音视频入门基础：FLV专题（18）——Audio Tag简介

一、引言

根据《video_file_format_spec_v10_1.pdf》第75页，如果某个Tag的Tag header中的TagType值为8，表示该Tag为Audio Tag：

这时StreamID之后紧接着的就是AudioTagHeader，也就是说这时Tag header之后的就是AudioTagHeader：

然后这时如果Filter的值不为1，表示未加密，不需要预处理。则AudioTagHeader之后紧接着的就AUDIODATA：

所以，

1.当某个Tag的Tag header中的TagType属性的值为8时，该Tag为Audio Tag；

2.未加密的情况下，一个Audio Tag = Tag header + AudioTagHeader + AUDIODATA。

二、AudioTagHeader

根据《video_file_format_spec_v10_1.pdf》第76页，AudioTagHeader包含的属性如下：

其中：

SoundFormat：占4位（8位等于1个字节），音频的压缩编码格式。

0：Linear PCM, platform endian
1：ADPCM
2：MP3
3：Linear PCM, little endian
4：Nellymoser 16 kHz mono
5：Nellymoser 8 kHz mono
6：Nellymoser
7：G.711 A-law logarithmic PCM
8：G.711 mu-law logarithmic PCM
9：reserved
10：AAC
11：Speex
14：MP3 8 kHz
15：Device-specific sound

SoundRate：占2位，音频采样频率。

0：5.5 kHz
1：11 kHz
2：22 kHz
3：44 kHz

SoundSize：占1位，即Bit depth（又叫位深度、位元深度、采样深度、采样位数、采样格式）。

0：8位
1：16位

该属性仅适用于未压缩的格式，Bit depth对于PCM编码是固定的，但对于有损压缩编解码器（如MP3和AAC），它是在编码期间计算的，并且可以因采样而异，具体可以参考：《音视频入门基础：AAC专题（3）——AAC的ADTS格式简介》。

SoundType：占1位，音频声道数目。

0：单声道

1：立体声

AACPacketType：占1字节，AAC数据包的类型。仅当FLV文件中的音频为AAC格式时，才有该属性。

值为0表示该AudioTag包含AAC sequence header，即包含audioObjectType属性为AAC格式时的AudioSpecificConfig；

值为1表示该AudioTag包含一帧AAC音频压缩数据。

所以当FLV文件中的音频不为AAC格式时，AudioTagHeader总共占1字节（SoundFormat + SoundRate + SoundSize + SoundType总共1字节）；当FLV文件中的音频为AAC格式时，AudioTagHeader总共占2字节（SoundFormat + SoundRate + SoundSize + SoundType + AACPacketType总共2字节）。

从上面的介绍可以看到，AudioTagHeader指定了音频的压缩编码格式、音频采样频率、采样位数、音频声道数目等格式。

但是《video_file_format_spec_v10_1.pdf》第77页写道：“如果音频压缩编码格式为AAC，则SoundType属性的值应为1（立体声），SoundRate属性的值应为3 （44khz）。
然而，这并不意味着AAC音频在FLV中总是立体声，44khz。相反，Flash播放器会忽略这些值并在AAC比特流中提取信道和采样率数据编码。”

也就是会说，播放器在处理 AAC 音频时，需要忽略 AudioTagHeader 中的音频参数，而使用 AudioSpecificConfig的参数来初始化解码器：

三、AUDIODATA

根据《video_file_format_spec_v10_1.pdf》第77页，FLV文件未加密时，AUDIODATA为AudioTagBody：

四、AudioTagBody

根据《video_file_format_spec_v10_1.pdf》第77页，当FLV文件的音频压缩编码格式为AAC时，AudioTagBody为AACAUDIODATA：

五、AACAUDIODATA

根据《video_file_format_spec_v10_1.pdf》第77页，当AACPacketType值为0时，AACAUDIODATA为AudioSpecificConfig；当AACPacketType值为1时，AACAUDIODATA包含一帧AAC音频压缩数据：

六、AudioSpecificConfig

MPEG-4包括一个以统一方式处理不同音频格式组的系统。每种格式都用一个唯一的音频对象类型（Audio Object Type， 简称AOT）来表示。所有Audio Object Type共享的通用格式全局header称为音频特定配置（Audio Specific Config）。简单来讲Audio Specific Config是MPEG-4音频的全局header，该header包含了音频编码器的重要信息，比如编码器类别，音频频率，音频通道数等。具体可以参考：《音视频入门基础：AAC专题（11）——AudioSpecificConfig简介》。