【流媒體基礎知識】AAC 音頻格式詳解

1.ADTS是個啥

---

ADTS全稱是(Audio Data Transport Stream)，是AAC的一種十分常見的傳輸格式。

記得第一次做demux的時候，把AAC音頻的ES流從FLV封裝格式中抽出來送給硬件解碼器時，不能播;保存到本地用pc的播放器播時，我靠也不能播。當時崩潰了，後來通過查找資料才知道。一般的AAC解碼器都需要把AAC的ES流打包成ADTS的格式，一般是在AAC ES流前添加7個字節的ADTS header。也就是說你可以吧ADTS這個頭看作是AAC的frameheader。

 

ADTS AAC
ADTS_header	AAC ES	ADTS_header	AAC ES	...	ADTS_header	AAC ES

 

 

2.ADTS內容及結構

---

ADTS 頭中相對有用的信息 採樣率、聲道數、幀長度。想想也是，我要是解碼器的話，你給我一堆得AAC音頻ES流我也解不出來。每一個帶ADTS頭信息的AAC流會清晰的告送解碼器他需要的這些信息。

一般情況下ADTS的頭信息都是7個字節，分爲2部分：

adts_fixed_header();

adts_variable_header();

 

syncword ：同步頭 總是0xFFF, all bits must be 1，代表着一個ADTS幀的開始

ID：MPEG Version: 0 for MPEG-4, 1 for MPEG-2

Layer：always: '00'

profile：表示使用哪個級別的AAC，有些芯片只支持AAC LC 。在MPEG-2 AAC中定義了3種：

sampling_frequency_index：表示使用的採樣率下標，通過這個下標在 Sampling Frequencies[ ]數組中查找得知採樣率的值。

 

There are 13 supported frequencies:

• 0: 96000 Hz
• 1: 88200 Hz
• 2: 64000 Hz
• 3: 48000 Hz
• 4: 44100 Hz
• 5: 32000 Hz
• 6: 24000 Hz
• 7: 22050 Hz
• 8: 16000 Hz
• 9: 12000 Hz
• 10: 11025 Hz
• 11: 8000 Hz
• 12: 7350 Hz
• 13: Reserved
• 14: Reserved
• 15: frequency is written explictly

channel_configuration: 表示聲道數 

 

• 0: Defined in AOT Specifc Config
• 1: 1 channel: front-center
• 2: 2 channels: front-left, front-right
• 3: 3 channels: front-center, front-left, front-right
• 4: 4 channels: front-center, front-left, front-right, back-center
• 5: 5 channels: front-center, front-left, front-right, back-left, back-right
• 6: 6 channels: front-center, front-left, front-right, back-left, back-right, LFE-channel
• 7: 8 channels: front-center, front-left, front-right, side-left, side-right, back-left, back-right, LFE-channel
• 8-15: Reserved

frame_length : 一個ADTS幀的長度包括ADTS頭和AAC原始流.

adts_buffer_fullness：0x7FF 說明是碼率可變的碼流

 

3.將AAC打包成ADTS格式

---

如果是通過嵌入式高清解碼芯片做產品的話，一般情況的解碼工作都是由硬件來完成的。所以大部分的工作是把AAC原始流打包成ADTS的格式，然後丟給硬件就行了。

通過對ADTS格式的瞭解，很容易就能把AAC打包成ADTS。我們只需得到封裝格式裏面關於音頻採樣率、聲道數、元數據長度、aac格式類型等信息。然後在每個AAC原始流前面加上個ADTS頭就OK了。

貼上ffmpeg中添加ADTS頭的代碼，就可以很清晰的瞭解ADTS頭的結構：

int ff_adts_write_frame_header(ADTSContext *ctx,
                               uint8_t *buf, int size, int pce_size)
{
    PutBitContext pb;
 
    init_put_bits(&pb, buf, ADTS_HEADER_SIZE);
 
    /* adts_fixed_header */
    put_bits(&pb, 12, 0xfff);   /* syncword */
    put_bits(&pb, 1, 0);        /* ID */
    put_bits(&pb, 2, 0);        /* layer */
    put_bits(&pb, 1, 1);        /* protection_absent */
    put_bits(&pb, 2, ctx->objecttype); /* profile_objecttype */
    put_bits(&pb, 4, ctx->sample_rate_index);
    put_bits(&pb, 1, 0);        /* private_bit */
    put_bits(&pb, 3, ctx->channel_conf); /* channel_configuration */
    put_bits(&pb, 1, 0);        /* original_copy */
    put_bits(&pb, 1, 0);        /* home */
 
    /* adts_variable_header */
    put_bits(&pb, 1, 0);        /* copyright_identification_bit */
    put_bits(&pb, 1, 0);        /* copyright_identification_start */
    put_bits(&pb, 13, ADTS_HEADER_SIZE + size + pce_size); /* aac_frame_length */
    put_bits(&pb, 11, 0x7ff);   /* adts_buffer_fullness */
    put_bits(&pb, 2, 0);        /* number_of_raw_data_blocks_in_frame */
 
    flush_put_bits(&pb);
 
    return 0;
}