ffmpeg 认为音频帧和音频样本之间的区别是什么？答案

【问题标题】：What does ffmpeg think is the difference between an audio frame and audio sample?ffmpeg 认为音频帧和音频样本之间的区别是什么？
【发布时间】：2020-02-11 18:56:07
【问题描述】：

在 ffmpeg 的手册页中列出了一个奇怪的选项：

-aframes number (output)
    Set the number of audio frames to output. This is an obsolete alias for "-frames:a", which you should use instead.

什么是“音频框架”对我来说似乎是可疑的。 This SO answer 说 frame 是 sample 的同义词，但这不能是 ffmpeg 认为的 frame。当我将一些音频重新采样为 22.05 kHz 且长度正好为 313 帧时，请看这个示例：

$ ffmpeg -i input.mp3 -frames:a 313 -ar:a 22.05K output.wav

如果“帧”和“样本”是同义词，我们预计音频持续时间为 0.014 秒，但实际持续时间为 8 秒。 ffmpeg 认为我输入的帧率为 39.125。

这里发生了什么？ ffmpeg 认为音频帧到底是什么？如何查找输入音频的帧速率？

【问题讨论】：

标签： ffmpeg frame-rate

【解决方案1】：

FFmpeg 在内部使用 AVFrame 结构来传输和处理块中的所有媒体数据。每帧的样本数取决于解码器。对于视频，一帧由一张图片的所有像素数据组成，这是一个逻辑分组，尽管它也可以包含隔行视频流的两个半图片的像素数据。

对于音频，基于 DCT 的编解码器的解码器通常使用 DCT 窗口中使用的样本数填充一帧 - 正如 Brad 所说，AAC 为 1024，MP3 为 576/1152，具体取决于采样率。 PCM 样本是独立的，因此没有帧的固有概念和帧大小。然而，样本仍然需要容纳在 AVFrames 中，对于每个缓冲区中的平面 PCM，ffmpeg 默认为每帧 1024 个样本（每个通道一个）。

您可以使用 ashowinfo 过滤器来显示帧大小。您还可以使用 asetnsamples 过滤器以自定义帧大小重新组合数据。

【讨论】：

【解决方案2】：

“框架”在这里有点过分了。

在 PCM 中，帧是同时发生的一组样本。如果您的音频是 22.05 kHz 并且您有 313 个 PCM 帧，那么它的时间长度大约是 14 毫秒，正如您所期望的那样。

但是，您的音频不是 PCM……它是 MP3。 MP3 帧的长度约为 26 毫秒。其中 313 个加起来约为 8 秒。这里的帧是不能独立解码的音频块。（事实上，有些帧实际上是通过比特库依赖于其他帧的！）

【讨论】：

完美答案。一些后续问题：MP3的确切帧率是多少？ PCM中可以同时出现样本是什么意思？
@Mossmyr MP3 每个 MPEG 帧有固定数量的 PCM 样本。因此，每帧 1152 个样本。但是，它也可能是 576，具体取决于文件的编码方式。另请参阅：hydrogenaud.io/index.php?topic=85125.0 至于 PCM 帧，我的意思是，如果您有多个通道（即立体声），那么每个通道上将同时播放不同的样本。但是，它们一起构成了一个框架。