FFmpeg开发——AAC音频格式解析

前言

今天我们主要主要分析的是音频格式AAC。AAC全称Advanced Audio Coding，是相比于MP3更优秀的音频编码格式：更多的采样率，更多的声道，更好的压缩算法等。目前它也是MP4文件中音频部分的数据的常见编码格式。

如果我们测试了之前文章的demo,并调用了av_dump_format函数的话，就会打印如下的类似的媒体信息：

  Duration: 00:00:10.00, start: 0.000000, bitrate: 2279 kb/s
  Stream #-1:0[0x1](und): Video: h264 (High) (avc1 / 0x31637661), yuv420p(progressive), 1920x1080 [SAR 1:1 DAR 16:9], 1927 kb/s, 30 fps, 30 tbr, 15360 tbn (default)
    Metadata:
      handler_name    : VideoHandler
      vendor_id       : [0][0][0][0]
  Stream #-1:1[0x2](und): Audio: aac (LC) (mp4a / 0x6134706D), 48000 Hz, 5.1, fltp, 340 kb/s (default)
    Metadata:
      handler_name    : SoundHandler
      vendor_id       : [0][0][0][0]

我们看到一般至少有两个数据流，其中一个就是音频流，Audio: aac (LC)，表明音频就是使用了aac编码格式。

AAC基本格式

AAC标准来源于[ISO/IEC 13818-7],所以我们的分析也主要来自于该文档。

AAC编码格式分为两种类型：ADIF（Audio Data Interchange Format）和ADTS(Audio Data Transport Stream),其中后者是互联网上更加常见的类型。

我们一个一个说。

ADIF

ADIF格式在标准文章中的定义如下：

这是一个伪代码（C）的定义，主要把ADIF数据分为一个header+一个data Stream（byte_alignment是为了和header做内存对齐用的）。

header部分的结构如下：

我们可以看到header部分最多一共占有155bit的空间。 我们把字段罗列一下：

字段	占位(bit)	含义
adif_id	32	值固定为0x41444946，即字符串 "ADIF "的 ASCII 表示
copyright_id_present	1	表明copyright_id是否存在
copyright_id	72	版权信息，该字段由 8 位版权标识符和 64 位版权编号组成
original_copy	1	略
home	1	略
bitstream_type	1	0,：固定速率比特流，1：可变速录比特流
bitrate	23	比特率（可变速率时表示比特率最大值）
num_program_config_elements	4	配置程序数量（略）
adif_buffer_fullness	20	略

ADIF的数据只有一个数据头，也即ADIF音频数据只能从头开始进行解码播放。

ADTS（重点）

ADTS则用于ADIF不同，ADTS把音频数据分为不同的帧组成,每个帧中有独立的头部和数据。其数据解析方式定义如下：

从伪代码中我们可以看到，数据被循环读取，每次都读取一个Frame,而在Frame读取内部，则是先读取header（读取两次）,然后读取data。

adts_fixed_header

首先读取固定头部数据：adts_fixed_header

固定头部的占位是28bit,我们把固定头部数据罗列一下：

字段	占位(bit)	含义
syncword	12	总是0xfff,标识帧开始的位置
ID	1	表示算法ID,对于ffmpeg音频为固定1
layer	2	表明处于哪个层级：“11” Layer I， “10” Layer II， “01” Layer III，“00” reserved
protection_absent	1	判断error_check() data 是否存在
profile	2	配置选项（3种:Main profile/LC/SSR）
sampling_frequency_index	4	指向采样频率取值的下标
private_bit	1	略
channel_configuration	3	声道配置
original_copy	1	略
home	1	略

sampling_frequency_index

表示采样频率表的下标，可以获取采样频率值。

channel_configuration

声道配置，表示该音频的数据声道数，根据声道数来确定不同的解析方式。

adts_variable_header

然后是可变头部数据：adts_variable_header

可变头部的占位也是28bit,我们把可变头部数据罗列一下：

字段	占位(bit)	含义
copyright_identification_bit	1	版权标识相关
copyright_identification_start	1	版权标识相关
aac_frame_length	13	音频帧的大小（含header）
adts_buffer_fullness	11	略
number_of_raw_data_blocks_in_frame	2	raw_data_blocks的数量+1

我们可以做一个ADTS基本数据结构的示意图：固定头部+可变头部+data

由于ADTS的的数据结构是分帧结构，每个帧有自己独立的header部分，也意味着ADTS格式的数据可以从任意位置（任意帧）开始解码，播放。这也更加符合目前互联网上对于音频的消费习惯，所以ADTS的音频格式在互联网上更加流行。

如果你看到了这里，觉得文章写得不错就给个赞呗？
更多Android进阶指南 可以扫码 解锁更多Android进阶资料


敲代码不易，关注一下吧。ღ( ´･ᴗ･` )