mp4文件格式解析
目录
- 概述
- mp4文件基本信息
- 封装格式重要概念
- 重要box介绍
- 其他box介绍
- 实用技术
- 开源软件
参考
【文末扫马进君羊，领取音视频学习资料】
- [1] ISO/IEC 14496-12:2015
- [2] wikipedia/MPEG-4
- [3] wikipedia/ISO base media file format
- [4] wikipedia/MPEG-4 Part 14
- [5] Tocy/多媒体文件格式之MP4
- [6] Phil Cluff/What's in the box_!
- [7] github.com/gpac/mp4box.js
- [8] tao/Android音视频系列：视频容器操作篇 -- mp4容器打包实现
- [9] LiaoJunXiong/使用gpac封装mp4
- [10] Jameson Steiner/Fun with Container Formats – Part 2
- [11] An Overview of the ISO Base Media File Format by Thomas Stockhammer
1. 概述
mp4或称MPEG-4 Part 14，是一种多媒体容器格式，扩展名为.mp4。
历史[6]：
- 2001年，apple的QuickTime格式，
.qt和.mov的后缀名。 - 2001年，MPEG-4 Part1，把基于QuickTime的box布局的容器格式添加到了MPEG-4标准。
- 2004年，标准文档把编码和容器格式的说明分开。
- MPEG-4 Part12，定义了容器格式通用的box结构，即ISO媒体文件格式(ISO base media file format, ISOBMFF)。
- MPEG-4 Part14，基于Part12进行了细化，定义了用于存储MPEG-4内容的容器格式，即
.mp4格式。
以下是各标准文档的链接：
- QuickTime：QuickTime/QTFF
- MPEG-4 Part12：ISO/IEC 14496-12:2015
- MPEG-4 Part14：ISO/IEC 14496-14:2018，官网上这部分是付费的。
MP4文件由许多box组成，每个box包含不同的信息， 这些box以树形结构的方式组织。以下是主要box的简要说明：
根节点之下，主要包含三个节点：ftyp、moov、mdat。
- ftyp：文件类型。描述遵从的规范的版本。
- moov box：媒体的metadata信息。
- mdat：具体的媒体数据。
说明：在 mp4 中默认写入字节序是 Big-Endian的。
2. mp4文件基本信息
分析mp4文件的工具：
- mp4box.js：一个在线解析mp4的工具。
- bento4：包含mp4dump、mp4edit、mp4encrypt等工具。
- MP4Box：类似于bento4，包含很全面的工具。
- mp4info.exe: windows平台图形界面展示mp4基本信息的工具。
下图为使用mp4info.exe打开mp4文件的界面：
mp4文件基本信息
audio信息：
- smplrate：sample rate(采样率)。
- channel：通道个数。
- bitrate：比特率。
- audiosamplenum：音频sample的个数。
video信息：
- width、height：视频的宽/高。
- bitrate：比特率(码率)，秒为单位。等于视频总的大小/时长。
- frames：视频帧数。
- fps：帧率(frame per second)。
- total_time：时间长度，ms为单位。等于duration/timescale。
- timescale：时间的粒度，1000表示1000个单位为1s。
- duration：时间粒度的个数。
- videosamplenum：视频sample的个数。
【文末扫码进君羊，免费分享】资料包括《Andoird音视频开发必备手册+音视频学习视频+学习文档资料包+大厂面试真题+2022最新学习路线图》等等
3. 封装格式重要概念
3.1 box
mp4文件由若干个box组成。下面是box结构的一个示意图。
- box由header和body组成，header指明box的size和type。size是包含box header的整个box的大小。
- box type，通常是4个ASCII码的字符如“ftyp”、“moov”等，这些box type都是已经预定义好的，表示固定的含义。如果是“uuid”，表示该box为用户自定义扩展类型，如果box type是未定义的，应该将其忽略。
- 如果header中的size为1，则表示box长度需要更多的bits位来描述，在后面会有一个64bits位的largesize用来描述box的长度。如果size为0，表示该box为文件的最后一个box，文件结尾（同样只存在于“mdat”类型的box中）。
- box中可以包含box，这种box称为container box。
- box分为两种，Box和Fullbox。FullBox 是 Box 的扩展，Header 中增加了version 和 flags字段，分别定义如下：
aligned(8) class Box (unsigned int(32) boxtype,
optional unsigned int(8)[16] extended_type) {
unsigned int(32) size;
unsigned int(32) type = boxtype;
if (size==1) {
unsigned int(64) largesize;
} else if (size==0) {
// box extends to end of file
}
if (boxtype==‘uuid’) {
unsigned int(8)[16] usertype = extended_type;
