Address remaining document shepherd 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-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 </t>
75 </abstract>
76 </front>
77
78 <middle>
79 <section anchor="intro" title="Introduction">
80 <t>
81 The IETF Opus codec is a low-latency audio codec optimized for both voice and
82  general-purpose audio.
83 See <xref target="RFC6716"/> for technical details.
84 This document defines the encapsulation of Opus in a continuous, logical Ogg
85  bitstream&nbsp;<xref target="RFC3533"/>.
86 Ogg encapsulation provides Opus with a long-term storage format supporting
87  all of the essential features, including metadata, fast and accurate seeking,
88  corruption detection, recapture after errors, low overhead, and the ability to
89  multiplex Opus with other codecs (including video) with minimal buffering.
90 It also provides a live streamable format, capable of delivery over a reliable
91  stream-oriented transport, without requiring all the data, or even the total
92  length of the data, up-front, in a form that is identical to the on-disk
93  storage format.
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 The first packet in the logical Ogg bitstream MUST contain the identification
148  (ID) header, which uniquely identifies a stream as Opus audio.
149 The format of this header is defined in <xref target="id_header"/>.
150 It MUST be placed alone (without any other packet data) on the first page of
151  the logical Ogg bitstream, and MUST complete on that page.
152 This page MUST have its 'beginning of stream' flag set.
153 </t>
154 <t>
155 The second packet in the logical Ogg bitstream MUST contain the comment header,
156  which contains user-supplied metadata.
157 The format of this header is defined in <xref target="comment_header"/>.
158 It MAY span multiple pages, beginning on the second page of the logical
159  stream.
160 However many pages it spans, the comment header packet MUST finish the page on
161  which it completes.
162 </t>
163 <t>
164 All subsequent pages are audio data pages, and the Ogg packets they contain are
165  audio data packets.
166 Each audio data packet contains one Opus packet for each of N different
167  streams, where N is typically one for mono or stereo, but MAY be greater than
168  one for multichannel audio.
169 The value N is specified in the ID header (see
170  <xref target="channel_mapping"/>), and is fixed over the entire length of the
171  logical Ogg bitstream.
172 </t>
173 <t>
174 The first (N&nbsp;-&nbsp;1) Opus packets, if any, are packed one after another
175  into the Ogg packet, using the self-delimiting framing from Appendix&nbsp;B of
176  <xref target="RFC6716"/>.
177 The remaining Opus packet is packed at the end of the Ogg packet using the
178  regular, undelimited framing from Section&nbsp;3 of <xref target="RFC6716"/>.
179 All of the Opus packets in a single Ogg packet MUST be constrained to have the
180  same duration.
181 An implementation of this specification SHOULD treat any Opus packet whose
182  duration is different from that of the first Opus packet in an Ogg packet as
183  if it were a malformed Opus packet with an invalid TOC sequence.
184 </t>
185 <t>
186 The coding mode (SILK, Hybrid, or CELT), audio bandwidth, channel count,
187  duration (frame size), and number of frames per packet, are indicated in the
188  TOC (table of contents) sequence at the beginning of each Opus packet, as
189  described in Section&nbsp;3.1 of&nbsp;<xref target="RFC6716"/>.
190 The combination of mode, audio bandwidth, and frame size is referred to as
191  the configuration of an Opus packet.
192 </t>
193 <t>
194 The first audio data page SHOULD NOT have the 'continued packet' flag set
195  (which would indicate the first audio data packet is continued from a previous
196  page).
197 Packets MUST be placed into Ogg pages in order until the end of stream.
198 Audio packets MAY span page boundaries.
199 An implementation MUST treat a zero-octet audio data packet as if it were a
200  malformed Opus packet as described in
201  Section&nbsp;3.4 of&nbsp;<xref target="RFC6716"/>.
202 </t>
203 <t>
204 The last page SHOULD have the 'end of stream' flag set, but implementations
205  need to be prepared to deal with truncated streams that do not have a page
206  marked 'end of stream'.
207 The final packet on the last page SHOULD NOT be a continued packet, i.e., the
208  final lacing value SHOULD be less than 255.
209 There MUST NOT be any more pages in an Opus logical bitstream after a page
210  marked 'end of stream'.
211 </t>
212 </section>
213
214 <section anchor="granpos" title="Granule Position">
215 <t>
216 The granule position MUST be zero for the ID header page and the
217  page where the comment header completes.
218 That is, the first page in the logical stream, and the last header
219  page before the first audio data page both have a granule position of zero.
220 </t>
221 <t>
222 The granule position of an audio data page encodes the total number of PCM
223  samples in the stream up to and including the last fully-decodable sample from
224  the last packet completed on that page.
225 The granule position of the first audio data page MAY be larger than zero as
226  described in <xref target="start_granpos_restrictions"/>.
227 </t>
228
229 <t>
230 A page that is entirely spanned by a single packet (that completes on a
231  subsequent page) has no granule position, and the granule position field MUST
232  be set to the special value '-1' in two's complement.
233 </t>
234
235 <t>
236 The granule position of an audio data page is in units of PCM audio samples at
237  a fixed rate of 48&nbsp;kHz (per channel; a stereo stream's granule position
238  does not increment at twice the speed of a mono stream).
239 It is possible to run an Opus decoder at other sampling rates, but the value
240  in the granule position field always counts samples assuming a 48&nbsp;kHz
241  decoding rate, and the rest of this specification makes the same assumption.
242 </t>
243
244 <t>
245 The duration of an Opus packet can be any multiple of 2.5&nbsp;ms, up to a
246  maximum of 120&nbsp;ms.
247 This duration is encoded in the TOC sequence at the beginning of each packet.
248 The number of samples returned by a decoder corresponds to this duration
249  exactly, even for the first few packets.
250 For example, a 20&nbsp;ms packet fed to a decoder running at 48&nbsp;kHz will
251  always return 960&nbsp;samples.
252 A demuxer can parse the TOC sequence at the beginning of each Ogg packet to
253  work backwards or forwards from a packet with a known granule position (i.e.,
254  the last packet completed on some page) in order to assign granule positions
255  to every packet, or even every individual sample.
256 The one exception is the last page in the stream, as described below.
257 </t>
258
259 <t>
260 All other pages with completed packets after the first MUST have a granule
261  position equal to the number of samples contained in packets that complete on
262  that page plus the granule position of the most recent page with completed
263  packets.
264 This guarantees that a demuxer can assign individual packets the same granule
265  position when working forwards as when working backwards.
