Я мультиплексирую видео и аудиопотоки. Видеопоток поступает из сгенерированных данных изображения. Аудиопоток поступает из файла aac. Некоторые аудиофайлы больше, чем общее время видео, которое я установил, поэтому моя стратегия остановить мультиплексор потока звука, когда его время становится больше, чем общее время видео (последнее, которое я контролирую по кадрам с кодировкой по числу).
Я не стану здесь весь код установки, но он похож на пример muxing.c из последнего репозитория FFMPEG. Единственное различие заключается в том, что я использую аудиопоток из файла, как я сказал, а не из синтезированного кодированного кадра. Я уверен, что проблема заключается в неправильной синхронизации во время цикла муксинга. Вот что я делаю:
void AudioSetup(const char* audioInFileName)
{
AVOutputFormat* outputF = mOutputFormatContext->oformat;
auto audioCodecId = outputF->audio_codec;
if (audioCodecId == AV_CODEC_ID_NONE) {
return false;
}
audio_codec = avcodec_find_encoder(audioCodecId);
avformat_open_input(&mInputAudioFormatContext,
audioInFileName, 0, 0);
avformat_find_stream_info(mInputAudioFormatContext, 0);
av_dump_format(mInputAudioFormatContext, 0, audioInFileName, 0);
for (size_t i = 0; i < mInputAudioFormatContext->nb_streams; i++) {
if (mInputAudioFormatContext->streams[i]->codecpar->codec_type == AVMEDIA_TYPE_AUDIO) {
inAudioStream = mInputAudioFormatContext->streams[i];
AVCodecParameters *in_codecpar = inAudioStream->codecpar;
mAudioOutStream.st = avformat_new_stream(mOutputFormatContext, NULL);
mAudioOutStream.st->id = mOutputFormatContext->nb_streams - 1;
AVCodecContext* c = avcodec_alloc_context3(audio_codec);
mAudioOutStream.enc = c;
c->sample_fmt = audio_codec->sample_fmts[0];
avcodec_parameters_to_context(c, inAudioStream->codecpar);
//copyparams from input to autput audio stream:
avcodec_parameters_copy(mAudioOutStream.st->codecpar, inAudioStream->codecpar);
mAudioOutStream.st->time_base.num = 1;
mAudioOutStream.st->time_base.den = c->sample_rate;
c->time_base = mAudioOutStream.st->time_base;
if (mOutputFormatContext->oformat->flags & AVFMT_GLOBALHEADER) {
c->flags |= CODEC_FLAG_GLOBAL_HEADER;
}
break;
}
}
}
void Encode()
{
int cc = av_compare_ts(mVideoOutStream.next_pts, mVideoOutStream.enc->time_base,
mAudioOutStream.next_pts, mAudioOutStream.enc->time_base);
if (mAudioOutStream.st == NULL || cc <= 0) {
uint8_t* data = GetYUVFrame();//returns ready video YUV frame to work with
int ret = 0;
AVPacket pkt = { 0 };
av_init_packet(&pkt);
pkt.size = packet->dataSize;
pkt.data = data;
const int64_t duration = av_rescale_q(1, mVideoOutStream.enc->time_base, mVideoOutStream.st->time_base);
pkt.duration = duration;
pkt.pts = mVideoOutStream.next_pts;
pkt.dts = mVideoOutStream.next_pts;
mVideoOutStream.next_pts += duration;
pkt.stream_index = mVideoOutStream.st->index;
ret = av_interleaved_write_frame(mOutputFormatContext, &pkt);
} else
if(audio_time < video_time) {
//5 - duration of video in seconds
AVRational r = { 60, 1 };
auto cmp= av_compare_ts(mAudioOutStream.next_pts, mAudioOutStream.enc->time_base, 5, r);
if (cmp >= 0) {
mAudioOutStream.next_pts = (int64_t)std::numeric_limits<int64_t>::max();
return true; //don't mux audio anymore
}
AVPacket a_pkt = { 0 };
av_init_packet(&a_pkt);
int ret = 0;
ret = av_read_frame(mInputAudioFormatContext, &a_pkt);
//if audio file is shorter than stop muxing when at the end of the file
if (ret == AVERROR_EOF) {
mAudioOutStream.next_pts = (int64_t)std::numeric_limits<int64_t>::max();
return true;
}
a_pkt.stream_index = mAudioOutStream.st->index;
av_packet_rescale_ts(&a_pkt, inAudioStream->time_base, mAudioOutStream.st->time_base);
mAudioOutStream.next_pts += a_pkt.pts;
ret = av_interleaved_write_frame(mOutputFormatContext, &a_pkt);
}
}
Теперь видео часть безупречна. Но если звуковая дорожка длиннее продолжительности видео, я получаю общую длину видео до 5% - 20%, и ясно, что звук способствует этому, поскольку видеофрагменты закончены именно там, где они должны были быть.
Самый близкий "хак", с которым я пришел, - это эта часть:
AVRational r = { 60 ,1 };
auto cmp= av_compare_ts(mAudioOutStream.next_pts, mAudioOutStream.enc->time_base, 5, r);
if (cmp >= 0) {
mAudioOutStream.next_pts = (int64_t)std::numeric_limits<int64_t>::max();
return true;
}
Здесь я пытался сравнить next_pts
аудиопотока с общим временем, установленным для видеофайла, что составляет 5 секунд. Установив r = {60,1}
я конвертирую эти секунды в time_base аудиопотока. По крайней мере, это то, что я считаю. С этим взломом я получаю очень небольшое отклонение от правильной длины видео при использовании стандартных файлов AAC, с частотой дискретизации 44100, стерео. Но если я тестирую более проблемные образцы, такие как частота выборки AAC 16000, моно - тогда видеофайл добавляет почти целую секунду к его размеру. Я буду признателен, если кто-то может указать, что я делаю неправильно здесь.
Важное примечание. Я не устанавливаю продолжительность для любого из контекстов. Я контролирую завершение сеанса мультиплексирования, который основан на подсчете видеокадров. Конечно, поток аудиовхода имеет длительность, но это не помогает мне, поскольку продолжительность видео - это то, что определяет длину фильма.
ОБНОВИТЬ:
Это вторая попытка щедрости.
ОБНОВЛЕНИЕ 2:
На самом деле, моя звуковая метка {den, num} была неправильной, в то время как {1,1} действительно способ пойти, как объясняется ответ. То, что мешало ему работать, было ошибкой в этой строке (мой плохой):
mAudioOutStream.next_pts += a_pkt.pts;
Что должно быть:
mAudioOutStream.next_pts = a_pkt.pts;
Ошибка привела к экспоненциальному приращению pts, что привело к очень раннему достижению конца потока (в терминах pts) и, следовательно, вызвало прекращение аудиопотока намного раньше, чем предполагалось.