}
}FullBox有version和flags字段，
aligned(8) class FullBox(unsigned int(32) boxtype, unsigned int(8) v, bit(24) f)
extends Box(boxtype) {
unsigned int(8) version = v;
bit(24) flags = f;
}3.2 track
一些sample的集合，对于媒体数据来说，track表示一个视频或者音频序列。
3.3 sample
video sample即为一帧或者一组连续视频帧，audio sample即为一段连续的音频。
3.4. sample table
指明sample时序和物理布局的表。
3.5. chunk
一个track的几个sample组成的单元。
mp4文件中，媒体内容在moov的box中。一个moov包含多个track。每个track就是一个随时间变化的媒体序列，track里的每个时间单位是一个sample，sample按照时间顺序排列。注意，一帧音频可以分解成多个音频sample，所以音频一般用sample作为单位，而不用帧。
4. 重要box介绍
4.1 Sample Table Box（stbl）
“stbl”是mp4文件中最复杂的一个box了，也是解开mp4文件格式的主干。
stbl ：sample table是一个container box。
语法：
class SampleTableBox extends Box(‘stbl’) {
}
其子box包括：
- stsd：sample description box，样本的描述信息。
- stts：time to sample box，sample解码时间的压缩表。
- ctts：composition time to sample box，sample的CTS与DTS的时间差的压缩表。
- stss：sync sample box，针对视频，关键帧的序号。
- stsz/stz2：sample size box，每个sample的字节大小。
- stsc：sample to chunk box，sample-chunk映射表。
- stco/co64：chunk offset box，chunk在文件中的偏移。
sample是媒体数据存储的单位，存储在media的chunk中，chunk和sample的长度均可互不相同，如下图所示。
4.2 Sample Description Box（stsd）
存储了编码类型和初始化解码器需要的信息。
有与特定的track-type相关的信息，相同的track-type也会存在不同信息的情况如使用不一样的编码标准。
语法：
class SampleDescriptionBox (unsigned int(32) handler_type)
extends FullBox('stsd', 0, 0){
int i ;
unsigned int(32) entry_count;
for (i = 1 ; i <= entry_count ; i++){
switch (handler_type){
case ‘soun’: // for audio tracks
AudioSampleEntry();
break;
case ‘vide’: // for video tracks
VisualSampleEntry();
break;
case ‘hint’: // Hint track
HintSampleEntry();
break;
case ‘meta’: // Metadata track
MetadataSampleEntry();
break;
}
}
}
}
主要字段说明：
- entry count：entry的个数。
- handler_type：类型信息如“vide”、“soud”等，不同类型会提供不同的信息。
对于audio track，使用“AudioSampleEntry”类型信息。
abstract class SampleEntry (unsigned int(32) format)
extends Box(format){
const unsigned int(8)[6] reserved = 0;
unsigned int(16) data_reference_index;
}
class AudioSampleEntry(codingname) extends SampleEntry (codingname){
const unsigned int(32)[2] reserved = 0;
template unsigned int(16) channelcount = 2;
template unsigned int(16) samplesize = 16;
unsigned int(16) pre_defined = 0;
const unsigned int(16) reserved = 0 ;
template unsigned int(32) samplerate = { default samplerate of media}<<16;
}- format：视频或者音频的编码格式。
- 比如aac音频的format值为mp4a。
- AVC-1/H.264视频的format值为avc1。
- data_reference_index：利用这个索引可以检索与当前sample description关联的数据。数据引用存储在data reference box。
- channelcount：通道个数。
- samplesize：采样位数。默认是16比特。
- samplerate：采样率。[16.16]格式的数据。
对于video track，使用“VisualSampleEntry”类型信息。
class VisualSampleEntry(codingname) extends SampleEntry (codingname){