266 For this to work, there cannot be any gaps.
267 </t>
268
269 <section anchor="gap-repair" title="Repairing Gaps in Real-time Streams">
270 <t>
271 In order to support capturing a real-time stream that has lost or not
272  transmitted packets, a muxer SHOULD emit packets that explicitly request the
273  use of Packet Loss Concealment (PLC) in place of the missing packets.
274 Implementations that fail to do so still MUST NOT increment the granule
275  position for a page by anything other than the number of samples contained in
276  packets that actually complete on that page.
277 </t>
278 <t>
279 Only gaps that are a multiple of 2.5&nbsp;ms are repairable, as these are the
280  only durations that can be created by packet loss or discontinuous
281  transmission.
282 Muxers need not handle other gap sizes.
283 Creating the necessary packets involves synthesizing a TOC byte (defined in
284 Section&nbsp;3.1 of&nbsp;<xref target="RFC6716"/>)&mdash;and whatever
285  additional internal framing is needed&mdash;to indicate the packet duration
286  for each stream.
287 The actual length of each missing Opus frame inside the packet is zero bytes,
288  as defined in Section&nbsp;3.2.1 of&nbsp;<xref target="RFC6716"/>.
289 </t>
290
291 <t>
292 Zero-byte frames MAY be packed into packets using any of codes&nbsp;0, 1,
293  2, or&nbsp;3.
294 When successive frames have the same configuration, the higher code packings
295  reduce overhead.
296 Likewise, if the TOC configuration matches, the muxer MAY further combine the
297  empty frames with previous or subsequent non-zero-length frames (using
298  code&nbsp;2 or VBR code&nbsp;3).
299 </t>
300
301 <t>
302 <xref target="RFC6716"/> does not impose any requirements on the PLC, but this
303  section outlines choices that are expected to have a positive influence on
304  most PLC implementations, including the reference implementation.
305 Synthesized TOC sequences SHOULD maintain the same mode, audio bandwidth,
306  channel count, and frame size as the previous packet (if any).
307 This is the simplest and usually the most well-tested case for the PLC to
308  handle and it covers all losses that do not include a configuration switch,
309  as defined in Section&nbsp;4.5 of&nbsp;<xref target="RFC6716"/>.
310 </t>
311
312 <t>
313 When a previous packet is available, keeping the audio bandwidth and channel
314  count the same allows the PLC to provide maximum continuity in the concealment
315  data it generates.
316 However, if the size of the gap is not a multiple of the most recent frame
317  size, then the frame size will have to change for at least some frames.
318 Such changes SHOULD be delayed as long as possible to simplify
319  things for PLC implementations.
320 </t>
321
322 <t>
323 As an example, a 95&nbsp;ms gap could be encoded as nineteen 5&nbsp;ms frames
324  in two bytes with a single CBR code&nbsp;3 packet.
325 If the previous frame size was 20&nbsp;ms, using four 20&nbsp;ms frames
326  followed by three 5&nbsp;ms frames requires 4&nbsp;bytes (plus an extra byte
327  of Ogg lacing overhead), but allows the PLC to use its well-tested steady
328  state behavior for as long as possible.
329 The total bitrate of the latter approach, including Ogg overhead, is about
330  0.4&nbsp;kbps, so the impact on file size is minimal.
331 </t>
332
333 <t>
334 Changing modes is discouraged, since this causes some decoder implementations
335  to reset their PLC state.
336 However, SILK and Hybrid mode frames cannot fill gaps that are not a multiple
337  of 10&nbsp;ms.
338 If switching to CELT mode is needed to match the gap size, a muxer SHOULD do
339  so at the end of the gap to allow the PLC to function for as long as possible.
340 </t>
341
342 <t>
343 In the example above, if the previous frame was a 20&nbsp;ms SILK mode frame,
344  the better solution is to synthesize a packet describing four 20&nbsp;ms SILK
345  frames, followed by a packet with a single 10&nbsp;ms SILK
346  frame, and finally a packet with a 5&nbsp;ms CELT frame, to fill the 95&nbsp;ms
347  gap.
348 This also requires four bytes to describe the synthesized packet data (two
349  bytes for a CBR code 3 and one byte each for two code 0 packets) but three
350  bytes of Ogg lacing overhead are needed to mark the packet boundaries.
351 At 0.6 kbps, this is still a minimal bitrate impact over a naive, low quality
352  solution.
353 </t>
354
355 <t>
356 Since medium-band audio is an option only in the SILK mode, wideband frames
357  SHOULD be generated if switching from that configuration to CELT mode, to
358  ensure that any PLC implementation which does try to migrate state between
359  the modes will be able to preserve all of the available audio bandwidth.
360 </t>
361
362 </section>
363
364 <section anchor="preskip" title="Pre-skip">
365 <t>
366 There is some amount of latency introduced during the decoding process, to
367  allow for overlap in the CELT mode, stereo mixing in the SILK mode, and
368  resampling.
369 The encoder might have introduced additional latency through its own resampling
370  and analysis (though the exact amount is not specified).
371 Therefore, the first few samples produced by the decoder do not correspond to
372  real input audio, but are instead composed of padding inserted by the encoder
373  to compensate for this latency.
374 These samples need to be stored and decoded, as Opus is an asymptotically
375  convergent predictive codec, meaning the decoded contents of each frame depend
376  on the recent history of decoder inputs.
377 However, a player will want to skip these samples after decoding them.
378 </t>
379
380 <t>
381 A 'pre-skip' field in the ID header (see <xref target="id_header"/>) signals
382  the number of samples which SHOULD be skipped (decoded but discarded) at the
383  beginning of the stream.
384 This amount need not be a multiple of 2.5&nbsp;ms, MAY be smaller than a single
385  packet, or MAY span the contents of several packets.
386 These samples are not valid audio, and SHOULD NOT be played.
387 </t>
388
389 <t>
390 For example, if the first Opus frame uses the CELT mode, it will always
391  produce 120 samples of windowed overlap-add data.
392 However, the overlap data is initially all zeros (since there is no prior
393  frame), meaning this cannot, in general, accurately represent the original
394  audio.
395 The SILK mode requires additional delay to account for its analysis and
396  resampling latency.
397 The encoder delays the original audio to avoid this problem.
398 </t>
399
400 <t>
401 The pre-skip field MAY also be used to perform sample-accurate cropping of
402  already encoded streams.
403 In this case, a value of at least 3840&nbsp;samples (80&nbsp;ms) provides
404  sufficient history to the decoder that it will have converged
405  before the stream's output begins.
406 </t>
407
408 </section>
409
410 <section anchor="pcm_sample_position" title="PCM Sample Position">
411 <t>
412 The PCM sample position is determined from the granule position using the
413  formula
414 </t>
415 <figure align="center">
416 <artwork align="center"><![CDATA[
417 'PCM sample position' = 'granule position' - 'pre-skip' .
