金融网站 改版方案手机网站 案例

一、引言

从文章《音视频入门基础：WAV专题（6）——通过FFprobe显示WAV音频文件每个数据包的信息》中我们可以知道，通过FFprobe命令可以显示WAV音频文件每个packet（也称为数据包或多媒体包）的信息，这些信息包含该packet的duration和duration_time：

这个“duration”实际是AVPacket结构体中的成员变量duration，为该音频packet占用的以AVStream的time_base为单位的时间值。而“duration_time”为该音频packet占用的以秒为单位的时间值。这两个值通过fftools/ffprobe.c中的show_packet函数打印出来：

static void show_packet(WriterContext *w, InputFile *ifile, AVPacket *pkt, int packet_idx)
{
//...print_duration_ts("duration",        pkt->duration);print_duration_time("duration_time", pkt->duration, &st->time_base);
//...
}

本文讲述“duration”和“duration_time”的值是怎样被计算出来的。如果想直接看结论，可以跳到本文的最后，直接看“总结”。

二、FFmpeg源码中计算WAV音频文件每个packet的duration和duration_time的实现

（一）得到每个packet的duration

FFmpeg对WAV音频文件进行解封装（解复用）时，会调用avformat_find_stream_info函数，而该函数底层会调用compute_pkt_fields函数：

static void compute_pkt_fields(AVFormatContext *s, AVStream *st,AVCodecParserContext *pc, AVPacket *pkt,int64_t next_dts, int64_t next_pts)
{
//...if (pkt->duration <= 0) {compute_frame_duration(s, &num, &den, st, pc, pkt);if (den && num) {duration = (AVRational) {num, den};pkt->duration = av_rescale_rnd(1,num * (int64_t) st->time_base.den,den * (int64_t) st->time_base.num,AV_ROUND_DOWN);}}
//...
}

compute_pkt_fields函数内部，由于AVPacket结构体被初始化后，其成员变量duration会是0，（新版本的FFmpeg源码一般使用get_packet_defaults函数进行初始化，具体可以参考：《FFmpeg源码：av_init_packet、get_packet_defaults、av_packet_alloc函数分析》），所以会执行下面if语句为真时括号里的内容：

if (pkt->duration <= 0) {
//...
}

通过compute_frame_duration函数，让变量num被赋值为该音频packet占用的以AVStream的time_base为单位的时间值，让变量den被赋值为该音频的采样频率（单位为Hz）：

compute_frame_duration(s, &num, &den, st, pc, pkt);

从文章《FFmpeg源码：compute_frame_duration函数分析》中可以知道，compute_frame_duration函数内部调用了av_get_audio_frame_duration2函数。而从《FFmpeg源码：get_audio_frame_duration、av_get_audio_frame_duration2函数分析》中可以知道，av_get_audio_frame_duration2函数内部又通过get_audio_frame_duration函数来计算某个音频packet占用的时间值。计算公式是：该音频packet占用的以AVStream的time_base为单位的时间值 = packet的大小（单位为字节）×8÷（音频的采样位数×声道数量），比如，某个音频packet的大小为16384字节、音频的采样位数为16位、声道数为2，则该音频packet占用的时间值（以AVStream的time_base为单位）为：16384×8÷（16×2）= 4096。

关于av_rescale_rnd函数的用法可以参考：《FFmpeg源码：av_rescale_rnd、av_rescale_q_rnd、av_rescale_q、av_add_stable函数分析》。最后通过av_rescale_rnd函数得到AVPacket结构体的成员变量duration。下面语句相当于执行了：pkt->duration = 1 × num × st->time_base.den ÷ (den × st->time_base.num)：

pkt->duration = av_rescale_rnd(1,num * (int64_t) st->time_base.den,den * (int64_t) st->time_base.num,AV_ROUND_DOWN);

而从上面我们可以知道，变量num为该音频packet占用的以AVStream的time_base为单位的时间值，变量den为该音频的采样频率（单位为Hz）。根据《音视频入门基础：WAV专题（8）——FFmpeg源码中计算WAV音频文件AVStream的time_base的实现》我们又可以知道WAV音频文件AVStream的time_base（st->time_base）为音频采样频率的倒数。

所以语句pkt->duration = 1 × num × st->time_base.den ÷ (den × st->time_base.num)等价于

pkt->duration = num。

从而让AVPacket结构体中的成员变量duration可以被赋值为该音频packet占用的以AVStream的time_base为单位的时间值。

（二）得到每个packet的duration_time

duration和duration_time是通过fftools/ffprobe.c中的show_packet函数打印出来：

​
static void show_packet(WriterContext *w, InputFile *ifile, AVPacket *pkt, int packet_idx)
{
//...print_duration_ts("duration",        pkt->duration);print_duration_time("duration_time", pkt->duration, &st->time_base);
//...
}

print_duration_time为宏定义：

#define print_duration_time(k, v, tb) writer_print_time(w, k, v, tb, 1)

而writer_print_time函数的定义为：

static void writer_print_time(WriterContext *wctx, const char *key,int64_t ts, const AVRational *time_base, int is_duration)
{char buf[128];if ((!is_duration && ts == AV_NOPTS_VALUE) || (is_duration && ts == 0)) {writer_print_string(wctx, key, "N/A", PRINT_STRING_OPT);} else {double d = ts * av_q2d(*time_base);struct unit_value uv;uv.val.d = d;uv.unit = unit_second_str;value_string(buf, sizeof(buf), uv);writer_print_string(wctx, key, buf, 0);}
}

其中，writer_print_time函数的形参ts为该音频packet占用的以AVStream的time_base为单位的时间值，形参time_base为AVStream的time_base。

关于av_q2d函数的用法可以参考：《FFmpeg有理数相关的源码：AVRational结构体和其相关的函数分析》。duration_time实际上是由writer_print_time函数中的下面语句计算出来的：

double d = ts * av_q2d(*time_base);

简单点来讲duration_time = duration × time_base。

三、总结

对于WAV音频文件：

AVPacket的“duration”为该音频packet占用的以AVStream的time_base为单位的时间值，其值等于： packet的大小（单位为字节）×8÷（音频的采样位数×声道数量），比如，某个音频packet的大小为16384字节、音频的采样位数为16位、声道数为2，则该音频packet的duration等于：16384×8÷（16×2）= 4096。

而“duration_time”为该音频packet占用的以秒为单位的时间值，其值等于：duration × time_base。比如，某个音频packet的duration为4096，time_base为44100分之一，其duration_time为4096乘以44100分之一，等于0.092880。