AAC基本格式
AAC音頻格式有ADIF和ADTS：
ADIF：Audio Data Interchange Format 音頻數據交換格式。這種格式的特徵是可以確定的找到這個音頻數據的開始，不需進行在音頻數據流中間開始的解碼，即它的解碼必須在明確定義的開始處進行。故這種格式常用在磁盤文件中。
ADTS：Audio Data Transport Stream 音頻數據傳輸流。這種格式的特徵是它是一個有同步字的比特流，解碼可以在這個流中任何位置開始。它的特徵類似於mp3數據流格式。
簡單說，ADTS可以在任意幀解碼，也就是說它每一幀都有頭信息。ADIF只有一個統一的頭，所以必須得到所有的數據後解碼。且這兩種的header的格式也是不同的，目前一般編碼後的和抽取出的都是ADTS格式的音頻流。
語音系統對實時性要求較高，基本是這樣一個流程，採集音頻數據，本地編碼，數據上傳，服務器處理，數據下發，本地解碼
一、ADTS格式
1. ADTS(Audio Data Transport Stream)頭之於AAC
AAC音頻文件的每一幀都由一個ADTS頭和AAC ES(AAC音頻數據)組成。
ADTS是幀序列，本身具備流特徵，在音頻流的傳輸與處理方面更加合適。
ADTS 整體結構
AAC數據幀
2. ADTS頭分析
ADTS頭包含了AAC文件的採樣率、通道數、幀數據長度等信息。ADTS頭分爲固定頭信息和可變頭信息兩個部分，固定頭信息在每個幀中的是一樣的，可變頭信息在各個幀中並不是固定值。ADTS頭一般是7個字節((28+28)/ 8)長度，如果需要對數據進行CRC校驗，則會有2個Byte的校驗碼，所以ADTS頭的實際長度是7個字節或9個字節。
2.1 固定頭信息:adts_fixed_header()
ADTS頭的固定頭信息在每個幀中都是一樣的。
-
syncword：幀同步標識一個幀的開始，固定爲0xFFF
-
ID：MPEG 標示符。0表示MPEG-4，1表示MPEG-2
-
layer：固定爲'00'
-
protection_absent：標識是否進行誤碼校驗。0表示有CRC校驗，1表示沒有CRC校驗
-
profile：標識使用哪個級別的AAC。1: AAC Main 2:AAC LC (Low Complexity) 3:AAC SSR (Scalable Sample Rate) 4:AAC LTP (Long Term Prediction)
-
sampling_frequency_index：標識使用的採樣率的下標
-
private_bit：私有位，編碼時設置爲0，解碼時忽略
-
channel_configuration：標識聲道數
-
original_copy：編碼時設置爲0，解碼時忽略
-
home：編碼時設置爲0，解碼時忽略
其中sampling_frequency_index如下：
sampling_frequency_index
channel_configuration如下：
2.2 可變頭信息:adts_variable_header()
-
copyrighted_id_bit：編碼時設置爲0，解碼時忽略
-
copyrighted_id_start：編碼時設置爲0，解碼時忽略
-
aac_frame_length：ADTS幀長度包括ADTS長度和AAC聲音數據長度的和。即 aac_frame_length = (protection_absent == 0 ? 9 : 7) + audio_data_length
-
adts_buffer_fullness：固定爲0x7FF。表示是碼率可變的碼流
-
number_of_raw_data_blocks_in_frame：表示當前幀有number_of_raw_data_blocks_in_frame + 1 個原始幀(一個AAC原始幀包含一段時間內1024個採樣及相關數據)。
二、LATM格式
LATM 的全稱爲“Low-overhead MPEG-4 Audio TransportMultiplex”（低開銷音頻傳輸複用），
是MPEG-4 AAC制定的一種高效率的碼流傳輸方式，MPEG-2 TS 流也採用LATM
作爲AAC 音頻碼流的封裝格式之 LATM格式也以幀爲單位，主要由AudioSpecificConfig（音頻特定配置單元）與音頻負載組成。
AudioSpecificConfig 描述了一個LATM 幀的信息，音頻負載主要由PayloadLengthInfo（負載長度信息）和PayloadMux（負載淨荷）組成。
AudioSpecificConfig 信息可以是帶內傳，也可以是帶外傳。所謂帶內傳，就是指每一個LATM 幀，都含有一個AudioSpecificConfig 信息；
而帶外傳，則每一個LATM幀都不含有AudioSpecificConfig 信息，而通過其他方式把AudioSpecificConfig信息發送到解碼端，
由於AudioSpecificConfig 信息一般是不變的，所以只需發送一次即可。由此可見，
AudioSpecificConfig 信息採用帶內傳輸可適應音頻編碼信息不斷變化的情況，
而採用帶外傳輸，可以節省音頻傳輸碼率。帶內或帶外傳，由muxconfigPresent 標誌位決定。例如流媒體應用中，
muxconfigPresent 可設置爲0，這樣LATM幀中將不含有AudioSpecificConfig 信息，LATM幀通過RTP包發送出去，
AudioSpecificConfig 可通過SDP文件一次性傳送到解碼端。
AudioSpecificConfig主要參數
numSubFrames 子幀的數目
numProgram 複用的節目數
numLayer 複用的層數
frameLengthType 負載的幀長度類型，包括固定長度與可變長度
audioObjectType音頻對象類型
samplingFrequency採樣率
channelConfiguration聲道配置
音頻負載由若干子幀組成，每個子幀由PayloadLengthInfo和PayloadMux組成，
與ADTS幀淨荷一樣，音頻負載主要包含原始幀數據。
AAC打包成TS流通常有兩種方式，分別是先打包成ADTS或LATM。ADTS的每一幀都有個幀頭，在
每個幀頭信息都一樣的狀況下，會有很大的冗餘。LATM格式具有很大的靈活性，每幀的音頻配置單元既可以帶內傳輸，
又可以帶外傳輸。正因爲如此，LATM不僅適用於流傳輸還可以用於RTP傳輸，
RTP傳輸時，若音頻數據配置信息是保持不變，可以先通過SDP會話先傳輸StreamMuxConfig（AudioSpecificConfig）信息，
由於LATM流由一個包含了一個或多個音頻幀的audioMuxElements（音頻複用元素）序列組成。
一個完整或部分完整的audioMuxElement可直接映射到一個RTP負載上。
下面是一個audoMuxEmlemt
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 |
|
可以很簡單的把ADTS幀轉換爲LATM幀，根據ADTS頭的信息，生成StreamMuxConfig，
將ADTS中的原始幀提取出來，前面加上PayloadLengthInfo做爲LATM的音頻幀。
按照上述格式打包生成AudioMuxElement，作爲RTP的負載傳輸.
本文總結自以下網址：
https://www.jianshu.com/p/b5ca697535bd
https://blog.csdn.net/qingkongyeyue/article/details/77621950
音視頻技術交流討論歡迎加 QQ羣 121376426