418 ]]></artwork>
419 </figure>
420
421 <t>
422 For example, if the granule position of the first audio data page is 59,971,
423  and the pre-skip is 11,971, then the PCM sample position of the last decoded
424  sample from that page is 48,000.
425 </t>
426 <t>
427 This can be converted into a playback time using the formula
428 </t>
429 <figure align="center">
430 <artwork align="center"><![CDATA[
431                   'PCM sample position'
432 'playback time' = --------------------- .
433                          48000.0
434 ]]></artwork>
435 </figure>
436
437 <t>
438 The initial PCM sample position before any samples are played is normally '0'.
439 In this case, the PCM sample position of the first audio sample to be played
440  starts at '1', because it marks the time on the clock
441  <spanx style="emph">after</spanx> that sample has been played, and a stream
442  that is exactly one second long has a final PCM sample position of '48000',
443  as in the example here.
444 </t>
445
446 <t>
447 Vorbis streams use a granule position smaller than the number of audio samples
448  contained in the first audio data page to indicate that some of those samples
449  are trimmed from the output (see <xref target="vorbis-trim"/>).
450 However, to do so, Vorbis requires that the first audio data page contains
451  exactly two packets, in order to allow the decoder to perform PCM position
452  adjustments before needing to return any PCM data.
453 Opus uses the pre-skip mechanism for this purpose instead, since the encoder
454  might introduce more than a single packet's worth of latency, and since very
455  large packets in streams with a very large number of channels might not fit
456  on a single page.
457 </t>
458 </section>
459
460 <section anchor="end_trimming" title="End Trimming">
461 <t>
462 The page with the 'end of stream' flag set MAY have a granule position that
463  indicates the page contains less audio data than would normally be returned by
464  decoding up through the final packet.
465 This is used to end the stream somewhere other than an even frame boundary.
466 The granule position of the most recent audio data page with completed packets
467  is used to make this determination, or '0' is used if there were no previous
468  audio data pages with a completed packet.
469 The difference between these granule positions indicates how many samples to
470  keep after decoding the packets that completed on the final page.
471 The remaining samples are discarded.
472 The number of discarded samples SHOULD be no larger than the number decoded
473  from the last packet.
474 </t>
475 </section>
476
477 <section anchor="start_granpos_restrictions"
478  title="Restrictions on the Initial Granule Position">
479 <t>
480 The granule position of the first audio data page with a completed packet MAY
481  be larger than the number of samples contained in packets that complete on
482  that page, however it MUST NOT be smaller, unless that page has the 'end of
483  stream' flag set.
484 Allowing a granule position larger than the number of samples allows the
485  beginning of a stream to be cropped or a live stream to be joined without
486  rewriting the granule position of all the remaining pages.
487 This means that the PCM sample position just before the first sample to be
488  played MAY be larger than '0'.
489 Synchronization when multiplexing with other logical streams still uses the PCM
490  sample position relative to '0' to compute sample times.
491 This does not affect the behavior of pre-skip: exactly 'pre-skip' samples
492  SHOULD be skipped from the beginning of the decoded output, even if the
493  initial PCM sample position is greater than zero.
494 </t>
495
496 <t>
497 On the other hand, a granule position that is smaller than the number of
498  decoded samples prevents a demuxer from working backwards to assign each
499  packet or each individual sample a valid granule position, since granule
500  positions are non-negative.
501 An implementation MUST reject as invalid any stream where the granule position
502  is smaller than the number of samples contained in packets that complete on
503  the first audio data page with a completed packet, unless that page has the
504  'end of stream' flag set.
505 It MAY defer this action until it decodes the last packet completed on that
506  page.
507 </t>
508
509 <t>
510 If that page has the 'end of stream' flag set, a demuxer MUST reject as invalid
511  any stream where its granule position is smaller than the 'pre-skip' amount.
512 This would indicate that there are more samples to be skipped from the initial
513  decoded output than exist in the stream.
514 If the granule position is smaller than the number of decoded samples produced
515  by the packets that complete on that page, then a demuxer MUST use an initial
516  granule position of '0', and can work forwards from '0' to timestamp
517  individual packets.
518 If the granule position is larger than the number of decoded samples available,
519  then the demuxer MUST still work backwards as described above, even if the
520  'end of stream' flag is set, to determine the initial granule position, and
521  thus the initial PCM sample position.
522 Both of these will be greater than '0' in this case.
523 </t>
524 </section>
525
526 <section anchor="seeking_and_preroll" title="Seeking and Pre-roll">
527 <t>
528 Seeking in Ogg files is best performed using a bisection search for a page
529  whose granule position corresponds to a PCM position at or before the seek
530  target.
531 With appropriately weighted bisection, accurate seeking can be performed with
532  just three or four bisections even in multi-gigabyte files.
533 See <xref target="seeking"/> for general implementation guidance.
534 </t>
535
536 <t>
537 When seeking within an Ogg Opus stream, an implementation SHOULD start decoding
538  (and discarding the output) at least 3840&nbsp;samples (80&nbsp;ms) prior to
539  the seek target in order to ensure that the output audio is correct by the
540  time it reaches the seek target.
541 This 'pre-roll' is separate from, and unrelated to, the 'pre-skip' used at the
542  beginning of the stream.
543 If the point 80&nbsp;ms prior to the seek target comes before the initial PCM
544  sample position, an implementation SHOULD start decoding from the beginning of
545  the stream, applying pre-skip as normal, regardless of whether the pre-skip is
546  larger or smaller than 80&nbsp;ms, and then continue to discard samples
547  to reach the seek target (if any).
548 </t>
549 </section>
550
551 </section>
552
553 <section anchor="headers" title="Header Packets">
554 <t>
555 An Ogg Opus logical stream contains exactly two mandatory header packets:
556  an identification header and a comment header.
557 </t>
558
559 <section anchor="id_header" title="Identification Header">
560
561 <figure anchor="id_header_packet" title="ID Header Packet" align="center">
562 <artwork align="center"><![CDATA[
563  0                   1                   2                   3
564  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
565 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
566 |      'O'      |      'p'      |      'u'      |      's'      |
567 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
568 |      'H'      |      'e'      |      'a'      |      'd'      |
569 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
570 |  Version = 1  | Channel Count |           Pre-skip            |
571 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
572 |                     Input Sample Rate (Hz)                    |
573 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
574 |   Output Gain (Q7.8 in dB)    | Mapping Family|               |
575 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+               :
576 |                                                               |
577 :               Optional Channel Mapping Table...               :
578 |                                                               |
579 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
580 ]]></artwork>
581 </figure>
582
583 <t>
584 The fields in the identification (ID) header have the following meaning:
585 <list style="numbers">
586 <t>Magic Signature:
587 <vspace blankLines="1"/>
588 This is an 8-octet (64-bit) field that allows codec identification and is
589  human-readable.
