音频
采样频率：一秒钟采样的样本数，常用的采样频率有8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz等
若采样率为44100，一帧的样本数为1024
一帧的时间为：1024 * 1000ms / 44100 = 23.219954ms
一秒钟的帧数：fps = 44100 / 1024 = 43.06640625帧
AAC：常用一帧包含采样数1024
MP3：常用一帧包含采样数1152
位深度：也叫采样位深，声卡采集并处理声音的解析度，单位 bit，常用的16bit，专业声卡则更大32bit、64bit
假设音频采样率 = 8000，采样通道 = 2，位深度 = 8，采样间隔 = 20ms
首先我们计算一秒钟总的数据量，采样间隔采用20ms的话，说明每秒钟需采集50次(1s=1000ms)，那么总的数据量计算为
一秒钟总的数据量 = 8000 * 2 * 8 / 8 = 16000（Byte） ---这里除以8是因为 1Byte = 8bit
所以每帧音频数据大小 = 8000 * 2 * 8 / 8 =320（Byte）
每个通道样本数 = 320 / 2 = 160（Byte）
时间戳：pts = inc++ * (一帧的样本数 * 1000 / 采样频率) 其中inc初始值为0，每次打完时间戳inc加1
视频：
视频帧率，25帧每秒，则按毫秒计，1000 / 25 = 40ms
时间戳：pts = inc++ *(1000 / fps) 其中inc初始值为0，每次打完时间戳inc加1