unsigned int(16) pre_defined = 0;
const unsigned int(16) reserved = 0;
unsigned int(32)[3] pre_defined = 0;
unsigned int(16) width;
unsigned int(16) height;
template unsigned int(32) horizresolution = 0x00480000; // 72 dpi
template unsigned int(32) vertresolution = 0x00480000; // 72 dpi
const unsigned int(32) reserved = 0;
template unsigned int(16) frame_count = 1;
string[32] compressorname;
template unsigned int(16) depth = 0x0018;
int(16) pre_defined = -1;
// other boxes from derived specifications
CleanApertureBox clap; // optional
PixelAspectRatioBox pasp; // optional
}
- width、height：像素宽高。
- horizresolution、vertresolution：每英寸的像素值(dpi)，[16.16]格式的数据。
- frame_count：每个sample中的视频帧数，默认是1。可以是一个sample中有多帧数据。
4.3 Decoding Time to Sample Box（stts）
包含了一个压缩版本的表，通过这个表可以从解码时间映射到sample序号。表中的每一项是连续相同的编码时间增量(Decode Delta)的个数和编码时间增量。通过把时间增量累加就可以建立一个完整的time to sample表。
以下是Decoding Timing和Decode delta关系的一个图示：
- DT(decoding time)：编码时间。
- CT(composition time)：创作时间。
- Decode Delta：编码时间增量。
- Composition offset：显示时间同解码时间的差值，等于CT - DT。
计算方式：
DT(n+1) = DT(n) + STTS(n) where STTS(n)
注：这里的STTS(n)是未压缩的Decode Delta表。
DT(i) = SUM(for j=0 to i-1 of delta(j))
语法：
class TimeToSampleBox
extends FullBox(’stts’, version = 0, 0) {
unsigned int(32) entry_count;
int i;
for (i=0; i < entry_count; i++) {
unsigned int(32) sample_count;
unsigned int(32) sample_delta;
}
}
重要字段说明：
- entry_count：表中条目的个数。
- sample_count: 连续相同时间长度的sample个数。
- sample_delta：以timescale为单位的时间长度。
4.4 composition time to sample box（ctts）
这个box提供了decoding time到composition time的offset的表，用于计算pts。
- 这个表在Decoding time和composition time不一样的情况下时必须的。
- 如果box的version等于0，decoding time必须小于等于composition time，因而差值用一个无符号的数字表示。
- 有以下公式：
注：CTTS(n)是未压缩的表的第n个sample对应的offset。
语法：
class CompositionOffsetBox
extends FullBox(‘ctts’, version = 0, 0) {
unsigned int(32) entry_count;
int i;
if (version==0) {
for (i=0; i < entry_count; i++) {
unsigned int(32) sample_count;
unsigned int(32) sample_offset;
}
}
else if (version == 1) {
for (i=0; i < entry_count; i++) {
unsigned int(32) sample_count;
signed int(32) sample_offset;
}
}
}
主要字段说明：
- sample_count：连续相同的offset的个数。
- sample_offset：CT和DT之间的offset。
4.5 sync sample box(stss)
它包含media中的关键帧的sample表。如果此表不存在，说明每一个sample都是一个关键帧。
语法：
class SyncSampleBox
extends FullBox(‘stss’, version = 0, 0) {
unsigned int(32) entry_count;
int i;
for (i=0; i < entry_count; i++) {
unsigned int(32) sample_number;
}
}
主要字段说明：
- sample_number：媒体流中同步sample的序号。
4.6 Sample Size Box（stsz/stz2）
包含sample的数量和每个sample的字节大小，这个box相对来说体积比较大的。
语法：
class SampleSizeBox extends FullBox(‘stsz’, version = 0, 0) {