590 It contains, in order, the magic numbers:
591 <list style="empty">
592 <t>0x4F 'O'</t>
593 <t>0x70 'p'</t>
594 <t>0x75 'u'</t>
595 <t>0x73 's'</t>
596 <t>0x48 'H'</t>
597 <t>0x65 'e'</t>
598 <t>0x61 'a'</t>
599 <t>0x64 'd'</t>
600 </list>
601 Starting with "Op" helps distinguish it from audio data packets, as this is an
602  invalid TOC sequence.
603 <vspace blankLines="1"/>
604 </t>
605 <t>Version (8 bits, unsigned):
606 <vspace blankLines="1"/>
607 The version number MUST always be '1' for this version of the encapsulation
608  specification.
609 Implementations SHOULD treat streams where the upper four bits of the version
610  number match that of a recognized specification as backwards-compatible with
611  that specification.
612 That is, the version number can be split into "major" and "minor" version
613  sub-fields, with changes to the "minor" sub-field (in the lower four bits)
614  signaling compatible changes.
615 For example, an implementation of this specification SHOULD accept any stream
616  with a version number of '15' or less, and SHOULD assume any stream with a
617  version number '16' or greater is incompatible.
618 The initial version '1' was chosen to keep implementations from relying on this
619  octet as a null terminator for the "OpusHead" string.
620 <vspace blankLines="1"/>
621 </t>
622 <t>Output Channel Count 'C' (8 bits, unsigned):
623 <vspace blankLines="1"/>
624 This is the number of output channels.
625 This might be different than the number of encoded channels, which can change
626  on a packet-by-packet basis.
627 This value MUST NOT be zero.
628 The maximum allowable value depends on the channel mapping family, and might be
629  as large as 255.
630 See <xref target="channel_mapping"/> for details.
631 <vspace blankLines="1"/>
632 </t>
633 <t>Pre-skip (16 bits, unsigned, little
634  endian):
635 <vspace blankLines="1"/>
636 This is the number of samples (at 48&nbsp;kHz) to discard from the decoder
637  output when starting playback, and also the number to subtract from a page's
638  granule position to calculate its PCM sample position.
639 When cropping the beginning of existing Ogg Opus streams, a pre-skip of at
640  least 3,840&nbsp;samples (80&nbsp;ms) is RECOMMENDED to ensure complete
641  convergence in the decoder.
642 <vspace blankLines="1"/>
643 </t>
644 <t>Input Sample Rate (32 bits, unsigned, little
645  endian):
646 <vspace blankLines="1"/>
647 This field is <spanx style="emph">not</spanx> the sample rate to use for
648  playback of the encoded data.
649 <vspace blankLines="1"/>
650 Opus can switch between internal audio bandwidths of 4, 6, 8, 12, and
651  20&nbsp;kHz.
652 Each packet in the stream can have a different audio bandwidth.
653 Regardless of the audio bandwidth, the reference decoder supports decoding any
654  stream at a sample rate of 8, 12, 16, 24, or 48&nbsp;kHz.
655 The original sample rate of the audio passed to the encoder is not preserved
656  by the lossy compression.
657 <vspace blankLines="1"/>
658 An Ogg Opus player SHOULD select the playback sample rate according to the
659  following procedure:
660 <list style="numbers">
661 <t>If the hardware supports 48&nbsp;kHz playback, decode at 48&nbsp;kHz.</t>
662 <t>Otherwise, if the hardware's highest available sample rate is a supported
663  rate, decode at this sample rate.</t>
664 <t>Otherwise, if the hardware's highest available sample rate is less than
665  48&nbsp;kHz, decode at the next highest supported rate above this and
666  resample.</t>
667 <t>Otherwise, decode at 48&nbsp;kHz and resample.</t>
668 </list>
669 However, the 'Input Sample Rate' field allows the muxer to pass the sample
670  rate of the original input stream as metadata.
671 This is useful when the user requires the output sample rate to match the
672  input sample rate.
673 For example, when not playing the output, an implementation writing PCM format
674  samples to disk might choose to resample the audio back to the original input
675  sample rate to reduce surprise to the user, who might reasonably expect to get
676  back a file with the same sample rate.
677 <vspace blankLines="1"/>
678 A value of zero indicates 'unspecified'.
679 Muxers SHOULD write the actual input sample rate or zero, but implementations
680  which do something with this field SHOULD take care to behave sanely if given
681  crazy values (e.g., do not actually upsample the output to 10 MHz if
682  requested).
683 Implementations SHOULD support input sample rates between 8&nbsp;kHz and
684  192&nbsp;kHz (inclusive).
685 Rates outside this range MAY be ignored by falling back to the default rate of
686  48&nbsp;kHz instead.
687 <vspace blankLines="1"/>
688 </t>
689 <t>Output Gain (16 bits, signed, little endian):
690 <vspace blankLines="1"/>
691 This is a gain to be applied when decoding.
692 It is 20*log10 of the factor by which to scale the decoder output to achieve
693  the desired playback volume, stored in a 16-bit, signed, two's complement
694  fixed-point value with 8 fractional bits (i.e., Q7.8).
695 <vspace blankLines="1"/>
696 To apply the gain, an implementation could use
697 <figure align="center">
698 <artwork align="center"><![CDATA[
699 sample *= pow(10, output_gain/(20.0*256)) ,
700 ]]></artwork>
701 </figure>
702  where output_gain is the raw 16-bit value from the header.
703 <vspace blankLines="1"/>
704 Virtually all players and media frameworks SHOULD apply it by default.
705 If a player chooses to apply any volume adjustment or gain modification, such
706  as the R128_TRACK_GAIN (see <xref target="comment_header"/>), the adjustment
707  MUST be applied in addition to this output gain in order to achieve playback
708  at the normalized volume.
709 <vspace blankLines="1"/>
710 A muxer SHOULD set this field to zero, and instead apply any gain prior to
711  encoding, when this is possible and does not conflict with the user's wishes.
712 A nonzero output gain indicates the gain was adjusted after encoding, or that
713  a user wished to adjust the gain for playback while preserving the ability
714  to recover the original signal amplitude.
715 <vspace blankLines="1"/>
716 Although the output gain has enormous range (+/- 128 dB, enough to amplify
717  inaudible sounds to the threshold of physical pain), most applications can
718  only reasonably use a small portion of this range around zero.
