音頻
採樣頻率：一秒鐘採樣的樣本數，常用的採樣頻率有8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz等
若採樣率爲44100，一幀的樣本數爲1024
一幀的時間爲：1024 * 1000ms / 44100 = 23.219954ms
一秒鐘的幀數：fps = 44100 / 1024 = 43.06640625幀
AAC：常用一幀包含採樣數1024
MP3：常用一幀包含採樣數1152
位深度：也叫採樣位深，聲卡採集並處理聲音的解析度，單位 bit，常用的16bit，專業聲卡則更大32bit、64bit
假設音頻採樣率 = 8000，採樣通道 = 2，位深度 = 8，採樣間隔 = 20ms
首先我們計算一秒鐘總的數據量，採樣間隔採用20ms的話，說明每秒鐘需採集50次(1s=1000ms)，那麼總的數據量計算爲
一秒鐘總的數據量 = 8000 * 2 * 8 / 8 = 16000（Byte） ---這裏除以8是因爲 1Byte = 8bit
所以每幀音頻數據大小 = 8000 * 2 * 8 / 8 =320（Byte）
每個通道樣本數 = 320 / 2 = 160（Byte）
時間戳：pts = inc++ * (一幀的樣本數 * 1000 / 採樣頻率) 其中inc初始值爲0，每次打完時間戳inc加1
視頻：
視頻幀率，25幀每秒，則按毫秒計，1000 / 25 = 40ms
時間戳：pts = inc++ *(1000 / fps) 其中inc初始值爲0，每次打完時間戳inc加1