文档目录

一、PCM → AAC 的转换

extern "C" {
#include <libavcodec/avcodec.h>
#include <libavutil/audio_fifo.h>
}

// 把 PCM 帧编码为 AAC packet
struct AudioEncoder {
    AVCodecContext* ctx = nullptr;

    bool init(int sample_rate, int channels) {
        const AVCodec* codec = avcodec_find_encoder(AV_CODEC_ID_AAC);
        if (!codec) return false;

        ctx = avcodec_alloc_context3(codec);
        ctx->sample_fmt = AV_SAMPLE_FLT_FLTP;  // AAC 编码器要求 float planar
        ctx->sample_rate = sample_rate;
        ctx->channel_layout = channels == 1 ? AV_CH_LAYOUT_MONO : AV_CH_LAYOUT_STEREO;
        ctx->channels = channels;
        ctx->bit_rate = 128000;  // 128 kbps

        return avcodec_open2(ctx, codec, nullptr) >= 0;
    }

    // 编码一帧 PCM 数据
    // 注意：AAC 一帧固定 1024 个样本
    AVPacket* encode(const float* pcm_data, int num_samples) {
        AVFrame* frame = av_frame_alloc();
        frame->nb_samples = num_samples;
        frame->format = ctx->sample_fmt;
        frame->channel_layout = ctx->channel_layout;
        av_frame_get_buffer(frame, 0);

        // 把输入 PCM 拷贝到 frame（planar 格式：ch0 全在 data[0], ch1 全在 data[1]）
        memcpy(frame->data[0], pcm_data, num_samples * sizeof(float));

        AVPacket* packet = av_packet_alloc();
        if (avcodec_send_frame(ctx, frame) == 0) {
            avcodec_receive_packet(ctx, packet);
        }

        av_frame_free(&frame);
        return packet;
    }

    ~AudioEncoder() { avcodec_free_context(&ctx); }
};

二、AAC 的 ADTS 头部

当你从编码器拿到 AAC 裸流时，每帧数据开头有一个 ADTS 头部（7 或 9 字节），包含了采样率、声道数、帧长度等信息。没有 ADTS 头部，解码器不知道数据怎么解析。

ADTS 头部结构（7 字节）：
┌─┬─┬─┬─┬─┬─┬─┬─┐
│ syncword: 0xFFF (12bit)           │ 同步头，标识一个 AAC 帧的开始
├─┼─┼─┼─┼─┼─┼─┼─┤
│ ID: 0 (1bit)                      │ MPEG 版本
│ layer: 0 (2bit)                   │ 总是 0
│ protection_absent: 1 (1bit)       │ 是否有 CRC
├─┼─┼─┼─┼─┼─┼─┼─┤
│ profile: 1 (2bit)                 │ AAC-LC = 1
│ sampling_freq: 4 (4bit)           │ 44100Hz = 4, 48000Hz = 3
│ private: 0 (1bit)                 │
├─┼─┼─┼─┼─┼─┼─┼─┤
│ channel_config: 2 (3bit)          │ 1=Mono, 2=Stereo
│ original: 0 (1bit)                │
│ home: 0 (1bit)                    │
│ copyrighted: 0 (1bit)             │
│ copyright_start: 0 (1bit)         │
├─┼─┼─┼─┼─┼─┼─┼─┤
│ frame_length: (13bit)             │ 这一帧的总字节数（含 ADTS 头）
├─┼─┼─┼─┼─┼─┼─┼─┤
│ ... 剩余信息                      │
└─┴─┴─┴─┴─┴─┴─┴─┘

手动解析 ADTS 头部的 C++ 代码：

struct ADTSHeader {
    int profile;          // 0=Main, 1=LC, 2=SSR
    int sample_rate;      // 实际采样率
    int channels;         // 声道数
    int frame_length;     // 这一帧总长度（字节）
};

ADTSHeader parse_adts(const uint8_t* data) {
    ADTSHeader hdr = {};

    // 前 12 bit 是 syncword 0xFFF
    // uint16_t sync = (data[0] << 4) | (data[1] >> 4);

    hdr.profile = ((data[2] >> 6) & 0x03) + 1;  // profile 从 1 开始

    static const int sample_rates[] = {
        96000, 88200, 64000, 48000, 44100, 32000,
        24000, 22050, 16000, 12000, 11025, 8000
    };
    int sr_idx = (data[2] >> 2) & 0x0F;
    hdr.sample_rate = sample_rates[sr_idx];

    hdr.channels = ((data[2] & 0x01) << 2) | ((data[3] >> 6) & 0x03);

    // frame_length 跨 data[3]-data[4]-data[5] 共 13bit
    hdr.frame_length = ((data[3] & 0x03) << 11) | (data[4] << 3) | ((data[5] >> 5) & 0x07);

    return hdr;
}