MP4格式标准介绍

• MP4文件由许多个box与FullBox组成，无一例外。
• 每个box由header和data两部分组成。
•  FullBox则是box的扩展，以box结构为基础，在header中增加8位的version标志和24位的flags标志。
•  header包含了整个box的长度大小(size)和类型(type)，类型是一个典型的4字符的标签，一般被称为FourCC。当size等于0时，代表这个box是文件的最后一个box；当size等于1时，说明box长度需要更多的位来描述，在后面会定义一个64位的largesize来描述box的长度。

MP4 box基本结构

MP4扩展box

MP4 box嵌套box

box结构如下：

Root Box (ftyp)
│
├── moov (Movie Box)
│   ├── mvhd (Movie Header Box)
│   ├── trak (Track Box)
│   │   ├── tkhd (Track Header Box)
│   │   ├── mdia (Media Box)
│   │   │   ├── mdhd (Media Header Box)
│   │   │   ├── hdlr (Handler Reference Box)
│   │   │   ├── minf (Media Information Box)
│   │   │   │   ├── vmhd (Video Media Header Box)
│   │   │   │   ├── smhd (Sound Media Header Box)
│   │   │   │   ├── dinf (Data Information Box)
│   │   │   │   ├── stbl (Sample Table Box)
│   │   │   │   │   ├── stsd (Sample Description Box)
│   │   │   │   │   ├── stts (Time-to-Sample Box)
│   │   │   │   │   ├── stsz (Sample Size Box)
│   │   │   │   │   ├── stsc (Sample-to-Chunk Box)
│   │   │   │   │   ├── stco (Chunk Offset Box)
│   │   │   │   │   ├── stss (Sync Sample Box)
│   ├── udta (User Data Box)
│   ├── iods (Image Decode Session Box)
│
├── mdat (Media Data Box)
│
└── free (Free Box)  // 可选

 box说明如下：

ftyp (File Type Box)：文件的基础信息，包含文件格式类型。
moov (Movie Box)：包含了有关整个媒体文件的元数据。它是 mdat 之外最重要的部分。
mvhd (Movie Header Box)：描述整个电影文件的基本信息（如时间尺度、持续时间等）。
trak (Track Box)：每个轨道（音频、视频等）的描述。
tkhd (Track Header Box)：该轨道的基本信息（如尺寸、持续时间等）。
mdia (Media Box)：描述轨道中的媒体数据。
mdhd (Media Header Box)：该媒体的基本信息。
hdlr (Handler Reference Box)：媒体处理器信息（例如视频或音频处理器）。
minf (Media Information Box)：媒体信息，包含了如视频格式或音频格式的详细数据。
stbl (Sample Table Box)：描述样本表结构，包含了用于媒体播放的数据。
mdat (Media Data Box)：包含实际的媒体数据（音频、视频等）。
udta (User Data Box)：存储用户自定义的数据或附加信息。
free (Free Box)：保留或未使用的空间。

1. moov说明

moov定义了MP4文件的元数据信息。

moov本质上是其他box的一个容器，这些box组合在一起描述了多媒体的内容。

如果希望MP4文件被快速打开，则需要将moov存放在mdat的前面，如果放在后面，需要将MP4文件下载完成后才可以进行播放。

 moov中最为常见的是mvhd，它定义了整个多媒体文件的timescale、duration等显示特性。而trak中定义了多媒体文件中的一个track的信息，track指的是多媒体文件中可以独立操作的媒体单位，例如一个声道是一个track，一个视频流也是一个track。

2. mvhd说明

mvhd box在moov box里面，包含了与整个播放展示相关的元数据。诸如文件的创建和修改时间等信息，它告诉我们视频播放器总时长、time scale、播放速度和初始音量。

3. trak说明

trak定义了媒体文件中一个track（轨道）的信息。一个媒体文件可以包含多个track，每个track都是独立的，有自己的时间和空间占用的信息。每个trak容器都有与它关联的媒体容器描述信息。

4. tkhd说明

tkhd放在trak box里，每个track只能有一个tkhd。它是强制性的，包含描述单个轨道的特性的元数据。

5. mdia说明

mdia box包含了有关媒体轨道（如音频、视频等）的详细信息，对应一个轨道中的媒体内容。通常包含以下几个子 Box：

• 媒体头容器：Media Header box(mdhd)
• 句柄参考容器：Handler Reference box(hdlr)
• 媒体信息容器：Media Information box(minf) 
• 用户数据容器：User Data box(udta)