flv介绍

FLV(Flash Video)是Adobe公司推出的⼀种流媒体格式,由于其封装后的⾳视频⽂件体积⼩、封装简单等特点,⾮常适合于互联⽹上使⽤。⽬前主流的视频⽹站基本都⽀持FLV。采⽤FLV格式封装的⽂件后缀为.flv。

FLV封装格式是由⼀个⽂件头(file header)和 ⽂件体(file Body)组成。其中,FLV body由⼀对对的(Previous Tag Size字段 + tag)组成。Previous Tag Size字段 排列在Tag之前,占⽤4个字节。Previous Tag Size记录了前⾯⼀个Tag的⼤⼩,⽤于逆向读取处理。FLV header后的第⼀个Pervious Tag Size的值为0。

Tag⼀般可以分为3种类型:脚本(帧)数据类型、⾳频数据类型、视频数据。FLV数据以⼤端序进⾏存储,在解析时需要注意。⼀个标准FLV⽂件结构如下图:

FLV⽂件的详细内容结构如下图:

⼤体的解析框架

FLV header

注:在下⾯的数据type中,UI表示⽆符号整形,后⾯跟的数字表示其⻓度是多少位。⽐如UI8,表示⽆符号整形,⻓度⼀个字节。UI24是三个字节,UI[8*n]表示多个字节。UB表示位域,UB5表示⼀个字节的5位。可以参考c中的位域结构体。

FLV头占9个字节,⽤来标识⽂件为FLV类型,以及后续存储的⾳视频流。⼀个FLV⽂件,每种类型的tag都属于⼀个流,也就是⼀个flv⽂件最多只有⼀个⾳频流,⼀个视频流,不存在多个独⽴的⾳视频流在⼀个⽂件的情况。

00000 1 0 1

FLV头的结构如下:

FLV Body

FLV Tag

每⼀个Tag也是由两部分组成:tag header和tag data。Tag Header⾥存放的是当前tag的类型、数据区(tag data)的⻓度等信息。

tag header⼀般占11个字节的内存空间。FLV tag结构如下:

注意:

1.flv⽂件中Timestamp和TimestampExtended拼出来的是dts。也就是解码时间。Timestamp和TimestampExtended拼出来dts单位为ms。(如果不存在B帧,当然dts等于pts)

2.CompositionTime 表示PTS相对于DTS的偏移值, 在每个视频tag的第14~16字节, 。显示时间(pts) = 解码时间(tag的第5~8字节) + CompositionTime CompositionTime的单位也是ms

Script data脚本数据就是描述视频或⾳频的信息的数据,如宽度、⾼度、时间等等,⼀个⽂件中通常只有⼀个元数据,⾳频tag和视频tag就是⾳视频信息了,采样、声道、频率,编码等信息。

Script Tag Data结构(脚本类型、帧类型)

该类型Tag⼜被称为MetaDataTag,存放⼀些关于FLV视频和⾳频的元信息,⽐如:duration、width、height等。通常该类型Tag会作为FLV⽂件的第⼀个tag,并且只有⼀个,跟在File Header后。该类型TagDaTa的结构如下所示(source.200kbps.768x320.flv⽂件为例):

第⼀个AMF包:第1个字节表示AMF包类型,⼀般总是0x02,表示字符串。第2-3个字节为UI16类型值,标识字符串的⻓度,⼀般总是0x000A(“onMetaData”⻓度)。后⾯字节为具体的字符串,⼀般总为“onMetaData”(6F,6E,4D,65,74,61,44,61,74,61)。

第⼆个AMF包:第1个字节表示AMF包类型,⼀般总是0x08,表示数组。第2-5个字节为UI32类型值,表示数组元素的个数。后⾯即为各数组元素的封装,数组元素为元素名称和值组成的对。常⻅的数组元素如下表所示。

注:Lavf54.63.104即是 Libavformat version 54.63.104. 即是ffmpeg对于库的版本

Audio Tag Data结构(⾳频类型)