719 The large range serves in part to ensure that gain can always be losslessly
720  transferred between OpusHead and R128 gain tags (see below) without
721  saturating.
722 <vspace blankLines="1"/>
723 </t>
724 <t>Channel Mapping Family (8 bits, unsigned):
725 <vspace blankLines="1"/>
726 This octet indicates the order and semantic meaning of the output channels.
727 <vspace blankLines="1"/>
728 Each possible value of this octet indicates a mapping family, which defines a
729  set of allowed channel counts, and the ordered set of channel names for each
730  allowed channel count.
731 The details are described in <xref target="channel_mapping"/>.
732 </t>
733 <t>Channel Mapping Table:
734 This table defines the mapping from encoded streams to output channels.
735 It MUST be omitted when the channel mapping family is 0, but is
736  REQUIRED otherwise.
737 Its contents are specified in <xref target="channel_mapping"/>.
738 </t>
739 </list>
740 </t>
741
742 <t>
743 All fields in the ID headers are REQUIRED, except for the channel mapping
744  table, which MUST be omitted when the channel mapping family is 0, but
745  is REQUIRED otherwise.
746 Implementations SHOULD reject ID headers which do not contain enough data for
747  these fields, even if they contain a valid Magic Signature.
748 Future versions of this specification, even backwards-compatible versions,
749  might include additional fields in the ID header.
750 If an ID header has a compatible major version, but a larger minor version,
751  an implementation MUST NOT reject it for containing additional data not
752  specified here, unless it contains so much additional data that it does not
753  complete on the first page.
754 </t>
755
756 <section anchor="channel_mapping" title="Channel Mapping">
757 <t>
758 An Ogg Opus stream allows mapping one number of Opus streams (N) to a possibly
759  larger number of decoded channels (M&nbsp;+&nbsp;N) to yet another number of
760  output channels (C), which might be larger or smaller than the number of
761  decoded channels.
762 The order and meaning of these channels are defined by a channel mapping,
763  which consists of the 'channel mapping family' octet and, for channel mapping
764  families other than family&nbsp;0, a channel mapping table, as illustrated in
765  <xref target="channel_mapping_table"/>.
766 </t>
767
768 <figure anchor="channel_mapping_table" title="Channel Mapping Table"
769  align="center">
770 <artwork align="center"><![CDATA[
771  0                   1                   2                   3
772  0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
773                                                 +-+-+-+-+-+-+-+-+
774                                                 | Stream Count  |
775 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
776 | Coupled Count |              Channel Mapping...               :
777 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
778 ]]></artwork>
779 </figure>
780
781 <t>
782 The fields in the channel mapping table have the following meaning:
783 <list style="numbers" counter="8">
784 <t>Stream Count 'N' (8 bits, unsigned):
785 <vspace blankLines="1"/>
786 This is the total number of streams encoded in each Ogg packet.
787 This value is necessary to correctly parse the packed Opus packets inside an
788  Ogg packet, as described in <xref target="packet_organization"/>.
789 This value MUST NOT be zero, as without at least one Opus packet with a valid
790  TOC sequence, a demuxer cannot recover the duration of an Ogg packet.
791 <vspace blankLines="1"/>
792 For channel mapping family&nbsp;0, this value defaults to 1, and is not coded.
793 <vspace blankLines="1"/>
794 </t>
795 <t>Coupled Stream Count 'M' (8 bits, unsigned):
796 This is the number of streams whose decoders are to be configured to produce
797  two channels.
798 This MUST be no larger than the total number of streams, N.
799 <vspace blankLines="1"/>
800 Each packet in an Opus stream has an internal channel count of 1 or 2, which
801  can change from packet to packet.
802 This is selected by the encoder depending on the bitrate and the audio being
803  encoded.
804 The original channel count of the audio passed to the encoder is not preserved
805  by the lossy compression.
806 <vspace blankLines="1"/>
807 Regardless of the internal channel count, any Opus stream can be decoded as
808  mono (a single channel) or stereo (two channels) by appropriate initialization
809  of the decoder.
810 The 'coupled stream count' field indicates that the first M Opus decoders are
811  to be initialized for stereo output, and the remaining (N&nbsp;-&nbsp;M)
812  decoders are to be initialized for mono only.
813 The total number of decoded channels, (M&nbsp;+&nbsp;N), MUST be no larger than
814  255, as there is no way to index more channels than that in the channel
815  mapping.
816 <vspace blankLines="1"/>
817 For channel mapping family&nbsp;0, this value defaults to (C&nbsp;-&nbsp;1)
818  (i.e., 0 for mono and 1 for stereo), and is not coded.
819 <vspace blankLines="1"/>
820 </t>
821 <t>Channel Mapping (8*C bits):
822 This contains one octet per output channel, indicating which decoded channel
823  is to be used for each one.
824 Let 'index' be the value of this octet for a particular output channel.
825 This value MUST either be smaller than (M&nbsp;+&nbsp;N), or be the special
826  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'&nbsp;-&nbsp;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&nbsp;+&nbsp;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
841  C&nbsp;==&nbsp;2, 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&nbsp;==&nbsp;2, with stream index&nbsp;0 mapped to output
867  channel&nbsp;0 (mono, or left channel) and stream index&nbsp;1 mapped to
868  output channel&nbsp;1 (right channel) 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.
920 Offline implementations MAY deinterleave the output into separate PCM files,
921  one per channel.
922 Implementations SHOULD NOT produce output for channels mapped to stream index
923  255 (pure silence) unless they have no other way to indicate the index of
924  non-silent channels.
925 </t>
926 </section>
927
928 <section anchor="channel_mapping_undefined"
929  title="Undefined Channel Mappings">
930 <t>
931 The remaining channel mapping families (2...254) are reserved.
932 An implementation encountering a reserved channel mapping family value SHOULD
933  act as though the value is 255.
934 </t>
935 </section>
936
937 <section anchor="downmix" title="Downmixing">
938 <t>
939 An Ogg Opus player MUST support any valid channel mapping with a channel
940  mapping family of 0 or 1, even if the number of channels does not match the
941  physically connected audio hardware.
942 Players SHOULD perform channel mixing to increase or reduce the number of
943  channels as needed.
944 </t>
945
946 <t>
947 Implementations MAY use the following matricies to implement downmixing from
948  multichannel files using <xref target="channel_mapping_1">Channel Mapping
949  Family 1</xref>, which are known to give acceptable results for stereo.
950 Matricies for 3 and 4 channels are normalized so each coefficent row sums
951  to 1 to avoid clipping.
952 For 5 or more channels they are normalized to 2 as a compromise between
953  clipping and dynamic range reduction.