unsigned int(32) sample_size;
unsigned int(32) sample_count;
if (sample_size==0) {
for (i=1; i <= sample_count; i++) {
unsigned int(32) entry_size;
}
}
}
主要字段说明：
- sample_size：指定默认的sample字节大小，如果所有sample的大小不一样，这个字段为0。
- sample_count：track中sample的数量。
- entry_size：每个sample的字节大小。
Compact Sample SizeBox(stz2)：一种压缩的sample大小存储方式。
class CompactSampleSizeBox extends FullBox(‘stz2’, version = 0, 0) {
unsigned int(24) reserved = 0;
unisgned int(8) field_size;
unsigned int(32) sample_count;
for (i=1; i <= sample_count; i++) {
unsigned int(field_size) entry_size;
}
}
- field_size：指定表中条目的比特大小，取值为4、8或16。
- (1) 如果使用值4，则每个字节存储两个sample的大小:
entry[i] << 4 + entry[i + 1]。 - (2) 如果大小没有填充满整数个字节，则用最后一个字节未使用部分填充0。
- (1) 如果使用值4，则每个字节存储两个sample的大小:
- sample_count是一个整数，它给出了下表中的条目数。
- entry_size是一个整数，它指定一个sample的大小，并根据其编号进行索引。
4.7 Sample To Chunk Box（stsc）
media中的sample被分为组成chunk。chunk可以有不同的大小，chunk内的sample可以有不同的大小。
通过stsc中的sample-chunk映射表可以找到包含指定sample的chunk，从而找到这个sample。结构相同的chunk可以聚集在一起形成一个entry，这个entry就是stsc映射表的表项。
语法：
class SampleToChunkBox
extends FullBox(‘stsc’, version = 0, 0) {
unsigned int(32) entry_count;
for (i=1; i <= entry_count; i++) {
unsigned int(32) first_chunk;
unsigned int(32) samples_per_chunk;
unsigned int(32) sample_description_index;
}
}
主要字段说明：
- first_chunk：一组chunk的第一个chunk的序号。
- chunk的编号从1开始。
- samples_per_chunk：每个chunk有多少个sample。
- sample_desc_idx：stsd 中sample desc信息的索引。
把一组相同结构的chunk放在一起进行管理，是为了压缩文件大小。
用mp4box.js查看的stsc box的信息如下：
- 第一组chunk的first_chunk序号为1，每个chunk的sample个数为1，因为第二组chunk的first_chunk序号为2，可知第一组chunk中只有一个chunk。
- 第二组chunk的first_chunk序号为2，每个chunk的sample个数为2，因为第三组chunk的first_chunk序号为24，可知第二组chunk中有22个chunk，有44个sample。
4.8 Chunk Offset Box（stco/co64）
Chunk Offset表存储了每个chunk在文件中的位置，这样就可以直接在文件中找到媒体数据，而不用解析box。
- 需要注意的是一旦前面的box有了任何改变，这张表都要重新建立。
语法：
class ChunkOffsetBox
extends FullBox(‘stco’, version = 0, 0) {
unsigned int(32) entry_count;
for (i=1; i <= entry_count; i++) {
unsigned int(32) chunk_offset;
}
}
主要字段说明：
- chunk_offset：chunk在文件中的位置。
stco 有两种形式，如果你的视频过大的话，就有可能造成 chunkoffset 超过 32bit 的限制。所以，这里针对大 Video 额外创建了一个 co64 的 Box。它的功效等价于 stco，也是用来表示 sample 在 mdat box 中的位置。只是，里面 chunk_offset 是 64bit 的。
aligned(8) class ChunkLargeOffsetBox extends FullBox(‘co64’, version = 0, 0) {
unsigned int(32) entry_count;
for (i=1; i <= entry_count; i++) {
unsigned int(64) chunk_offset;
}
}5. 其他box介绍
以下是ISO/IEC 14496-12:2015文档给出的box的描述图：
5.1 File Type Box(ftyp)
File Type Box一般在文件的开头，用来指示该 mp4文件使用的标准规范。为了早期规范版本兼容，允许不包含ftyp box。
语法：
class FileTypeBox
extends Box(‘ftyp’) {