⾳频Tag Data区域开始的:

第⼀个字节包含了⾳频数据的参数信息,

第⼆个字节开始为⾳频流数据。

(这两个字节属于tag的data部分,不是header部分)

第⼀个字节为⾳频的信息(仔细看spec发现对于AAC⽽⾔,⽐较有⽤的字段是SoundFormat),格式如下:

If the SoundFormat indicates AAC, the SoundType should be set to 1 (stereo) and the

SoundRate should be set to 3 (44 kHz). However, this does not mean that AAC audio in FLV

is always stereo, 44 kHz data. Instead, the Flash Player ignores these values and extracts the

channel and sample rate data is encoded in the AAC bitstream.

第⼆个字节开始为⾳频数据(需要判断该数据是真正的⾳频数据,还是⾳频config信息)。

AAC AUDIO DATA

The AudioSpecificConfig is explained in ISO 14496-3. AAC sequence header存放的是

AudioSpecificConfig结构,该结构则在“ISO-14496-3 Audio”中描述。

《完整版ISO-14496-3(2009-09).pdf 》

如果是AAC数据,如果他是AAC RAW, tag data[3] 开始才是真正的AAC frame data。

Video Tag Data结构(视频类型)

视频Tag Data开始的:

第⼀个字节包含视频数据的参数信息,

第⼆个字节开始为视频流数据。

第⼀个字节包含视频信息,格式如下:

第⼆个字节开始为视频数据

AVCVIDEOPACKET

(1)CompositionTime 单位毫秒

CompositionTime 每个视频tag(整个tag)的第14 ~ 16字节(如果是tag data偏移[2] ~ [4])(表示PTS相对于DTS的偏移值 )。

CompositionTime 单位为ms : 显示时间 = 解码时间(tag的第5 ~ 8字节,位置索引[4] ~ [7])+ CompositionTime

(2)AVCDecoderConfigurationRecord

AVC sequence header就是AVCDecoderConfigurationRecord结构

FLV时间戳计算

题记:时间戳将每⼀秒分成90000份,即将每⼀毫秒分成90份 在flv中直接存储的都是毫秒级 在TS存储的

是时间戳级

其中TS、flv⼀般按照编码顺序排列

⼀个视频tag⼀般只包含⼀帧视频的码流

其中视频tag的时间戳对应的是解码时间戳(DTS/90)

当前序列:

编码顺序 I P P B B B......

对应帧号 0 1 5 3 2 4.......

flv对每⼀个tag都规定了它将要播放的时间戳

每个时间戳都可以对应转换特性的时间

其中script(脚本)、video(视频)、audio(⾳频)的第⼀个tag的时间戳值都为0

时间戳占4个字节 其中第四个字节是⾼位 前三个字节是低位(每个tag的5~8字节)

如6E 8D A8 01 = 0x 01 6E 8D A8 = 24022440

CompositionTime 每个视频tag的第14~16字节(表示PTS相对于DTS的偏移值 )

CompositionTime 单位为ms 显示时间 = 解码时间(tag的第5~8字节) + CompositionTime

例如(注意显示时间最后⼀个字节是⾼位)

tag0 (脚本) :时间戳为0

tag1 (视频) :第⼀个视频时间戳 值为0 ⽆CompositionTime (头信息)

tag2 (⾳频) :第⼀个⾳频时间戳 值为0

tag3 (视频) :00 00 00 00 值:0 00:00:00:00 (解码时间) CompositionTime:0x 00 00 50 值:80

00:00:00:80 I帧 显示时间: 00:00:00: 80 poc=0

tag4 (视频) :00 00 28 00 值:40 00:00:00:40 (解码时间) CompositionTime:0x 00 00 50 值:

80 00:00:00:80 P帧 显示时间: 00:00:00: 120 poc=1

tag5 (视频) :00 00 50 00 值:80 00:00:00:80 (显示时间) CompositionTime:0x 00 00 C8 值:

