flv封装ffmpeg编码的视音频笔记（二）

    flv封装ffmpeg编码的视音频笔记（一）不仅分析FLV文件结构及各结构的具体内容，对视频封装也做了具体说明。在上文的基础上，本文将添加音频封装的相关内容。封装音频之前，注意将FLV文件头中的类型标志位设为5，以保证FLV文件中存在音频。

一、音频配置Tag信息

    紧接着视频配置Tag的是音频配置Tag，也就是第一个AudioTag，它的标签头数据结构按照上文介绍的填值即可，需要将标签类型的值设为8，表示该Tag是音频相关的。

    音频标签数据区的第1个字节包含了音频数据的参数信息，从第2个字节开始为音频流数据。 
　　第1个字节的的含义，见表1、表2、表3、表4，数据位从左至右。

表1 前4位表示音频数据的格式
--------------------------
值　　含义
--------------------------
0　　未压缩 
1　　ADPCM 
2　　MP3 
5　　Nellymoser 8kHz momo 
6　　Nellymoser 
--------------------------
说明：
　　1.Nellymoser 8kHz 是一个特殊的类型，8kHz采样率在其它格式中不被支持。当音频格式是Nellymoser 8kHz mono的时候，采样精度（见表6）和音频类型（见表7）被忽略了。
　　2.对于其它的 Nellymoser，采样率,采样精度、音频类型照常。

表2 第5-6位的数值表示采样率
---------------
值　 含义
---------------
0　　5.5kHz
1　　11kHz
2　　22kHz
3　　44kHz
---------------

表3 第7位表示采样精度
--------------
值　 含义
--------------
0　　8位
1　　16位
--------------

表4 第8位表示音频类型
--------------
值　　含义
--------------
0　　单声道
1　　立体声 
--------------

    音频配置Tag的数据区结构如表5

表5 音频配置Tag的数据区结构
---------------------------------------
项目       长度(字节) 说明
---------------------------------------
类别    　　1　　　　　值为175，二进制为 10101111表示： 1010（十进制为10）-->AAC  第5-6位 11（十进制为   3）-->44kHz 第7位 1 --> 采样为16位数字 第8位 1 --> 立体声
AAC类型   　1　　　    值为0，表示AAC sequence header
音频配置　　2          第一个字节为18，第二个字节为16
---------------------------------------
    接下来是该Tag的大小。

二、ffmpeg编码得到的AAC数据
    AAC原始码流（又称为“裸流”）是由一个一个的ADTS frame组成的。他们的结构如下图所示。

    其中每个ADTS frame之间通过syncword（同步字）进行分隔。同步字为0xFFF（二进制“111111111111”）。AAC码流解析的步骤就是首先从码流中搜索0x0FFF，分离出ADTS frame；然后再分析ADTS frame的首部各个字段。本文的程序即实现了上述的两个步骤。
    每次编码的采样数不超过1024，使用1024个采样编码可得到一包AAC数据。“雷神”的文章说是编码得到的AAC数据有同步字，在实际编码中并没有看到。得到一包AAC数据后，就可以为FLV音频封装做准备了。

三、音频Tag信息
    音频Tag的标签头和音频配置Tag的标签头一样，不同的是标签数据区，音频Tag的标签数据区见表6

表6 音频Tag的数据区结构
---------------------------------------
项目       长度(字节) 说明
---------------------------------------
类别    　　1　　　　　值为175，二进制为 10101111表示： 1010（十进制为10）-->AAC  第5-6位 11（十进制为   3）-->44kHz 第7位 1 --> 采样为16位数字 第8位 1 --> 立体声
AAC类型   　1　　　    值为1，表示AAC数据
AAC数据 数据实际尺寸
---------------------------------------
    填上AAC数据后，别忘了加上音频Tag的大小，依次类推。如此，在上文的基础上可添加能正常播放的FVL音频。

四、音视频同步相关
    视频和音频的正常播放，需要确保填入Tag的时间戳是正确的，同时音视频Tag需要“间隔”地加入FLV文件中。一个视频Tag的播放时间大概是41ms，一个音频Tag的播放时间是大概是23ms，所以大部分的FLV文件里一个视频Tag后接二个音频Tag，当然具体需要考虑实际的时间戳。