unsigned int(32) major_brand;// is a brand identifier
unsigned int(32) minor_version;// is an informative integer for the minor version of the major brand
unsigned int(32) compatible_brands[]; //is a list, to the end of the box, of brands
}
没有ftyp box的文件应该处理成ftyp的major_brand为'mp41'，minor_version为0，compatible_brands只包含一个'mp41'。
5.2 Movie Box(moov)
Movie Box包含了文件媒体的metadata信息，“moov”是一个container box，具体内容信息在其子box中。一般情况下，“moov”会紧随着“ftyp”。
“moov”中包含1个“mvhd”和若干个“trak”。其中“mvhd”是header box，一般作为“moov”的第一个子box出现。“trak”包含了一个track的相关信息，是一个container box。
语法：
class MovieBox extends Box(‘moov’){
}
5.3 Movie Header Box（mvhd）
语法：
class MovieHeaderBox extends FullBox(‘mvhd’, version, 0) {
if (version==1) {
unsigned int(64) creation_time;
unsigned int(64) modification_time;
unsigned int(32) timescale;
unsigned int(64) duration;
} else { // version==0
unsigned int(32) creation_time;
unsigned int(32) modification_time;
unsigned int(32) timescale;
unsigned int(32) duration;
}
template int(32) rate = 0x00010000; // typically 1.0
template int(16) volume = 0x0100; // typically, full volume
const bit(16) reserved = 0;
const unsigned int(32)[2] reserved = 0;
template int(32)[9] matrix =
{ 0x00010000,0,0,0,0x00010000,0,0,0,0x40000000 };
// Unity matrix
bit(32)[6] pre_defined = 0;
unsigned int(32) next_track_ID;
}
主要字段含义：
- version : box版本，0或1，一般为0。
- creation time : 创建时间（相对于UTC时间1904-01-01零点的秒数）。
- modification time : 修改时间 。
- timescale : 文件媒体在1秒时间内的刻度值，可理解为1秒长度的时间单元数。
- duration : 该track的时间长度，用duration和time scale值可以计算track时长，比如audio track的time scale = 8000, duration = 560128，时长为70.016，video track的time scale = 600, duration = 42000，时长为70。
- rate : 推荐播放速率，高16位和低16位分别为小数点整数部分和小数部分，即[16.16] 格式，该值为1.0（0x00010000）表示正常前向播放。
- volume : 推荐播放音量，[8.8] 格式，1.0（0x0100）表示最大音量。
5.4 Track Box（trak）
Track Box是一个container box，其子box包含了该track的媒体数据引用和描述（hint track除外）。一个mp4文件可以包含多个track，且至少有一个track，track之间是独立，有自己的时间和空间信息。“trak”必须包含一个“tkhd”和一个“mdia”，此外还有很多可选的box。其中“tkhd”为track header box，“mdia”为media box，该box是一个包含一些track媒体数据信息box的container box。
语法：
class TrackBox extends Box(‘trak’) {
}
5.5 Track Header Box（tkhd）
语法：
class TrackHeaderBox
extends FullBox(‘tkhd’, version, flags){
if (version==1) {
unsigned int(64) creation_time;
unsigned int(64) modification_time;
unsigned int(32) track_ID;
const unsigned int(32) reserved = 0;
unsigned int(64) duration;
} else { // version==0
unsigned int(32) creation_time;
unsigned int(32) modification_time;
unsigned int(32) track_ID;
const unsigned int(32) reserved = 0;
unsigned int(32) duration;
}
const unsigned int(32)[2] reserved = 0;
template int(16) layer = 0;
