ffmpeg认为音频帧和音频采样有何差异？

Question

在ffmpeg的手册页中，有一个引人注目的选项：

-aframes number (output)
    Set the number of audio frames to output. This is an obsolete alias for "-frames:a", which you should use instead.

我觉得“音频帧”这个词很含糊。这个SO回答说帧和采样是同义词，但ffmpeg认为帧不可能就是采样。看看我重新采样一些音频到22.05 kHz并恰好为313帧的例子：

$ ffmpeg -i input.mp3 -frames:a 313 -ar:a 22.05K output.wav

如果“帧”和“样本”是同义词，我们预计音频时长为0.014秒，但实际时长为8秒。ffmpeg认为我的输入帧率为39.125。

这里发生了什么？ffmpeg认为音频帧真正是什么？我该如何找到输入音频的帧率？

- Mossmyr

Answer 1

FFmpeg内部使用AVFrame结构来以块的形式传递和处理所有媒体数据。每帧中的样本数量取决于解码器。对于视频而言，一帧由一个画面的所有像素数据组成，这是一种逻辑分组，虽然它也可以包含交错视频流的两个半画面的像素数据。

对于音频，基于DCT编解码器的解码器通常使用DCT窗口中使用的样本数填充帧 - 这是AAC的1024，MP3的576/1152（如Brad所提到的），具体取决于采样率。PCM样本是独立的，因此不存在固有的分帧概念，因此没有帧大小的概念。但是样本仍需要容纳在AVFrames内，ffmpeg默认将每个缓冲区中平面PCM的帧大小设置为1024个样本（每个通道一个）。

您可以使用ashowinfo过滤器来显示帧大小。您还可以使用asetnsamples过滤器将数据重新组合为自定义帧大小。

- Gyan

Answer 2

在这里，“frame”是一个有点多义的术语。

在PCM中，一帧是同时发生的一组样本。如果您的音频为22.05 kHz，并且您有313个PCM帧，则其时间长度约为14毫秒，正如您所期望的那样。

然而，您的音频不是PCM格式...它是MP3。一个MP3帧大约长26毫秒。313个帧加起来大约是8秒钟。这里的帧是一块无法独立解码的音频（实际上，有些帧通过比特保留池彼此相互依赖！）

- Brad

---

完美的答案。一些后续问题：MP3的确切帧率是多少？PCM中的样本同时发生是什么意思？ - Mossmyr

@Mossmyr 更准确地说，MP3每个MPEG帧都有固定数量的PCM样本。 因此，每帧有1152个样本。 但是，根据文件编码方式，也可能是576个。 另请参阅：https://hydrogenaud.io/index.php?topic=85125.0 至于PCM帧，我的意思是，如果您有多个声道（即立体声），则每个通道将同时播放不同的样本。 但是，它们一起组成一个单独的帧。 - Brad