音视频中的pts到底怎么来的

首先来理解几个概念：

time base ： 时间基，也即是时间单位，举个栗子， ctx->time_base = {1, 1000}， 即，把一秒分为 1000个单位，每个单位 1/1000 秒。

fps ： 帧每秒，即 每秒显示多少帧，举个栗子，25fps，每秒显示25帧，每帧持续显示 1/25 = 0.04 秒 = 40 毫秒。

sample_rate ： 这个是对于 音频来讲的，即采样率，常见的比如 44.1 KHz， 即 每秒采样 44100 次。

 

我们知道，对于视频，我们可以根据 fps得到 每一帧的pts，即：

根据时间基，一秒钟 1000 个单位，这1000个单位分给 25 帧去使用，所以每个帧占用了 1000/25的时间，

所以，如果第一帧的pts 应该是 1000/25 *  1/1000 = 40 毫秒，即 占用的时间单位个数 * 每个时间单位的时间

同理，第二帧就是 ： 40 + （1000/25 *  1/1000） = 80 毫秒，第N帧就是 ：N * 40 毫秒 。

 

而对于音频，我们并不知道每秒会有多少给音频帧播放，而是知道每秒采样多少次，那要怎么计算呢？

我们可以通过(ffmpeg里面提供了一个变量：AVFrame：nb_samples ，这个表示每给frame里面有多少个采样个数) 。

则，每秒的帧数 =  每秒采样数/一帧的采样数 。

所以 音频的 ”fps“ = sample_rate/nb_samples。

所以，音频的 pts 应该这样算：

举个栗子， 时间基为 {1， 8000} 即 每个时间单位是 1/ 8000 秒 ，采样率为 44.1Khz， 则：

则根据上面的原理， 8000 份时间 分给 fps 使用，则 每个帧占用了 8000/ fps 的时间。

第一帧的pts =  （8000 / fps） =  （8000 / （44100/nb_samples）） 约等于  2 * nb_samples

第N帧 就是 N * 2 * nb_samples