Question

我正在研究一个mp4容器解析器，但我正在疯狂地尝试识别流的音频编解码器。我使用了QtAtomViewer和AtomicParsley，但是当我找到原子时：

trak-＆GT; mdia-＆GT; minf-＆GT; stbl-＆GT; STSD

即使mp4文件有mp3流，我也总是“mp4a”。

我应该找一个“.mp3”fourcc吗？

我附加了两个不同的mp4结构：带有AAC音频流的mp4容器

     Atom trak @ 716882 of size: 2960, ends @ 719842
     Atom tkhd @ 716890 of size: 92, ends @ 716982
     Atom mdia @ 716982 of size: 2860, ends @ 719842
         Atom mdhd @ 716990 of size: 32, ends @ 717022
         Atom hdlr @ 717022 of size: 33, ends @ 717055
         Atom minf @ 717055 of size: 2787, ends @ 719842
             Atom dinf @ 717063 of size: 36, ends @ 717099
                 Atom dref @ 717071 of size: 28, ends @ 717099
             Atom stbl @ 717099 of size: 2727, ends @ 719826
                 Atom stts @ 717107 of size: 24, ends @ 717131
                 Atom stsz @ 717131 of size: 1268, ends @ 718399
                 Atom stsc @ 718399 of size: 40, ends @ 718439
                 Atom stco @ 718439 of size: 32, ends @ 718471
                 Atom stss @ 718471 of size: 1264, ends @ 719735
                 Atom stsd @ 719735 of size: 91, ends @ 719826
                     Atom mp4a @ 719751 of size: 75, ends @ 719826
                         Atom esds @ 719787 of size: 39, ends @ 719826
             Atom smhd @ 719826 of size: 16, ends @ 719842

带有mp3音频流的mp4容器

Atom trak @ 1663835 of size: 4844, ends @ 1668679
     Atom tkhd @ 1663843 of size: 92, ends @ 1663935
     Atom mdia @ 1663935 of size: 4744, ends @ 1668679
         Atom mdhd @ 1663943 of size: 32, ends @ 1663975
         Atom hdlr @ 1663975 of size: 45, ends @ 1664020
         Atom minf @ 1664020 of size: 4659, ends @ 1668679
             Atom smhd @ 1664028 of size: 16, ends @ 1664044
             Atom dinf @ 1664044 of size: 36, ends @ 1664080
                 Atom dref @ 1664052 of size: 28, ends @ 1664080
             Atom stbl @ 1664080 of size: 4599, ends @ 1668679
                 Atom stsd @ 1664088 of size: 87, ends @ 1664175
                     Atom mp4a @ 1664104 of size: 71, ends @ 1664175
                         Atom esds @ 1664140 of size: 35, ends @ 1664175
                 Atom stts @ 1664175 of size: 24, ends @ 1664199
                 Atom stsc @ 1664199 of size: 28, ends @ 1664227
                 Atom stsz @ 1664227 of size: 2228, ends @ 1666455
                 Atom stco @ 1666455 of size: 2224, ends @ 1668679

由于 FE

更新

我找到了解决问题的方法：通过观察AtomicParsley的代码，我发现有可能得到它关于流原子（mp4a）的编解码器信息，读取第11个字节进入esds（基本流描述）原子。

现在我正在以这种方式工作：

如果第11个字节的值是0x40，我假设流是AAC，否则，如果我读取0x69，我认为该流是MP3。

我不喜欢这些“经验”解决方案，所以我正在寻找更正确的方法方式，但我发现只有Understanding_AAC不完整。

任何人都知道我可以在哪里获得更详细的MP4容器规格吗？

Answer 1

在'esds'原子中有一些与确定编解码器相关的字段。 esds原子内容的第一个字节是objectTypeIndication（这是你解决方案中的第11个字节）。该字段应该表示使用的编解码器，但是有多个条目由多个编解码器使用。 MP4RA有一个full list of codec values。以下是与此案例相关的一些内容：

0x40 - MPEG-4音频
0x6B-MPEG-1音频（MPEG-1层1,2和3）
0x69 - MPEG-2向后兼容音频（MPEG-2第1层，第2层和第3层）
0x67 - MPEG-2 AAC LC

0x6B和0x69分别表示MPEG-1和2层1,2和3. 0x67表示MPEG-2 AAC LC，但通常不使用{{1} （0x040和0x66也是MPEG-2 AAC配置文件甚至更少见。） 0x68表示MPEG-4音频。 MPEG-4音频通常被认为是AAC，但有一个完整的音频编解码器框架，可以采用MPEG-4音频，包括AAC，BSAC，ALS，CELP和MP3On4。 MP3On4是一种MP3变体，带有一些用于多声道的新标题信息。

我们可以通过查看0x40来确定MPEG-4音频中实际的音频格式。这是解码器的全局头，它存在于'esds'原子内容的第13位。在AudioSpecificConfig的开头有一个5位AudioSpecificConfig。可以在多媒体维基上找到完整的列表（在您的帖子中链接了'MPEG-4音频'文章：http://wiki.multimedia.cx/index.php?title=MPEG-4_Audio，但这里有用的值：

00 - NULL
01 - AAC Main（来自MPEG-2的已弃用的AAC配置文件）
02 - AAC LC或向后兼容的HE-AAC（大多数realworld AAC属于其中一种情况）
03 - AAC可扩展采样率（很少使用）
03 - AAC LTP（AAC Main的替代品，很少使用）
05 - HE-AAC明确发出信号（非向后兼容）
22 - ER BSAC（韩国广播编解码器）
23 - 低延迟AAC
29 - HE-AACv2明确发出信号（在一个草案中，这是MP3On4而不是）
31 - ESCAPE（再读6位，加32）
32 - MP3on4第1层
33 - MP3on4第2层
34 - MP3on4第3层

如果您不担心'MP3On4'mp3变体，也不担心其他奇怪的MPEG-4音频编解码器，那么只需使用AudioObjectType即可。

在MPEG规范中，这些细节分布在14496-1，-12，-14和-3之间。其中只有14496-12可免费获得：http://standards.iso.org/ittf/PubliclyAvailableStandards/index.html

Answer 2

esds原子[1]的格式定义为：

Size 32-bit
Type 32-bit 'esds'

Answer 3

安迪·汉森（Andy Henson）的答案中拆分的字段是错误的，“ 0x80”字节不是标签的一部分，而是长度的一部分，并形成Varint32长度。

00000033 65736473 = ISO Atom "esds" of length 0x33
00000000 = Version/Flags field (0), meaning tagged Elementary Stream Descriptor follows
03       = TAG(3) = Object Descriptor ([2])
80808022 = length = 34 [4] of this OD (which includes the next 3 tags)
  0001   = ES_ID = 1
      00 = flags etc = 0
04       = TAG(4) = ES Descriptor ([2]) embedded in above OD
80808014 = length of this ESD
  40     = MPEG4 Audio (see table for valid types here)
    15   = stream type(6bits)=5 audio, flags(2bits)=1
000000   = 24bit buffer size
0001FC17 = max bitrate (130,071 bps)
0001FC17 = avg bitrate
05       = TAG(5) = ASC ([2],[3]) embedded in above OD
80808002 = length
1208     = ASC (AOT=2 AAC-LC, freq=4 => 44100 Hz, chan=1 => single channel, flen0 => 1024 samples)
06       = TAG(6)
80808001 = length
02       = data

在MPEG-4系统（ISO 14496-1），附件E.1中记录了长度编码

mp4 atom - 如何区分音频编解码器？是AAC还是MP3？

3 个答案: