企业官网建设流程全解析

AAC 格式与解析 —— ADTS 头 / 元信息提取 / 声道分布 / 完整解码流程

第 2 篇音频基础讲了"为啥要 AAC"，这一篇讲"AAC 长啥样、怎么拆开、怎么解码"。重点：ADTS 头 7 个字节里都装了啥、采样率/位深/声道这些元信息怎么从字节流里抠出来、解码后左右声道在内存里怎么排、完整解析流程。读完之后你能从 0 写一个 ADTS 拆帧器。

本文速览

0. 引言：为啥要懂 AAC 字节细节

很多人写音频程序时遇到过这种事：

这些坑共同的根源：没搞清 AAC 的字节格式。AAC 不是单一格式——它有四种装法，每种存元信息的位置都不一样。一个.aac文件里看到的字节，跟 MP4 里 esds box 的字节，跟 RTMP 的 AAC 包里的字节，长得都不同。

1. AAC 的四种装法

四种容器选哪种，一眼看清：

实战经验：

2. ADTS 头每个字节都装了啥

一个标准 ADTS 帧 =7 字节头 + AAC 压缩数据（带 CRC 是 9 字节头）。56 个 bit 的字段：

2.1 字节 1-2（关键：syncword）

2.2 字节 3-4（关键：profile + 采样率索引 + 声道）

2.3 字节 5-7（关键：帧长度）

2.4 采样率索引表（必查）

2.5 声道配置表

3. 怎么从 ADTS 头抠出元信息（C 代码示例）

实战代码——给一段 ADTS 字节流，抠出采样率、声道、帧长：

typedefstruct{intprofile;// AAC profileintsample_rate;// 采样率intchannels;// 声道数intframe_length;// 整帧长度inthas_crc;// 是否有 CRC}AdtsHeader;staticconstintaac_sample_rates[16]={96000,88200,64000,48000,44100,32000,24000,22050,16000,12000,11025,8000,7350,0,0,0};intparse_adts(constuint8_t*p,AdtsHeader*h){// ① 检查 syncword 0xFFFif(p[0]!=0xFF||(p[1]&0xF0)!=0xF0){return-1;// 不是 ADTS 帧起点}// ② protection_absent: byte 1 bit 0h->has_crc=!(p[1]&0x01);// ③ profile: byte 2 bit 7-6 (注意 +1, 因为 AAC LC 在 ADTS 里是 1, ASC 里是 2)h->profile=((p[2]>>6)&0x03)+1;// ④ sampling_frequency_index: byte 2 bit 5-2intsr_index=(p[2]>>2)&0x0F;h->sample_rate=aac_sample_rates[sr_index];// ⑤ channel_configuration: byte 2 bit 0 + byte 3 bit 7-6h->channels=((p[2]&0x01)<<2)|((p[3]>>6)&0x03);// ⑥ aac_frame_length: byte 3 bit 1-0 + byte 4 全 + byte 5 bit 7-5 (共 13 bit)h->frame_length=((p[3]&0x03)<<11)|(p[4]<<3)|((p[5]>>5)&0x07);return0;}

几个易踩的坑：

4. 完整解码流程

6 步串起来：

4.1 用 FFmpeg 解码（C 代码）

// 1. 找 AAC 解码器constAVCodec*codec=avcodec_find_decoder(AV_CODEC_ID_AAC);AVCodecContext*ctx=avcodec_alloc_context3(codec);// 2. 配置参数 (从 ADTS 头来的, 上一步抠出来的)ctx->sample_rate=h.sample_rate;ctx->ch_layout.nb_channels=h.channels;ctx->profile=FF_PROFILE_AAC_LOW;// AAC LCavcodec_open2(ctx,codec,NULL);// 3. 喂数据AVPacket*pkt=av_packet_alloc();pkt->data=(uint8_t*)adts_frame_data;// 含 ADTS 头的整帧pkt->size=h.frame_length;avcodec_send_packet(ctx,pkt);// 4. 拿 PCMAVFrame*frame=av_frame_alloc();while(avcodec_receive_frame(ctx,frame)>=0){// frame->data[0] = 左声道 PCM (Planar Float32)// frame->data[1] = 右声道 PCM// frame->nb_samples = 1024process_pcm(frame);}

4.2 用 Android MediaCodec 解码（Java 代码）

MediaCodecdecoder=MediaCodec.createDecoderByType("audio/mp4a-latm");MediaFormatformat=MediaFormat.createAudioFormat("audio/mp4a-latm",sampleRate,channels);// AAC LC 用 csd-0 = AudioSpecificConfig 2 字节// (从 ADTS 头转换: profile/sr_index/channel 拼出来)byte[]csd=makeAudioSpecificConfig(profile,srIndex,channels);format.setByteBuffer("csd-0",ByteBuffer.wrap(csd));decoder.configure(format,null,null,0);decoder.start();// 喂 raw AAC (注意: MediaCodec 默认要的是 raw, 不是 ADTS)// 必须先把 ADTS 头剥掉再送intidx=decoder.dequeueInputBuffer(-1);ByteBufferbuf=decoder.getInputBuffer(idx);buf.put(adts_frame,7,frame_length-7);// 跳过 7 字节 ADTS 头decoder.queueInputBuffer(idx,0,frame_length-7,pts,0);

关键差异：FFmpeg 接受带 ADTS 头的整帧，MediaCodec 默认接受剥掉 ADTS 头的 raw AAC + csd 元信息。这俩别搞混。

5. 解码后左右声道怎么排

不同解码器的输出格式不一样，实战必须 query 一下：

互转套路：

// FFmpeg Planar Float → MediaCodec S16 Interleavedfor(inti=0;i<1024;i++){int16_tL=(int16_t)(frame->data[0][i*4]*32767);// 左int16_tR=(int16_t)(frame->data[1][i*4]*32767);// 右interleaved[i*2]=L;interleaved[i*2+1]=R;}

少做这一步 → 左右声道错乱、或者满屏噪音。

6. 跟 MP4 里的 AAC 有啥区别（AudioSpecificConfig）

MP4 里的 AAC 不带 ADTS 头，而是把所有元信息浓缩到2 字节的 AudioSpecificConfig（ASC），存在esdsbox 里：

ASC 字节 (5 bit + 4 bit + 4 bit + 1 bit + 1 bit + 1 bit = 16 bit = 2 字节): bit 0-4: AOT (Audio Object Type) // 5 bit, AAC LC = 2 bit 5-8: sampling_frequency_index // 4 bit, 跟 ADTS 同表 bit 9-12: channel_configuration // 4 bit bit 13: frame_length_flag // 1 bit, 0=1024 sample, 1=960 bit 14: depends_on_core_coder // 1 bit, = 0 bit 15: extension_flag // 1 bit, = 0

ADTS → ASC 转换公式（实战常用）：

uint8_tasc[2];asc[0]=(aot<<3)|((sr_index>>1)&0x07);// AOT 5bit + sr 高 3bitasc[1]=((sr_index&0x01)<<7)|(channels<<3);// sr 低 1bit + ch 4bit// AAC LC: aot = 2 (注意! ADTS 的 profile=1 对应 AOT=2)

知道这个，就能在"ADTS-AAC 文件"和"MP4 里的 AAC"之间互转。

7. 实战代码：解析一个 .aac 文件

完整可跑的最小拆帧器：

#include<stdio.h>#include<stdint.h>staticconstintsr_table[16]={96000,88200,64000,48000,44100,32000,24000,22050,16000,12000,11025,8000,7350,0,0,0};intmain(intargc,char**argv){FILE*fp=fopen(argv[1],"rb");fseek(fp,0,SEEK_END);longsize=ftell(fp);fseek(fp,0,SEEK_SET);uint8_t*buf=malloc(size);fread(buf,1,size,fp);fclose(fp);longoffset=0;intframe_count=0;while(offset<size-7){// 找 syncword 0xFFFif(buf[offset]!=0xFF||(buf[offset+1]&0xF0)!=0xF0){offset++;continue;}intprofile=((buf[offset+2]>>6)&0x03)+1;intsr_idx=(buf[offset+2]>>2)&0x0F;intch=((buf[offset+2]&0x01)<<2)|((buf[offset+3]>>6)&0x03);intlen=((buf[offset+3]&0x03)<<11)|(buf[offset+4]<<3)|((buf[offset+5]>>5)&0x07);printf("Frame %d @ 0x%lx: profile=%d sr=%d ch=%d len=%d\n",frame_count,offset,profile,sr_table[sr_idx],ch,len);offset+=len;frame_count++;}printf("Total frames: %d\n",frame_count);free(buf);return0;}

跑一下：

gcc parse_aac.c-oparse_aac ./parse_aac music.aac# Frame 0 @ 0x0: profile=2 sr=44100 ch=2 len=415# Frame 1 @ 0x19f: profile=2 sr=44100 ch=2 len=412# ...# Total frames: 8347

40 行 C 代码就把 ADTS-AAC 文件拆完了。

8. 常见坑

8.1 syncword 找错位置

0xFFF这 12 bit 在数据里其实不算稀有——某些 AAC payload 里也可能出现这串 bit。

解决方案：找到候选 syncword 后，用 frame_length 跳到下一帧再确认——如果下一个位置也是 0xFFF，才算真起点。常见叫"双校验"。

8.2 ADTS / raw AAC 混淆

直播流里 AAC 通常带 ADTS 头，但有些转推系统会剥掉头只传 raw + esds。

8.3 profile 偏移坑

互转代码记得+1/-1。

8.4 1024 vs 960 samples

AAC 默认每帧 1024 samples。但有种"AAC LD"（Low Delay）profile 是 480 / 512，"AAC ELD"是 480 / 512。看到帧长不对立马查 profile。

8.5 LATM / LOAS

广播电视用的另一种 AAC 封装，不是 ADTS 也不是 MP4。看到0x56 0xE0开头基本就是 LATM。RTMP / HLS 里基本不会碰到，DVB-T 流里要小心。

9. 一句话总结

AAC =裸压缩流 + 一份元信息。元信息要么放在每帧头部（ADTS），要么放在容器里（MP4 esds），要么完全在外面（raw）。搞清楚拿到的字节是哪种装法，是写音频代码的第一步。

记住三个数字：

剩下的所有解析都是从这三个数字推出来的。