <author>
1675       <organization>Microsoft Corporation</organization>
1676     </author>
1677     <date month="March" year="2007"/>
1678   </front>
1679 </reference>
1680
1681 </references>
1682
1683 </back>
1684 </rfc>