200 00:00:00:200 P帧 显示时间: 00:00:00: 280 poc=5

tag6 (⾳频) :00 00 50 00 值:80 00:00:00:80(显示时间)

tag7 (⾳频) :00 00 67 00 值:103 00:00:00:103(显示时间)

tag8 (视频) :00 00 78 00 值:120 00:00:00:120 (解码时间) CompositionTime:0x 00 00 50

值:80 00:00:00:80 B帧 显示时间: 00:00:00: 200 poc=3

tag9 (⾳频) :00 00 7E 00 值:126 00:00:00:126(显示时间)

tag10 (⾳频) :00 00 96 00 值:150 00:00:00:150(显示时间)

tag11 (视频) :00 00 A0 00 值:160 00:00:00:160(解码时间) CompositionTime:0x 00 00 00

值:00 00:00:00:00 b帧 显示时间: 00:00:00: 160 poc=2

tag12 (⾳频) :00 00 AD 00 值:173 00:00:00:173(显示时间)

tag13 (⾳频) :00 00 C4 00 值:196 00:00:00:196(显示时间)

tag14(视频) :00 00 C8 00 值:200 00:00:00:200(解码时间) CompositionTime:0x 00 00 28

值:40 00:00:00:40 b帧 显示时间: 00:00:00: 240 poc=4我们可以看到 每个视频tag相差约40ms 刚

好是25fps视频 每帧视频的播放时⻓

在上例中,我们会看到按照解码时间排列

编码顺序 I P P B B B......

对应帧号 0 1 5 3 2 4.......

tag data

Tag Data : Audio Data

1-1:音频头【AudioTagHeader】

--1-4bit,音频格式【SoundFormat】

----0 = Linear PCM, platform endian

----1 = ADPCM

----2 = MP3

----3 = Linear PCM, little endian

----4 = Nellymoser 16 kHz mono

----5 = Nellymoser 8 kHz mono

----6 = Nellymoser

----7 = G.711 A-law logarithmic PCM , reserved

----8 = G.711 mu-law logarithmic PCM , reserved

----9 = reserved

----10 = AAC (supported in Flash Player 9,0,115,0 and higher)

----11 = Speex (supported in Flash Player 10 and higher)

----14 = MP3 8 kHz , reserved

----15 = Device-specific sound , reserved

--5-6bit,采样率【SoundRate】

----0 = 5.5kHz

----1 = 11kHz

----2 = 22kHz

----3 = 44kHz

--7-7bit,位宽,0 = 8bit samples, 1= 16bit samples【SoundSize】

----8-8bit,通道,0 = Mono, 1 = Stereo【SoundType】

[2-2]:AAC音频类型,注,只有在 SoundFormat=AAC 时,才有此数据

--0 = AAC sequence header

--1 = AAC raw

x-x:音频数据

注:SoundFormat

如果 SoundFormat=10 即AAC格式,官方建议使用44.1kHz采样率和双声道,即SoundType=1,SoundRate=3;Flash Player会忽略这两个参数,并从音频比特流中解析获得。

如果 SoundFormat=11 即Speex格式,音频使用压缩的16kHz采样率的单声道,各参数取值为SoundRate=0,SoundSize=1,SoundType=0。

Tag Data : Video Data

1-1:视频头【VideoTagHeader】

--1-4bit,帧类型【FrameType】

----1 = key frame (for AVC, a seekable frame)

----2 = inter frame (for AVC, a non-seekable frame)

----3 = disposable inter frame (H.263 only)

----4 = generated key frame (reserved for server use only)

----5 = video info/command frame

--5-8bit,编码类型【CodecID】

----2 = Sorenson H.263

----3 = Screen video

----4 = On2 VP6

----5 = On2 VP6 with alpha channel

----6 = Screen video version 2

----7 = AVC(H.264)