template int(16) alternate_group = 0;
template int(16) volume = {if track_is_audio 0x0100 else 0};
const unsigned int(16) reserved = 0;
template int(32)[9] matrix=
{ 0x00010000,0,0,0,0x00010000,0,0,0,0x40000000 };
// unity matrix
unsigned int(32) width;
unsigned int(32) height;
}
主要字段含义：
- version : box版本，0或1，一般为0。
- flags : 24-bit整数，按位或操作结果值，预定义的值(0x000001 ，track_enabled，表示track是有效的）、(0x000002，track_in_movie，表示该track在播放中被使用)、(0x000004，track_in_preview，表示track在预览时被使用。
- track id : track id号，不能重复且不能为0。
- duration : track的时间长度，计量单位timescale在mvhd中。
- volume : [8.8] 格式，如果为音频track，1.0（0x0100）表示最大音量；否则为0。
- width : 宽，[16.16] 格式值。
- height : 高，[16.16] 格式值，不必与sample的像素尺寸一致，用于播放时的展示宽高。
5.6 Media Box（mdia）
Media Box也是个container box。
语法：
class MediaBox extends Box(‘mdia’) {
}
其子box的结构和种类还是比较复杂的。
“mdia”定义了track媒体类型以及sample数据，描述sample信息。
一个“mdia”必须包含如下容器：
- 一个Media Header Atom(mdhd)
- 一个Handler Reference(hdlr)
- 一个media information(minf)和User Data
下面依次看一下这几个box的结构。
5.7 Media Header Box（mdhd）
mdhd 和 tkhd ，内容大致都是一样的。不过tkhd 通常是对指定的 track 设定相关属性和内容。而 mdhd 是针对于独立的 media 来设置的。不过两者一般都是一样的。
语法：
class MediaHeaderBox extends FullBox(‘mdhd’, version, 0) {
if (version==1) {
unsigned int(64) creation_time;
unsigned int(64) modification_time;
unsigned int(32) timescale;
unsigned int(64) duration;
} else { // version==0
unsigned int(32) creation_time;
unsigned int(32) modification_time;
unsigned int(32) timescale;
unsigned int(32) duration;
}
bit(1) pad = 0;
unsigned int(5)[3] language; // ISO-639-2/T language code
unsigned int(16) pre_defined = 0;
}
主要字段含义：
- version: box版本，0或1，一般为0。
- timescale: 同mvhd中的timescale。
- duration: track的时间长度。
- language: 媒体语言码。最高位为0，后面15位为3个字符（见ISO 639-2/T标准中定义）。
5.8 Handler Reference Box（hdlr）
“hdlr”解释了媒体的播放过程信息，该box也可以被包含在meta box（meta）中。
语法：
class HandlerBox extends FullBox(‘hdlr’, version = 0, 0) {
unsigned int(32) pre_defined = 0;
unsigned int(32) handler_type;
const unsigned int(32)[3] reserved = 0;
string name;
}
主要字段含义：
- handler type: 在media box中，该值为4个字符，会有以下取值:
‘vide’ Video track
‘soun’ Audio track
‘hint’ Hint track
‘meta’ Timed Metadata track
‘auxv’ Auxiliary Video track
- name: human-readable name for the track
type，以‘\0’结尾的 UTF-8 字符串。用于调试后者检查的目的。
5.9 Media Information Box（minf）
重要的容器 box，“minf”存储了解释track媒体数据的handler-specific信息，media handler用这些信息将媒体时间映射到媒体数据并进行处理。“minf”是一个container box，其实际内容由子box说明。
语法：
class MediaInformationBox extends Box(‘minf’) {
}
“minf”中的信息格式和内容与媒体类型以及解释媒体数据的media handler密切相关，其他media handler不知道如何解释这些信息。
一般情况下，“minf”包含一个header box，一个“dinf”和一个“stbl”，其中，header box根据track type（即media handler type）分为“vmhd”、“smhd”、“hmhd”和“nmhd”，“dinf”为data information box，“stbl”为sample table box。下面分别介绍。
5.10 Media Information Header Box（vmhd、smhd、hmhd、nmhd）
vmhd、smhd这两个box在解析时，非不可或缺的（有时候得看播放器），缺了的话，有可能会被认为格式不正确。
Video Media Header Box（vmhd）
语法：
class VideoMediaHeaderBox
extends FullBox(‘vmhd’, version = 0, 1) {
template unsigned int(16) graphicsmode = 0; // copy, see below
template unsigned int(16)[3] opcolor = {0, 0, 0};
}
主要字段含义：
- graphics mode：视频合成模式，为0时拷贝原始图像，否则与opcolor进行合成。
- opcolor: 一组(red，green，blue)，graphics modes使用。
Sound Media Header Box（smhd）
语法：
class SoundMediaHeaderBox
extends FullBox(‘smhd’, version = 0, 0) {
template int(16) balance = 0;
const unsigned int(16) reserved = 0;
}
主要字段含义：
- balance：立体声平衡，[8.8] 格式值，一般为0表示中间，-1.0表示全部左声道，1.0表示全部右声道。
Hint Media Header Box（hmhd）
Null Media Header Box（nmhd）
非视音频媒体使用该box。
5.11 Data Information Box（dinf）
“dinf”解释如何定位媒体信息，是一个container box。
语法：
class DataInformationBox extends Box(‘dinf’) {
}
“dinf”一般包含一个“dref”(data reference box)。
“dref”下会包含若干个“url”或“urn”，这些box组成一个表，用来定位track数据。简单的说，track可以被分成若干段，每一段都可以根据“url”或“urn”指向的地址来获取数据，sample描述中会用这些片段的序号将这些片段组成一个完整的track。一般情况下，当数据被完全包含在文件中时，“url”或“urn”中的定位字符串是空的。
“dref”的语法：
class DataEntryUrlBox (bit(24) flags)
extends FullBox(‘url ’, version = 0, flags) {
string location;
}
class DataEntryUrnBox (bit(24) flags)
extends FullBox(‘urn ’, version = 0, flags) {
string name;
string location;
}
class DataReferenceBox
extends FullBox(‘dref’, version = 0, 0) {
unsigned int(32) entry_count;
for (i=1; i <= entry_count; i++) {
DataEntryBox(entry_version, entry_flags) data_entry;
}
}
主要字段含义：
- entry count：“url”或“urn”表的元素个数。
- entry_version：entry格式的版本。
- entry_flags：当“url”或“urn”的box flag为1时，表示数据在该文件的Moov
Box中。 - “url”或“urn”都是box，“url”的内容为location字符串，“urn”的内容为名称字符串和location字符串。
6. 实用技术
6.1 moov移到mdat前面
ffmpeg默认情况下生成moov是在mdat写完成之后再写入，所以moov是在mdat的后面，使用faststart参数可以将moov移到mdat前面。
./ffmpeg -i demo.flv -c copy output.mp4
-
moov在mdat后面
使用faststart参数
ffmpeg -i out.flv -c copy -movflags faststart out2.mp4
-
moov在mdat前面
6.2 如何实现seek
stbl.png
例如，我们需要seek到30s。
需要做如下工作：
- 使用timescale将目标时间标准化。timescale为90000，30*90000=2700000。
- 通过time-to-sample box找到指定track的给定时间之前的第一个sample number。2700000/3000 = 900。
- 通过sync sample table查询sample number之前的第一个sync sample。对应为795的sample。
- 通过sample-to-chunk table查找到对应的chunk number。
对应的chunk号假设是400。 - 通过chunk offset box查找到对应chunk在文件中的起始偏移量。第14个chunk的offset是3481072。
- 最后使用sample-to-chunk box和sample size box的信息计算出该chunk中需要读取的sample在文件中的起始偏移量，即完成seek。
7. 开源软件
- gpac：开源的多媒体工具包，包括用于MP4打包的mp4box等。
- mp4v2：提供了API来创建和修改mp4文件。