954 </t>
955 <t>
956 In these matricies the front left and front right channels are generally
957 passed through directly.
958 When a surround channel is split between both the left and right stereo
959  channels, coefficients are chosen so their squares sum to 1, which
960  helps preserve the perceived intensity.
961 Rear channels are mixed more diffusely or attenuated to maintain focus
962  on the front channels.
963 </t>
964
965 <figure anchor="downmix-matrix-3"
966  title="Stereo downmix matrix for the linear surround channel mapping"
967  align="center">
968 <artwork align="center"><![CDATA[
969 L output = ( 0.585786 * left + 0.414214 * center                    )
970 R output = (                   0.414214 * center + 0.585786 * right )
971 ]]></artwork>
972 <postamble>
973 Exact coefficient values are 1 and 1/sqrt(2), multiplied by
974  1/(1&nbsp;+&nbsp;1/sqrt(2)) for normalization.
975 </postamble>
976 </figure>
977
978 <figure anchor="downmix-matrix-4"
979  title="Stereo downmix matrix for the quadraphonic channel mapping"
980  align="center">
981 <artwork align="center"><![CDATA[
982 /          \   /                                     \ / FL \
983 | L output |   | 0.422650 0.000000 0.366025 0.211325 | | FR |
984 | R output | = | 0.000000 0.422650 0.211325 0.366025 | | RL |
985 \          /   \                                     / \ RR /
986 ]]></artwork>
987 <postamble>
988 Exact coefficient values are 1, sqrt(3)/2 and 1/2, multiplied by
989  1/(1&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2) for normalization.
990 </postamble>
991 </figure>
992
993 <figure anchor="downmix-matrix-5"
994  title="Stereo downmix matrix for the 5.0 surround mapping"
995  align="center">
996 <artwork align="center"><![CDATA[
997                                                          / FL \
998 /   \   /                                              \ | FC |
999 | L |   | 0.650802 0.460186 0.000000 0.563611 0.325401 | | FR |
1000 | R | = | 0.000000 0.460186 0.650802 0.325401 0.563611 | | RL |
1001 \   /   \                                              / | RR |
1002                                                          \    /
1003 ]]></artwork>
1004 <postamble>
1005 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1006  2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2)
1007  for normalization.
1008 </postamble>
1009 </figure>
1010
1011 <figure anchor="downmix-matrix-6"
1012  title="Stereo downmix matrix for the 5.1 surround mapping"
1013  align="center">
1014 <artwork align="center"><![CDATA[
1015                                                                 /FL \
1016 / \   /                                                       \ |FC |
1017 |L|   | 0.529067 0.374107 0.000000 0.458186 0.264534 0.374107 | |FR |
1018 |R| = | 0.000000 0.374107 0.529067 0.264534 0.458186 0.374107 | |RL |
1019 \ /   \                                                       / |RR |
1020                                                                 \LFE/
1021 ]]></artwork>
1022 <postamble>
1023 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1024 2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2 + 1/sqrt(2))
1025  for normalization.
1026 </postamble>
1027 </figure>
1028
1029 <figure anchor="downmix-matrix-7"
1030  title="Stereo downmix matrix for the 6.1 surround mapping"
1031  align="center">
1032 <artwork align="center"><![CDATA[
1033  /                                                                \
1034  | 0.455310 0.321953 0.000000 0.394310 0.227655 0.278819 0.321953 |
1035  | 0.000000 0.321953 0.455310 0.227655 0.394310 0.278819 0.321953 |
1036  \                                                                /
1037 ]]></artwork>
1038 <postamble>
1039 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2, 1/2 and
1040  sqrt(3)/2/sqrt(2), multiplied by
1041  2/(1&nbsp;+&nbsp;1/sqrt(2)&nbsp;+&nbsp;sqrt(3)/2&nbsp;+&nbsp;1/2 +
1042  sqrt(3)/2/sqrt(2) + 1/sqrt(2)) for normalization.
1043 The coeffients are in the same order as in <xref target="channel_mapping_1" />,
1044  and the matricies above.
1045 </postamble>
1046 </figure>
1047
1048 <figure anchor="downmix-matrix-8"
1049  title="Stereo downmix matrix for the 7.1 surround mapping"
1050  align="center">
1051 <artwork align="center"><![CDATA[
1052 /                                                                 \
1053 | .388631 .274804 .000000 .336565 .194316 .336565 .194316 .274804 |
1054 | .000000 .274804 .388631 .194316 .336565 .194316 .336565 .274804 |
1055 \                                                                 /
1056 ]]></artwork>
1057 <postamble>
1058 Exact coefficient values are 1, 1/sqrt(2), sqrt(3)/2 and 1/2, multiplied by
1059  2/(2&nbsp;+&nbsp;2/sqrt(2)&nbsp;+&nbsp;sqrt(3)) for normalization.
1060 The coeffients are in the same order as in <xref target="channel_mapping_1" />,
1061  and the matricies above.
1062 </postamble>
1063 </figure>
1064
1065 </section>
1066
1067 </section> <!-- end channel_mapping_table -->
1068
1069 </section> <!-- end id_header -->
1070
1071 <section anchor="comment_header" title="Comment Header">
1072
1073 <figure anchor="comment_header_packet" title="Comment Header Packet"
1074  align="center">
1075 <artwork align="center"><![CDATA[
1076  0                   1                   2                   3
1077  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
1078 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1079 |      'O'      |      'p'      |      'u'      |      's'      |
1080 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1081 |      'T'      |      'a'      |      'g'      |      's'      |
1082 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1083 |                     Vendor String Length                      |
1084 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1085 |                                                               |
1086 :                        Vendor String...                       :
1087 |                                                               |
1088 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1089 |                   User Comment List Length                    |
1090 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1091 |                 User Comment #0 String Length                 |
1092 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1093 |                                                               |
1094 :                   User Comment #0 String...                   :
1095 |                                                               |
1096 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1097 |                 User Comment #1 String Length                 |
1098 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
1099 :                                                               :
1100 ]]></artwork>
1101 </figure>
1102
1103 <t>
1104 The comment header consists of a 64-bit magic signature, followed by data in
1105  the same format as the <xref target="vorbis-comment"/> header used in Ogg
1106  Vorbis, except (like Ogg Theora and Speex) the final "framing bit" specified
1107  in the Vorbis spec is not present.
1108 <list style="numbers">
1109 <t>Magic Signature:
1110 <vspace blankLines="1"/>
1111 This is an 8-octet (64-bit) field that allows codec identification and is
1112  human-readable.