[2-5]:H.264视频类型,注,只有在 CodecID=AVC 时,才有此数据

AVCPacketType

CompositionTime (ISO 14496-12, 8.15.3)

x-x:视频数据

Tag Data : Script Data

1-1:格式类型【Type】

--0 = Number【DOUBLE】

--1 = Boolean【UI8】

--2 = String【SCRIPTDATASTRING】

--3 = Object【SCRIPTDATAOBJECT】

--4 = MovieClip (reserved, not supported)

--5 = Null

--6 = Undefined

--7 = Reference【UI16】

--8 = ECMA array【SCRIPTDATAECMAARRAY】

--9 = Object end marker

--10 = Strict array【SCRIPTDATASTRICTARRAY】

--11 = Date【SCRIPTDATADATE】

--12 = Long string【SCRIPTDATALONGSTRING】

x-x:

flv视频层次结构,h264视频数据作为参考。

第一层:flv:⼀个⽂件头(file header)和 ⽂件体(file Body)。

第二层:flv body:多个(Previous Tag Size字段 + tag)。

第三层:tag(video):tag header+tag data。

第四层:tag data:1字节的参数信息+AVC VIDEO PACKET。—— 注,只有在 CodecID=AVC 时,才有第五层,否则没有第五层。

第五层:AVC VIDEO PACKET:4字节的视频类型+视频数据。

第六层:视频数据。

flv音频层次结构,aac数据作为参考。

第一层:flv:⼀个⽂件头(file header)和 ⽂件体(file Body)。

第二层:flv body:多个(Previous Tag Size字段 + tag)。

第三层:tag(audio):tag header+tag data。

第四层:tag data:1字节的参数信息+AAC AUDIO PACKET。—— 注,只有在 SoundFormat=AAC 时,才有第五层,否则没有第五层。

第五层:AAC AUDIO PACKET:1字节的音频类型+音频数据。

第六层:音频数据。

音视频八股文(9)-- flv的h264六层结构和aac六层结构的更多相关文章

  1. 第六十篇、音视频采集硬编码(H264+ACC)

    使用 AVCaptureSession进行实时采集音视频(YUV.),编码 通过AVCaptureVideoDataOutputSampleBufferDelegate获取到音视频buffer- 数据 ...

  2. 音视频编解码流程与如何使用 FFMPEG 命令进行音视频处理

    一.前言 FFMPEG 是特别强大的专门用于处理音视频的开源库.你既可以使用它的 API 对音视频进行处理,也可以使用它提供的工具,如 ffmpeg, ffplay, ffprobe,来编辑你的音视频 ...

  3. 音视频】5.ffmpeg命令分类与使用

    GT其实平时也有一些处理音视频的个人或者亲人需求,熟练使用ffmpeg之后也不要借助图示化软件,一个命令基本可以搞定 G: 熟练使用ffmpeg命令!T :不要死记硬背,看一遍,自己找下规律,敲一遍, ...

  4. 手机Android音视频采集与直播推送,实现单兵、移动监控类应用

    从安卓智能手机.平板,到可穿戴的Android Ware.眼镜.手表.再到Android汽车.智能家居.电视,甚至最近看新闻,日本出的几款机器人都是Android系统的,再把目光放回监控行业,传统监控 ...

  5. 手机Android音视频採集与直播推送,实现单兵、移动监控类应用

    最新手机採集推送直播监控以及EasyDarwin开源流媒体平台的版本号及代码: EasyDarwin 开源流媒体云平台:https://github.com/easydarwin EasyClient ...

  6. 【FFMPEG】各种音视频编解码学习详解 h264 ,mpeg4 ,aac 等所有音视频格式

    目录(?)[-] 编解码学习笔记二codec类型 编解码学习笔记三Mpeg系列Mpeg 1和Mpeg 2 编解码学习笔记四Mpeg系列Mpeg 4 编解码学习笔记五Mpeg系列AAC音频 编解码学习笔 ...

