mp4格式

下面的软件下载地址：http://download.csdn.net/source/2607382

ftyp:	这是一个筐，可以装mdat等其他Box。 例：00 00 00 14 66 74 79 70 69 73 6F 6D 00 00 02 00 6D 70 34 31 语义为：ftyp: Major brand: isom Minor version: 512 Compatible brand: mp41 free|skip 空白Box.装在ftyp等筐里 例：00 00 00 08 66 72 65 语意为： free: (null)
moov:	这是一个筐，里面很丰富 例：00 00 07 63 6D 6F 6F 76 本身属性没有。但后面全是它的内容
moov:mvhd:	这是moov的header. 例：00 00 00 6C 6D 76 68 64 00 00 00 00 7C 25 B0 80 7C 25 B0 80 00 00 03 E8 00 00 06 14 00 01 00 00 01 00 00 00 00 00 00 00 00 00 00 00 00 01 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 01 00 00 00 00 00 00 00 00 00 00 00 00 00 00 40 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 03 语义： creation_time:2082844800modification_time:2082844800 timescale:1000//一秒分多少份，这里1000表示时间单位为1毫秒,这个设置很重要 duration:1556rate:10000 表示1.0volume:100 表示最大声 reserved:0reserved[0]:0reserved[1]:0 Matric[0]:10000Matric[1]:0Matric[2]:0Matric[3]:0Matric[4]:10000 Matric[5]:0　Matric[6]:0Matric[7]:0Matric[8]:40000000 Predefined[0]:0Predefined[1]:0Predefined[2]:0Predefined[3]:0 Predefined[4]:0Predefined[5]:0next_track_ID:3
moov:trak: tkhd:	这是track header 例1：00 00 00 5C 74 6B 68 64 00 00 00 0F 7C 25 B0 80 7C 25 B0 80 00 00 00 01 00 00 00 00 00 00 06 08 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 01 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 01 00 00 00 00 00 00 00 00 00 00 00 00 00 00 40 00 00 00 02 40 00 00 01 E0 00 00　 语义： creation_time:2082844800modification_time:2082844800 track_ID:1　第一轨index, 这个值很重要, 直接决定了视频和音频是否能同时出现, 如果音频和视频的track_ID都是1, 则会导致播放器无法播放. reserved_1:0 duration:1544//这个值对播放器很重要, 具体时间还和mvhd的timescale相关,用来指定了时长,1544个时间单位，如果是毫秒为单位，则为1544毫秒, volume:0　//这是视频轨，无音响 reserved_2[0]:0reserved_2[1]:0 layer:0 //由于我们的视频只有一层,所以这里总是0 alternate_group:0 reserved_3:0 Matric[0]:10000Matric[1]:0Matric[2]:0Matric[3]:0Matric[4]:10000 Matric[5]:0Matric[6]:0Matric[7]:0Matric[8]:40000000 width:2400000 height:1e00000//这两个单位都要右移16位才靠谱 例2语义： creation_time:2082844800modification_time:2082844800 track_ID:2 reserved_1:0 duration:1556//这个值对播放器很重要, 用来指定了时长,具体时间还和mvhd的timescale相关 volume:100 //这是音频轨，最大声　reserved_2[0]:0reserved_2[1]:0 layer:0 //只对视频有意义　alternate_group:0 //总是0 reserved_3:0Matric[0]:10000Matric[1]:0Matric[2]:0Matric[3]:0 Matric[4]:10000Matric[5]:0Matric[6]:0Matric[7]:0Matric[8]:40000000 width:0 height:0
moov:trak: mdia:	这个Box没有属性，是一个筐，装在trak里
moov:trak: mdia: mdhd	例1:视频 creation_time:2082844800modification_time:2082844800 timescale:24000//这个位决定了播放的速度，不过他与duration的相乘后还是可以对应上面的mvhd设置 duration:37037 pad:0 Language[0]:21Language[1]:14Language[2]:4 pre_defined:0 例2:声频 creation_time:2082844800modification_time:2082844800 timescale:44100 duration:68608 pad:0//这个位无意义，是为了将后面language凑够16位之用 Language[0]:21Language[1]:14Language[2]:4 pre_defined:0 hdlr:handler 例1:视频 pre_defined:0 handler_type:vide //似乎除了handler_type以外，其余的属性无意义 reserved0reserved:0reserved:0 例2:声频 pre_defined:0 handler_type:soun reserved:0reserved:0reserved:0
moov:trak: mdia: minf: vmhd	Video media header 例： graphicsmode:0//Video轨的合成模式，未知语义 opcolor:0opcolor:0opcolor:0//同样未知
