我试图弄清楚 FFmpeg 在音频解码后如何将数据保存在AVFrame 中。
基本上，如果我打印 AVFrame->data[] 数组中的数据，我会得到一些无符号 8 位整数，它们是原始格式的音频。
据我从 FFmpeg doxygen 中了解到，数据的格式以enum AVSampleFormat 表示，主要有 2 个类别：交错式和平面式。在交错类型中，数据全部保存在AVFrame->data 数组的第一行，大小为AVFrame->linesize[0]，而在平面类型中，音频文件的每个通道都保存在AVFrame->data 数组的单独行中，并且数组的大小为AVFrame->linesize[0]。
是否有说明数组中的数字对每种格式的含义的指南/教程？
【问题讨论】：
每个data 数组（平面）中的值是根据指定格式的实际音频样本。例如。如果格式为AV_SAMPLE_FMT_S16P，则意味着data 数组实际上是int16_t PCM 数据的数组。如果我们处理单声道信号——只有data[0]有效，如果是立体声——data[0]和data[1]有效，以此类推。
我不确定是否有任何指南可以帮助您解释每个特定案例，但无论如何，所描述的方法非常简单且易于理解。你应该玩一下它，事情应该会变得清晰。
【讨论】：
AVFrame.h中的数组声明为uint8_t，AVFrame->data怎么可能包含int16_t？
int16_t *pcm16 = (int16_t*) frame->data[0]。
AVFrame->data 中的数组中的每个元素是否代表 1 个音频样本？
data[N] 是指向某个数据平面的指针。 linesize[N] 是某个平面中的字节数。例如。对于AV_SAMPLE_FMT_S16P，如果linesize[0] 是100，那么data[0] 是指向50 int16_t 样本的指针。
data[0]数组的2个元素表示？