  7. Android音视频开发(1):H264 基本原理

    前言 H264 视频压缩算法现在无疑是所有视频压缩技术中使用最广泛,最流行的.随着 x264/openh264 以及 ffmpeg 等开源库的推出,大多数使用者无需再对H264的细节做过多的研究,这大 ...

  8. Android IOS WebRTC 音视频开发总结(八十六)-- WebRTC中RTP/RTCP协议实现分析

    本文主要介绍WebRTC中的RTP/RTCP协议,作者:weizhenwei ,文章最早发表在编风网,微信ID:befoio 支持原创,转载必须注明出处,欢迎关注我的微信公众号blacker(微信ID ...

  9. 各种音视频编解码学习详解 h264 ,mpeg4 ,aac 等所有音视频格式

    编解码学习笔记(一):基本概念 媒体业务是网络的主要业务之间.尤其移动互联网业务的兴起,在运营商和应用开发商中,媒体业务份量极重,其中媒体的编解码服务涉及需求分析.应用开发.释放 license收费等 ...

  10. 全志Tina_dolphin播放音视频裸流(h264,pcm)验证

    最近在验证tina对裸流音视频的支持,主要指h264视频裸流及pcm音频裸流. 在原始sdk中有针对很多video和audio类型的parser,但就是没有找到pcm和h264的parser,所以需要 ...

随机推荐

  1. 截取屏幕 转为GIF 图片

    近期winform 做的一个截取屏幕的软件给大家!谁要留言给我哦! sss

  2. vue 作者在2022-2-7起宣布 vue3 正式作为默认版本

    vue 作者在2022-2-7起宣布 vue3 正式作为默认版本 vue 作者尤雨溪在知乎上发布一篇文章,宣布 Vue3 将在 2022 年 2 月 7 日 成为新的默认版本! 并且还在文章中做出了一 ...

  3. nginx配置https详细过程

    准备工作 需要先准备好你域名对应的证书和私钥,也就是cert证书和key.我部署是很常见的ng+tomcat双层配置,ng作为前端的代理,所以tomcat就不需要自己处理https,ng作为代理以ht ...

  4. Android笔记--选择按钮

    复选框CheckBox 具体实现: 注意: 开关按钮switch 具体实现: 单选按钮RadioButton 需要放到radioGroup里面写单选按钮 具体实现:

  5. Linux & 标准C语言学习 <DAY7>

    一.windows下获取方向键:     1.导入#include <conio.h>     2.通过getch()获取键盘上的键值         上:72  下:80  左:75   ...

  6. windows cmd基础命令

    cmd md 新建目录rd 删除目录(非空目录)rd 删除目录下所有文件cd 改变当前目录cd .. 返回上一级目录cd \ 返回根目录d: 切换盘符到D盘dir 显示当前目录下的文件del 1.tx ...

  7. 最简单的for循环语句

    前言 在前面的文章中,壹哥给大家讲解了顺序结构.分支结构,接下来我们就来学习Java里的循环结构.Java里的循环结构,可以通过while.do-while.for.foreach等方式进行实现,今天 ...

  8. HTTP协议分析与Unity用法

    一.http协议简介 http协议是Hyper Text Transfer Protocol(超文本传输协议)的缩写,是用于从万维网服务器传输超文本到本地浏览器的传送协议,使用TCP/IP通信协议传输 ...

  9. 基于Label studio实现UIE信息抽取智能标注方案,提升标注效率!

    基于Label studio实现UIE信息抽取智能标注方案,提升标注效率! 项目链接见文末 人工标注的缺点主要有以下几点: 产能低:人工标注需要大量的人力物力投入,且标注速度慢,产能低,无法满足大规模 ...

  10. opengl helloworld vscode 通过glfw 绘制三角形

    opengl helloworld vscode 调用glfw 绘制三角形 目录 opengl helloworld vscode 调用glfw 绘制三角形 打开 glfw.org, 我下的64 目录 ...