moov:trak: mdia: minf: dinf: dref	Data referrence 例： entry_count:1//只有一条Entry url://即使有也是没内容，测试文件无论音视都没有内容
moov:trak: mdia: minf: stbl: stsd	stsd: Sample Description box 这是一个table, 里面放有很多entry 例：entry_count:1 //视频，有一条entry VisualSampleEntry: stsd里装的一条一条的视频entry, 例： data_reference_index:1 pre_defined[0]:0 pre_defined[1]:0pre_defined[2]:0 width:576 height:480 horizresolution:480000 vertresolution:480000//常数，即72dpi reserved:0 frame_count:1compressorname://无 depth:24//颜色深度 pre_defined:-1 AudioSampleEntry: stsd里装的一条一条音频entry 例：reserved[0]:0reserved[1]:0 channelcount:2 samplesize:16　pre_defined:0 reserved_2:0 samplerate:ac440000//显然要右移16位才有意义
moov:trak: mdia: minf: stbl: stsd :mp4a	mp4a: aac box 这个box实际就是继承了audio sample entry box reserved[0]:0reserved[1]:0 channelcount:2 samplesize:16 pre_defined:0 reserved_2:0 samplerate:56220000
moov:trak: mdia: minf: stbl: stsd : esds	esds: 包含在mp4a里, length:3 ES_ID:6400 streamDependenceFlag:0 URL_Flag=0reserved=0 streamPriority:1 streamDependenceFlag:0 dependsOn_ES_ID:52685 m_iData_Size:23//data的长度,算出来的 Data[23]//这里面有很一堆不知所云的数据, 一直到stts,但这堆数据极度重要,直接决定了解码器能否解码,在14496-1里有定义 //实践证明: 这组数据与采样率有关,44100一组, 22050一组, 48000又是一组, 44100可以与48000共用一组
moov:trak: mdia: minf: stbl: stts	stts: Time to sample 例1: 视频 entry_count:1 sample_count:37//上面已经有duration时间了，duration指整个mdat中video的时长，这里37却为chunks数目 sample_delta:1001//1001 * 37=37037 sample_delta*sample_count=duration 例2: 音频 sentry_count:1 sample_count:67 //音频分了67个chunks sample_delta:1024//同上
moov:trak: mdia: minf: stbl: stss	stss: syn Sample box 例1: 视频 entry_count:1 sample_number:1 但音频里没有这个box, 这个Box非常重要, 决定了整个mp4文件是否可以拖拉, 如果这个box只有一个entry,则拖拉时将cpu达到100%, 如果这个box不存在, 可以拖拉, 也不会达到100%, 但是会略等一会, 通常做法可以搞100条.
moov:trak: mdia: minf: stbl: stsc	stsc: Sample To Chunk Box 这个box非常重要,指示了在某一个chunk开始后面的chunks里每chunk有多少个sample, 一个sample就是一帧 例1:视频 entry_count:1 first chunk: 1, sample per chunk: 1, sample description index 1 例2:音频 entry_count:1 first chunk: 1, sample per chunk: 1, sample description index 1
moov:trak: mdia: minf: stbl: stsz	stsz: Sample Size Box, 这个box乃重中之重, 指示了每个sample的大小 例1:视频 sample size: 0sample count: 37 5127855830232727422373271623653061 217018882427257822182084213823192586 272823223505262415512725250220721720 138226532177132314921801176519855028 3467 例2:音频 sample size: 0sample count: 65 219205207182213194195194212 188159179186189184184190188 190186195196182197182186182 182185182193186184187175173 170185171181178178185192188 187175167177182167173177175 176174170168169180164167176 170 mdat Box中被划分为很多个chunk,这里指出了每个chunk的大小.
moov:trak: mdia: minf: stbl: stco	stco: Chunk Offset Box,这也是最重要的box, 指示了每个chunk的开始位置 例1: 视频 entry_count:37 0x240x15d30x1aaf0x1f840x2a200x35aa0x404a0x4c530x5705 0x64700x6da60x767c0x81740x8d000x97250xa0030xa9c90xb447 0xbfdc0xcbf70xd5b80xe4c00xf0640xf7da0x103ea 0x10e70 0x117ff 0x1200d 0x126da0x1328b 0x13bbd 0x14247 0x14973 0x151cd 0x15a0a 0x16272 0x17770 例2:音频 entry_count:65 0x142b0x15060x192a0x19f90x1ded0x1ec20x289b0x295e 0x34d60x3eef0x3fab0x4ae60x4b990x55900x564d0x62fa 0x63b20x6cea0x75060x75be0x7ff70x80b10x8b860x8c4a 0x95aa0x966f0x9f490xa85d0xa9130xb2d80xb3910xbe61 0xbf220xca840xcb3c0xd5090xe3690xe4160xef000xefb9 0xf6730xf7280x1027f 0x10331 0x10db0 0x11688 0x11744 0x11eb7 0x11f66 0x12573 0x12624 0x13137 0x131de 0x13b0c 0x140e8 0x14197 0x1481b 0x148c90x1507c 0x15124 0x158b2 0x15966 0x161cb 0x17616 0x176c6
moov:trak: mdia: minf: stbl: smhd	smhd: sound media header 例: balance:0 reserved:0 暂时未知语义
avcC: AVC descriptor box	avcC: AVC descriptor box非常重要, SPS PPS 都放这 在14496-15定义 例: configurationVersion:1AVCProfileIndication:66 profile_compatibility:192AVCLevelIndication;31 reserved_1:63lengthSizeMinusOne:3 reserved_2:7 numOfSequenceParameterSets:1 numOfPictureParameterSets:1 SPS length: 24//第一个SPS的长度, 多个SPS可以继续往下 PPS length: 4//第一个PPS的长度, 多个PPS可以继续往下 aligned(8) class AVCDecoderConfigurationRecord { unsigned int(8) configurationVersion = 1; unsigned int(8) AVCProfileIndication; unsigned int(8) profile_compatibility; unsigned int(8) AVCLevelIndication; bit(6) reserved = ‘111111’b; unsigned int(2) lengthSizeMinusOne; bit(3) reserved = ‘111’b; unsigned int(5) numOfSequenceParameterSets; for (i=0; i< numOfSequenceParameterSets; i++) { unsigned int(16) sequenceParameterSetLength ; bit(8*sequenceParameterSetLength) sequenceParameterSetNALUnit; } unsigned int(8) numOfPictureParameterSets; for (i=0; i< numOfPictureParameterSets; i++) { unsigned int(16) pictureParameterSetLength; bit(8*pictureParameterSetLength) pictureParameterSetNALUnit; } } 见http://www.nhzjj.com/asp/admin/editor/newsfile/201011314552121.pdf
btrt: bit rate box	btrt: bit rate box bufferSizeDB:7858//告诉decoder开辟缓冲区大小? maxBitrate:413432//最大Bit rate avgBitrate:371960//平均Bit rate
avc1	class AVCSampleEntry() extends VisualSampleEntry (‘avc1’){ AVCConfigurationBox config; MPEG4BitRateBox (); // optional MPEG4ExtensionDescriptorsBox (); // optional } class AVCConfigurationBox extends Box(‘avcC’) { AVCDecoderConfigurationRecord() AVCConfig; } class MPEG4BitRateBox extends Box(‘btrt’){ unsigned int(32) bufferSizeDB; unsigned int(32) maxBitrate; unsigned int(32) avgBitrate; } class MPEG4ExtensionDescriptorsBox extends Box(‘m4ds’) { Descriptor Descr[0 .. 255]; }

:

Trouble shooting
1, 播放速度不正常, 哪个参数可调?
mdhd->timescale, 数字越大, 则播放速度越快

2, 拖拉不正常, 哪个Box可调?
stss, 如果只有一条entry, 则拖拉会产生cpu 100%的情况. 如果没有entry, 则拖拉会略有停顿
3, 音频,视频分别整合成mp4文件可以播放, 但音频,视频都整合进mp4文件以后就无法播放.
trak->track_id, 两轨可能都用同一ID, 则不成. 视频为1, 音频为2,则可以解决这个问题

其实以上文章只是个简单的翻译，详细的文档可参考：

ISO_IEC14496-12_2005(E)

Information technology — Coding of
audio-visual objects —
Part 12:
ISO base media file format
Technologies de l'information — Codage des objets audiovisuels —
Partie 12: Format ISO de base pour les fichiers médias

ISO_IEC14496-14_2003(E)

Information technology — Coding of
audio-visual objects —
Part 14:
MP4 file format
Technologies de l'information — Codage des objets audiovisuels —
Partie 14: Format de fichier MP4

网上比较难于下载到，有需要的朋友可以email：[email protected] 找我索要。