1113 It contains, in order, the magic numbers:
1114 <list style="empty">
1115 <t>0x4F 'O'</t>
1116 <t>0x70 'p'</t>
1117 <t>0x75 'u'</t>
1118 <t>0x73 's'</t>
1119 <t>0x54 'T'</t>
1120 <t>0x61 'a'</t>
1121 <t>0x67 'g'</t>
1122 <t>0x73 's'</t>
1123 </list>
1124 Starting with "Op" helps distinguish it from audio data packets, as this is an
1125  invalid TOC sequence.
1126 <vspace blankLines="1"/>
1127 </t>
1128 <t>Vendor String Length (32 bits, unsigned, little endian):
1129 <vspace blankLines="1"/>
1130 This field gives the length of the following vendor string, in octets.
1131 It MUST NOT indicate that the vendor string is longer than the rest of the
1132  packet.
1133 <vspace blankLines="1"/>
1134 </t>
1135 <t>Vendor String (variable length, UTF-8 vector):
1136 <vspace blankLines="1"/>
1137 This is a simple human-readable tag for vendor information, encoded as a UTF-8
1138  string&nbsp;<xref target="RFC3629"/>.
1139 No terminating null octet is necessary.
1140 <vspace blankLines="1"/>
1141 This tag is intended to identify the codec encoder and encapsulation
1142  implementations, for tracing differences in technical behavior.
1143 User-facing applications can use the 'ENCODER' user comment tag to identify
1144  themselves.
1145 <vspace blankLines="1"/>
1146 </t>
1147 <t>User Comment List Length (32 bits, unsigned, little endian):
1148 <vspace blankLines="1"/>
1149 This field indicates the number of user-supplied comments.
1150 It MAY indicate there are zero user-supplied comments, in which case there are
1151  no additional fields in the packet.
1152 It MUST NOT indicate that there are so many comments that the comment string
1153  lengths would require more data than is available in the rest of the packet.
1154 <vspace blankLines="1"/>
1155 </t>
1156 <t>User Comment #i String Length (32 bits, unsigned, little endian):
1157 <vspace blankLines="1"/>
1158 This field gives the length of the following user comment string, in octets.
1159 There is one for each user comment indicated by the 'user comment list length'
1160  field.
1161 It MUST NOT indicate that the string is longer than the rest of the packet.
1162 <vspace blankLines="1"/>
1163 </t>
1164 <t>User Comment #i String (variable length, UTF-8 vector):
1165 <vspace blankLines="1"/>
1166 This field contains a single user comment string.
1167 There is one for each user comment indicated by the 'user comment list length'
1168  field.
1169 </t>
1170 </list>
1171 </t>
1172
1173 <t>
1174 The vendor string length and user comment list length are REQUIRED, and
1175  implementations SHOULD reject comment headers that do not contain enough data
1176  for these fields, or that do not contain enough data for the corresponding
1177  vendor string or user comments they describe.
1178 Making this check before allocating the associated memory to contain the data
1179  helps prevent a possible Denial-of-Service (DoS) attack from small comment
1180  headers that claim to contain strings longer than the entire packet or more
1181  user comments than than could possibly fit in the packet.
1182 </t>
1183
1184 <t>
1185 Immediately following the user comment list, the comment header MAY
1186  contain zero-padding or other binary data which is not specified here.
1187 If the least-significant bit of the first byte of this data is 1, then editors
1188  SHOULD preserve the contents of this data when updating the tags, but if this
1189  bit is 0, all such data MAY be treated as padding, and truncated or discarded
1190  as desired.
1191 </t>
1192
1193 <t>
1194 The comment header can be arbitrarily large and might be spread over a large
1195  number of Ogg pages.
1196 Implementations SHOULD avoid attempting to allocate excessive amounts of memory
1197  when presented with a very large comment header.
1198 To accomplish this, implementations MAY reject a comment header larger than
1199  125,829,120&nbsp;octets, and MAY ignore individual comments that are not fully
1200  contained within the first 61,440 octets of the comment header.
1201 </t>
1202
1203 <section anchor="comment_format" title="Tag Definitions">
1204 <t>
1205 The user comment strings follow the NAME=value format described by
1206  <xref target="vorbis-comment"/> with the same recommended tag names:
1207  ARTIST, TITLE, DATE, ALBUM, and so on.
1208 </t>
1209 <t>
1210 Two new comment tags are introduced here:
1211 </t>
1212
1213 <t>First, an optional gain for track nomalization:</t>
1214 <figure align="center">
1215 <artwork align="left"><![CDATA[
1216 R128_TRACK_GAIN=-573
1217 ]]></artwork>
1218 </figure>
1219 <t>
1220  representing the volume shift needed to normalize the track's volume
1221  during isolated playback, in random shuffle, and so on.
1222 The gain is a Q7.8 fixed point number in dB, as in the ID header's 'output
1223  gain' field.
1224 This tag is similar to the REPLAYGAIN_TRACK_GAIN tag in
1225  Vorbis&nbsp;<xref target="replay-gain"/>, except that the normal volume
1226  reference is the <xref target="EBU-R128"/> standard.
1227 </t>
1228 <t>Second, an optional gain for album nomalization:</t>
1229 <figure align="center">
1230 <artwork align="left"><![CDATA[
1231 R128_ALBUM_GAIN=111
1232 ]]></artwork>
1233 </figure>
1234 <t>
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 </t>
1240 <t>
1241 An Ogg Opus stream MUST NOT have more than one of each tag, and if present
1242  their values MUST be an integer from -32768 to 32767, inclusive,
1243  represented in ASCII as a base 10 number with no whitespace.
1244 A leading '+' or '-' character is valid.
1245 Leading zeros are also permitted, but the value MUST be represented by
1246  no more than 6 characters.
1247 Other non-digit characters MUST NOT be present.
1248 </t>
1249 <t>
1250 If present, R128_TRACK_GAIN and R128_ALBUM_GAIN MUST correctly represent
1251  the R128 normalization gain relative to the 'output gain' field specified
1252  in the ID header.
1253 If a player chooses to make use of the R128_TRACK_GAIN tag or the
1254  R128_ALBUM_GAIN tag, it MUST apply those gains
1255  <spanx style="emph">in addition</spanx> to the 'output gain' value.
1256 If a tool modifies the ID header's 'output gain' field, it MUST also update or
1257  remove the R128_TRACK_GAIN and R128_ALBUM_GAIN comment tags if present.
1258 An muxer SHOULD assume that by default tools will respect the 'output gain'
1259  field, and not the comment tag.
