AVTP 帧格式

AVTP是个链路层传输协议，其主要作用有两个：https://cloud.tencent.com/developer/article/1617867

1. 音视频数据封装：将音视频数据封装成相应的格式在链路层传输。
2. 媒体同步：
   • 媒体时钟同步：不同的媒体类型有自己的媒体时钟，这些媒体时钟都映射到gPTP时间（同一个时间坐标系），接收端可以轻松进行媒体时钟恢复。
   • 展示时间同步(播放时间同步)：数据发送时指示接收方在未来的某个时间点播放，如果有多个接收者，它们就会在未来的同一时刻同时播放。

一、音视频数据封装

• AVTP是链路层的传输协议，并且是基于VLAN的，在以太网帧中的位置如下所示：针对不同的音视频格式，AVTP有不同的Header和Payload格式。（注：AVTP的Header其实是分了几个层级的，包含通用部分和随音视频格式变化部分，这里不再详细介绍。）

 

本文主要基于H264介绍AVTP。

下图是AVTP封装H264视频数据时的头部结构：

我们结合实际报文重点关注图中编号了的几个字段，上图编号和下图抓包中的编号一一对应：

1. subtype：AVTP子类型，本例为压缩视频格式，一般简称为CVF
2. tv:它用来指示字段5是否有效， 0代表无效，1代表有效；这是因为一个视频单元（NALU)会被拆分为多个AVTP包，规范要求只需要在最后一个AVTP包中添加时间戳即可。
3. sequence_num：包序号，供接收端判断是否丢包、乱序
4. stream_id：流id，用来标识本数据流。长度为64bit, 前48字节定义和MAC地址定义规则一致，大部分直接拿MAC地址作为前48bit，后16bit根据需要自定义分配。
5. avtp_timestamp: AVTP Presentation Time，后面专门介绍
6. format: 用来表明payload承载的音视频数据是自定义格式还是RFC规范定义的格式，本例中是RFC格式的视频。
7. format_subtype: payload承载的音视频数据子类型，本例中是H264格式。
8. M标志位：代表一个NALU的结束。如果一个NALU被拆分为多个AVTP报文，只有最后一个需要把M标志填写成1。
9. h264_timestamp: h264时间戳，后面专门介绍。
10. ptv：用来指示h264_timestamp字段是否有效。本例中未填写h264_timestamp，所以ptv均为0（抓包中未标记）。