1.AAC简介

AAC音频格式:Advanced Audio Coding(⾼级⾳频解码)，是⼀种由MPEG-4标准定义的有损⾳频压缩格式，由Fraunhofer发展，Dolby, SonyAT&T是主要的贡献者。

ADIF：Audio Data Interchange Format ⾳频数据交换格式。这种格式的特征是可以确定的找到这个⾳频数据的开始，不需进⾏在⾳频数据流中开始的解码，即它的解码必须在明确定义的开始处进⾏。故这种格式常⽤在磁盘⽂件中。
ADTS的全称是Audio Data Transport Stream。是AAC⾳频的传输流格式。AAC⾳频格式在MPEG-2（ISO-13318-7 2003）中有定义。AAC后来⼜被采⽤到MPEG-4标准中。这种格式的特征是它是⼀个有同步字的⽐特流，解码可以在这个流中任何位置开始。它的特征类似于mp3数据流格式。

简单说，ADTS可以在任意帧解码，也就是说它每⼀帧都有头信息。ADIF只有⼀个统⼀的头，所以必须得到所有的数据后解码。

且这两种的header的格式也是不同的，⽬前⼀般编码后的和抽取出的都是ADTS格式的⾳频流。两者具体的组织结构如下所示：
在这里插入图片描述

2. AAC ADTS格式分析

AAC音频文件每一帧都是由ADTS Header 和AAV Audio Data组成.

详细了解一下ADTS Header的构成:

ADTS Header由adts_fixed_header()和adts_variable_header()构成,
也就是说ADTS Header由一个固定头信息和可变头信息.

2.1 adts_fixed_header详细介绍

在这里插入图片描述
固定大小28bit
在FFmpeg源码中:

  /* adts_fixed_header */put_bits(&pb, 12, 0xfff);   /* syncword */put_bits(&pb, 1, 0);        /* ID */put_bits(&pb, 2, 0);        /* layer */put_bits(&pb, 1, 1);        /* protection_absent */put_bits(&pb, 2, ctx->objecttype); /* profile_objecttype */put_bits(&pb, 4, ctx->sample_rate_index);put_bits(&pb, 1, 0);        /* private_bit */put_bits(&pb, 3, ctx->channel_conf); /* channel_configuration */put_bits(&pb, 1, 0);        /* original_copy */put_bits(&pb, 1, 0);        /* home */

我们仔细看一下各个变量的含义:
syncword:0xfff 这是一个同步头,也就是代表着一个ADTS帧的开始
ID:用来标识MEPG的,0标识MPEG-4，1标识MPEG-2
layer: 总是0
protection_absent:表示是否误码校验,1是没有,0是有
profile:表示使用哪个级别的AAC,一共有4中

static const int aacenc_profiles[] = {FF_PROFILE_AAC_MAIN,FF_PROFILE_AAC_LOW,FF_PROFILE_AAC_LTP,FF_PROFILE_MPEG2_AAC_LOW,
};

AudioObjectType=profile+1,这是因为在AudioObjectType中0代表的是AOT_NULL,而profile是从0开始的,因此他们之间相差1个位置

enum AudioObjectType {AOT_NULL,// Support?                NameAOT_AAC_MAIN,              ///< Y                       MainAOT_AAC_LC,                ///< Y                       Low ComplexityAOT_AAC_SSR,               ///< N (code in SoC repo)    Scalable Sample RateAOT_AAC_LTP,               ///< Y                       Long Term PredictionAOT_SBR,                   ///< Y                       Spectral Band ReplicationAOT_AAC_SCALABLE,          ///< N                       ScalableAOT_TWINVQ,                ///< N                       Twin Vector QuantizerAOT_CELP,                  ///< N                       Code Excited Linear PredictionAOT_HVXC,                  ///< N                       Harmonic Vector eXcitation CodingAOT_TTSI             = 12, ///< N                       Text-To-Speech InterfaceAOT_MAINSYNTH,             ///< N                       Main SynthesisAOT_WAVESYNTH,             ///< N                       Wavetable SynthesisAOT_MIDI,                  ///< N                       General MIDIAOT_SAFX,                  ///< N                       Algorithmic Synthesis and Audio EffectsAOT_ER_AAC_LC,             ///< N                       Error Resilient Low ComplexityAOT_ER_AAC_LTP       = 19, ///< N                       Error Resilient Long Term PredictionAOT_ER_AAC_SCALABLE,       ///< N                       Error Resilient ScalableAOT_ER_TWINVQ,             ///< N                       Error Resilient Twin Vector QuantizerAOT_ER_BSAC,               ///< N                       Error Resilient Bit-Sliced Arithmetic CodingAOT_ER_AAC_LD,             ///< N                       Error Resilient Low DelayAOT_ER_CELP,               ///< N                       Error Resilient Code Excited Linear PredictionAOT_ER_HVXC,               ///< N                       Error Resilient Harmonic Vector eXcitation CodingAOT_ER_HILN,               ///< N                       Error Resilient Harmonic and Individual Lines plus NoiseAOT_ER_PARAM,              ///< N                       Error Resilient ParametricAOT_SSC,                   ///< N                       SinuSoidal CodingAOT_PS,                    ///< N                       Parametric StereoAOT_SURROUND,              ///< N                       MPEG SurroundAOT_ESCAPE,                ///< Y                       Escape ValueAOT_L1,                    ///< Y                       Layer 1AOT_L2,                    ///< Y                       Layer 2AOT_L3,                    ///< Y                       Layer 3AOT_DST,                   ///< N                       Direct Stream TransferAOT_ALS,                   ///< Y                       Audio LosslesSAOT_SLS,                   ///< N                       Scalable LosslesSAOT_SLS_NON_CORE,          ///< N                       Scalable LosslesS (non core)AOT_ER_AAC_ELD,            ///< N                       Error Resilient Enhanced Low DelayAOT_SMR_SIMPLE,            ///< N                       Symbolic Music Representation SimpleAOT_SMR_MAIN,              ///< N                       Symbolic Music Representation MainAOT_USAC_NOSBR,            ///< N                       Unified Speech and Audio Coding (no SBR)AOT_SAOC,                  ///< N                       Spatial Audio Object CodingAOT_LD_SURROUND,           ///< N                       Low Delay MPEG SurroundAOT_USAC,                  ///< N                       Unified Speech and Audio Coding
};

sampling_frequency_index:表示使用的采样率下标

static const int mpeg4audio_sample_rates[16] = {96000, 88200, 64000, 48000, 44100, 32000,24000, 22050, 16000, 12000, 11025, 8000, 7350
};

channel_configuration:表示声道数

2.2 adts_variable_header详细介绍

在这里插入图片描述

/* adts_variable_header */
put_bits(&pb, 1, 0);        /* copyright_identification_bit */
put_bits(&pb, 1, 0);        /* copyright_identification_start */
put_bits(&pb, 13, full_frame_size); /* aac_frame_length */
put_bits(&pb, 11, 0x7ff);   /* adts_buffer_fullness */
put_bits(&pb, 2, 0);        /* number_of_raw_data_blocks_in_frame */