1260 </t>
1261 <t>
1262 To avoid confusion with multiple normalization schemes, an Opus comment header
1263  SHOULD NOT contain any of the REPLAYGAIN_TRACK_GAIN, REPLAYGAIN_TRACK_PEAK,
1264  REPLAYGAIN_ALBUM_GAIN, or REPLAYGAIN_ALBUM_PEAK tags.
1265 <xref target="EBU-R128"/> normalization is preferred to the earlier
1266  REPLAYGAIN schemes because of its clear definition and adoption by industry.
1267 Peak normalizations are difficult to calculate reliably for lossy codecs
1268  because of variation in excursion heights due to decoder differences.
1269 In the authors' investigations they were not applied consistently or broadly
1270  enough to merit inclusion here.
1271 </t>
1272 </section> <!-- end comment_format -->
1273 </section> <!-- end comment_header -->
1274
1275 </section> <!-- end headers -->
1276
1277 <section anchor="packet_size_limits" title="Packet Size Limits">
1278 <t>
1279 Technically, valid Opus packets can be arbitrarily large due to the padding
1280  format, although the amount of non-padding data they can contain is bounded.
1281 These packets might be spread over a similarly enormous number of Ogg pages.
1282 When encoding, implementations SHOULD limit the use of padding in audio data
1283  packets to no more than is necessary to make a variable bitrate (VBR) stream
1284  constant bitrate (CBR).
1285 Demuxers SHOULD reject audio data packets larger than 61,440 octets per
1286  Opus stream.
1287 Such packets necessarily contain more padding than needed for this purpose.
1288 Demuxers SHOULD avoid attempting to allocate excessive amounts of memory when
1289  presented with a very large packet.
1290 Demuxers 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 Demuxers 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 <t>
1339 In encoders derived from the reference implementation, the number of
1340  samples can be queried with:
1341 </t>
1342 <figure align="center">
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, implementations
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 implementation SHOULD set
1354  the pre-skip header value to (delay_samples&nbsp;+&nbsp;extra_samples), encode
1355  at least (length&nbsp;+&nbsp;delay_samples&nbsp;+&nbsp;extra_samples)
1356  samples, and set the granule position of the last page to
1357  (length&nbsp;+&nbsp;delay_samples&nbsp;+&nbsp;extra_samples).
1358 This ensures that the encoded file has the same duration as the original, with
1359  no time offset. The best way to pad the end of the stream is to also use LPC
1360  extrapolation, but zero-padding is also acceptable.
1361 </t>
1362
1363 <section anchor="lpc" title="LPC Extrapolation">
1364 <t>
1365 The first step in LPC extrapolation is to compute linear prediction
1366  coefficients. <xref target="lpc-sample"/>
1367 When extending the end of the signal, order-N (typically with N ranging from 8
1368  to 40) LPC analysis is performed on a window near the end of the signal.
1369 The last N samples are used as memory to an infinite impulse response (IIR)
1370  filter.
1371 </t>
1372 <t>
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 </t>
1377 <figure align="center">
1378 <artwork align="center"><![CDATA[
1379         N
1380        ---
1381 x(n) = \   a(k)*x(n-k)
1382        /
1383        ---
1384        k=1
1385 ]]></artwork>
1386 </figure>
1387 <t>
1388 The process is repeated independently for each channel.
1389 It is possible to extend the beginning of the signal by applying the same
1390  process backward in time.
1391 When extending the beginning of the signal, it is best to apply a "fade in" to
1392  the extrapolated signal, e.g. by multiplying it by a half-Hanning window
1393  <xref target="hanning"/>.
1394 </t>
1395
1396 </section>
1397
1398 <section anchor="continuous_chaining" title="Continuous Chaining">
1399 <t>
1400 In some applications, such as Internet radio, it is desirable to cut a long
1401  stream into smaller chains, e.g. so the comment header can be updated.
1402 This can be done simply by separating the input streams into segments and
1403  encoding each segment independently.
1404 The drawback of this approach is that it creates a small discontinuity
1405  at the boundary due to the lossy nature of Opus.
1406 An muxer MAY avoid this discontinuity by using the following procedure:
1407 <list style="numbers">
1408 <t>Encode the last frame of the first segment as an independent frame by
1409  turning off all forms of inter-frame prediction.
1410 De-emphasis is allowed.</t>
1411 <t>Set the granule position of the last page to a point near the end of the
1412  last frame.</t>
1413 <t>Begin the second segment with a copy of the last frame of the first
1414  segment.</t>
1415 <t>Set the pre-skip value of the second stream in such a way as to properly
1416  join the two streams.</t>
1417 <t>Continue the encoding process normally from there, without any reset to
1418  the encoder.</t>
1419 </list>
1420 </t>
1421 <t>
1422 In encoders derived from the reference implementation, inter-frame prediction
1423  can be turned off by calling:
1424 </t>
1425 <figure align="center">
1426 <artwork align="center"><![CDATA[
1427  opus_encoder_ctl(encoder_state, OPUS_SET_PREDICTION_DISABLED(1));
1428 ]]></artwork>
1429 </figure>
1430 <t>
1431 For best results, this implementation requires that prediction be explicitly
1432  enabled again before resuming normal encoding, even after a reset.
1433 </t>
1434
1435 </section>
1436
1437 </section>
1438
1439 <section anchor="implementation" title="Implementation Status">
1440 <t>
1441 A brief summary of major implementations of this draft is available
1442  at <eref target="https://wiki.xiph.org/OggOpusImplementation"/>,
1443  along with their status.
1444 </t>
1445 <t>
1446 [Note to RFC Editor: please remove this entire section before
1447  final publication per <xref target="RFC6982"/>, along with
1448  its references.]
1449 </t>
1450 </section>
1451
1452 <section anchor="security" title="Security Considerations">
1453 <t>
1454 Implementations of the Opus codec need to take appropriate security
1455  considerations into account, as outlined in <xref target="RFC4732"/>.
1456 This is just as much a problem for the container as it is for the codec itself.
1457 Robustness against malicious payloads is extremely important.
1458 Malicious payloads MUST NOT cause an implementation to overrun its allocated
1459  memory or to take an excessive amount of resources to decode.
1460 Although problems in encoding applications are typically rarer, the same
1461  applies to the muxer.
1462 Malicious audio input streams MUST NOT cause an implementation to overrun its
1463  allocated memory or consume excessive resources because this would allow an
1464  attacker 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 <t>
1485 If more specificity is desired, one MAY indicate the presence of Opus streams
1486  using the codecs parameter defined in <xref target="RFC6381"/> and
1487  <xref target="RFC5334"/>, e.g.,
1488 </t>
1489 <figure>
1490 <artwork align="center"><![CDATA[
1491     audio/ogg; codecs=opus
1492 ]]></artwork>
1493 </figure>
1494 <t>
1495  for an Ogg Opus file.
1496 </t>
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>