RFC6416中对AAC进行RTP打包方式介绍

简介

rfc6416是描述如何将MPEG-4 Audio/Visual Stream封包至RTP中的。文档写的还是比较清晰简明的，对音频而言，没有再定义额外的码流结构，就是直接对MPEG-4 Audio stream的结构进行打包。下面列出的是需要理解的概念:

• MPEG-4 Audio/Visual Stream是在ISO/IEC 14496-3，ISO/IEC 14496-2中定义，分别用于audio及video的封包。在之前，audio和video是需要通过mpeg-4 Systems(ISO/IEC 14496-1)进行封装的。

• Signaling by MIME Format Parameters

与rfc3640相类似，也需要一种协议携带MIME Format Parameters，最常用的是sdp。并且一样的有对编码规格的参数意义的定义，详见文档第7节定义

• Media Type

rfc6416中为音频流定义的Media Type为MP4A-LATM

细节

下面列出文档中所需注意的一些细节:

1. RTP包中携带的到底是LATM还是LOAS

rfc 6416描述的是RTP 携带LATM，并非LOAS

在前面的文章提到过LATM和LOAS的概念，其实LOAS就是 同步信息+LATM。那么rfc 6416 RTP中携带的并没有同步信息。

2. 传输复用的意思

LATM特点就是可复用，就是指可以携带多个audio frame(编码后的)。在基于sip的rtp的流媒体应用中，一个rtp只会携带一个audio frame，即使sdp中的ptime的值为20ms的倍数(20ms时长采样数据大小是rtp中音频数据的一个audio frame的基本长度)，也被认为是一个audio frame。而在LATM中是叫多个audio frame被复用。

3.带内和带外携带config

在前面的文章，列出了LATM的基本结构，其中这个StreamMuxConfig这个结构数据是可以与码流分开传输的，在码流中即为带内，不在码流中(典型的在sdp中携带)即为带外。

4. MIME Format Parameters

以下列出了最基本，常用的码流参数(根据AAC的不同规格，参数会有变化)

• object(至关重要): AOT的值，描述的是携带什么类型的AAC规格

• bitrate(必须要有): 音频流的码率

• cpresent(可以没有，没有则为默认): 解释如下

a boolean parameter that indicates whether audio
payload configuration data has been multiplexed into an RTP
payload.A 0 indicates the configuration data
has not been multiplexed into an RTP payload, and in that case,
the “config” parameter MUST be present; a 1 indicates that it has
been multiplexed.
The default if the parameter is omitted is 1.
If this parameter is set to 1 and the “config” parameter is
present, the multiplexed configuration data and the value of the
“config” parameter SHALL be consistent.

这个参数控制两个行为，确定是否复用，确定StreamMuxConfig是带外还是带内

• config(是否携带，根据参数而定)

a hexadecimal representation of an octet string that
expresses the audio payload configuration data “StreamMuxConfig”.

• profile-level-id(可有可无): 跟H264/265中的几个profile意义一样

实例说明

如下图所示，是一个mpeg-4 audio stream的 sip invite

• 标注1，sub-media-type技术表示的是mpeg-4 audio stream
• 标注2，为码流参数信息，aot为23即AAC-LD，sdp中没有携带 cpresent，按照前面的介绍，即标识是复用流，并且StreamMuxConfig是带内传输。