【基于libRTMP的流媒体直播之 AAC、H264 推送】

        这段时间在捣腾基于 RTMP 协议的流媒体直播框架，其间参考了众多博主的文章，剩下一些细节问题自行琢磨也算摸索出个门道，现将本身认为比较恼人的 AAC 音频帧的推送和解析、H264 码流的推送和解析以及网上没说清楚的地方分享给各位。

        RTMP 协议栈的实现，Bill 直接使用的 libRTMP，关于 libRTMP 的编译、基本使用方法，以及简单的流媒体直播框架，请参见博文[C++实现RTMP协议发送H.264编码及AAC编码的音视频]，言简意赅，故再也不赘述。

        言归正传，咱们首先来看看 AAC 以及 H264 的推送。

        不论向 RTMP 服务器推送音频仍是视频，都须要按照 FLV 的格式进行封包。所以，在咱们向服务器推送第一个 AAC 或 H264 数据包以前，须要首先推送一个音频 Tag [AAC Sequence Header] 如下简称“音频同步包”，或者视频 Tag [AVC Sequence Header] 如下简称“视频同步包”。

AAC 音频帧的推送                                         

        咱们首先来看看音频 Tag，根据 FLV 标准 Audio Tags 一节的描述：

        咱们能够将其简化并获得 AAC 音频同步包的格式以下：

        音频同步包大小固定为 4 个字节。前两个字节被称为 [AACDecoderSpecificInfo]，用于描述这个音频包应当如何被解析。后两个字节称为 [AudioSpecificConfig]，更加详细的指定了音频格式。

        [AACDecoderSpecificInfo] 俩字节能够直接使用 FAAC 库的 faacEncGetDecoderSpecificInfo 函数来获取，也能够根据本身的音频源进行计算。通常状况下，双声道，44kHz 采样率的 AAC 音频，其值为 0xAF00，示例代码：

        根据 FLV 标准 不可贵知，[AACDecoderSpecificInfo] 第 1 个字节高 4 位 |1010| 表明音频数据编码类型为 AAC，接下来 2 位 |11| 表示采样率为 44kHz，接下来 1 位 |1| 表示采样点位数 16bit，最低 1 位 |1| 表示双声道。其第二个字节表示数据包类型，0 则为 AAC 音频同步包，1 则为普通 AAC 数据包。

        音频同步包的后两个字节 [AudioSpecificConfig] 的结构，援引其余博主图以下：

        咱们只需参照上述结构计算出对应的值便可。至此，4 个字节的音频同步包组装完毕，即可推送至 RTMP 服务器，示例代码以下：

        网上有博主说音频采样率小于等于 44100 时 SamplingFrequencyIndex 应当选择 3（48kHz），Bill 测试发现采样率等于 44100 时设置标记为 3 或 4 均能正常推送并在客户端播放，不过咱们仍是应当按照标准规定的行事，故此处的 SamplingFrequencyIndex 选 4。

        完成音频同步包的推送后，咱们即可向服务器推送普通的 AAC 数据包，推送数据包时，[AACDecoderSpecificInfo] 则变为 0xAF01，向服务器说明这个包是普通 AAC 数据包。后面的数据为 AAC 原始数据去掉前 7 个字节（若存在 CRC 校验，则去掉前 9 个字节），咱们一样以一张简化的表格加以阐释：

        推送普通 AAC 数据包的示例代码：

        至此，咱们便完成了 AAC 音频的推送流程。此时可尝试使用 VLC 或其余支持 RTMP 协议的播放器链接到服务器测试正在直播的 AAC 音频流。     

H264 码流的推送                                           

        前面提到过，向 RTMP 服务器发送 H264 码流，须要按照 FLV 格式进行封包，而且首先须要发送视频同步包 [AVC Sequence Header]。咱们依旧先阅读 FLV 标准 Video Tags 一节：

        因为视频同步包前半部分比较简单易懂，仔细阅读上述标准即可明白如何操做，故 Bill 不另做图阐释。由上图可知，咱们的视频同步包 FrameType == 1，CodecID == 7，VideoData == AVCVIDEOPACKET，继续展开 AVCVIDEOPACKET，咱们能够获得 AVCPacketType == 0x00，CompositionTime == 0x000000，Data == AVCDecoderConfigurationRecord。

        所以构造视频同步包的关键点即是构造 AVCDecoderConfigurationRecord。一样，咱们援引其余博主的图片来阐释这个结构的细节：

        其中须要额外计算的是 H264 码流的 Sps 以及 Pps，这两个关键数据能够在开始编码 H264 的时候提取出来并加以保存，在须要时直接使用便可。具体作法请读者自行 Google 或参见 参考博文[2]，在此再也不赘述。

        当咱们获得本次 H264 码流的 Sps 以及 Pps 的相关信息后，咱们即可以完成视频同步包的组装，示例代码以下：

        至此，视频同步包便构造完毕并推送给 RTMP 服务器。接下来只须要将普通 H264 码流稍加封装即可实现 H264 直播，下面咱们来看一下普通视频包的组装过程。

        回顾 FLV 标准 的 Video Tags 一节，咱们能够获得 H264 普通数据包的封包信息，FrameType == （H264 I 帧 ? 1 : 2），CodecID == 7，VideoData == AVCVIDEOPACKET，继续展开，咱们能够获得  AVCPacketType == 0x01，CompositionTime 此处仍然设置为 0x000000，具体缘由 TODO(billhoo)，Data == H264 NALU Size + NALU Raw Data。

        构造视频数据包的示例代码以下：

        至此 H264 码流的整个推送流程便已完成，咱们可使用 VLC 或其余支持 RTMP 协议的播放器进行测试。

关于 AAC 音频帧及 H264 码流的时间戳         

        经过前文的步骤咱们已经可以将 AAC 音频帧以及 H264 码流正常推送到 RTMP 直播服务器，并可以使用相关播放器进行播放。但播放的效果如何还取决于时间戳的设定。

        在网络良好的状况下，本身最开始使用的音频流时间戳为 AAC 编码器刚输出一帧的时间，视频流时间戳为 H264 编码器刚编码出来一帧的时间，VLC 播放端就频繁报异常，要么是从新缓冲，要么直接没声音或花屏。在排除了推送步骤实现有误的问题后，Bill 发现问题出在时间戳上。

        以后有网友说直播流的时间戳不论音频仍是视频，在总体时间线上应当呈现递增趋势。因为 Bill 最开始的时间戳计算方法是按照音视频分开计算，而音频时戳和视频时戳并非在一条时间线上，这就有可能出现音频时戳在某一个时间点比对应的视频时戳小， 在某一个时间点又跳变到比对应的视频时戳大，致使播放端没法对齐。

        目前采用的时间戳为底层发送 RTMP 包的时间，不区分音频流仍是视频流，统一使用即将发送 RTMP 包的系统时间做为该包的时间戳。目前局域网测试播放效果良好，音视频同步且流畅。

参考博文

[1][C++实现RTMP协议发送 H.264 编码及 AAC 编码的音视频]

[2][使用 libRtmp 进行 H264 与 AAC 直播]

[3][RTMP直播到FMS中的AAC音频直播]