MP4音视频格式

1.MP4

MP4是一种用于封装音视频/字幕/图片/章节信息等数据的多媒体容器格式，是MPEG-4系列的成员之一

2.文件结构

MP4由一层层的嵌套Box（atom）组成

[ size (4 bytes) ][ type (4 bytes)][ payload (嵌套box或者数据) ]

3.常见Box

类型	名称	描述
加粗样式	ftyp	File Type
moov	Movie Box	视频元数据（时长、轨道、帧率等）
mdat	Media Data Box	真正的视频/音频数据
mvhd	Movie Header	在 moov 中，记录全局时长、时间基等
trak	Track Box	每个音视频轨道的容器（如 video、audio）
tkhd	Track Header	描述轨道的基本信息（id、宽高等）
mdia	Media Box	媒体信息容器
minf	Media Information	媒体详细信息，如音频格式、视频帧率等
stbl	Sample Table	每帧的偏移、大小、时间戳信息
moof	Movie Fragment	流式播放中分片播放时的元数据（fragmented MP4 用）
free / skip	Padding Box	空的填充区域，无实际内容

4.常见box介绍

1.ftyp box

告知视频播放器/编辑器等MP4的格式和兼容标准

[ size ][ type ][ major_brand ][ minor_version ][ compatible_brands… ]

字段名	大小	说明
size	4 字节	总长度（含 header）
type	4 字节	Box 类型，值为 ftyp
major_brand	4 字节	主标识，例如 isom, mp41, mp42
minor_version	4 字节	小版本号
compatible_brands	N 字节	一个或多个 4 字节字符串，表示兼容的播放环境

2.moov box

定义一个MP4文件中的数据信息，类型是moov，包含

mvhd标签：Move Header Atom，存放为压缩过的影片信息头容器
cmov标签：Compressed Movie Atom，压缩过的电影信息容器
rmra标签：Reference Movie Atom， 参考电影信息容器

3.track box

track容器定义了媒体文件中的一个track信息，一个媒体文件中可以包含多个track，每个track之间互相独立，具有自己的时间和空间占用信息。主要用于
包含媒体数据的引用和描述
包含modifier track信息
流媒体协议的打包信息

字段	长度	说明
size	4字节	描述atom大小
类型	4字节	tkhd，mdia，clip，matt等

3.tkhd box

字段	长度/字节	描述
尺寸	4	这个 Atom 的字节数
类型	4	tkhd
版本	1	这个 Atom 的版本
标志	3	有效的标志分别如下： • 0x0001：track 生效 • 0x0002：track 被用于 Movie 预览中 • 0x0004：track 被用于 Movie 的 Poster 中
生成时间	4	Movie Atom 的起始时间（基准时间是 1904-1-1 0:00 AM）
修改时间	4	Movie Atom 的修订时间（基准时间是 1904-1-1 0:00 AM）
Track ID	4	唯一标志该 track 的一个非零值
保留	4	这里为 0
Duration	4	track 的 Duration，在电影的时间戳中。与 track 的 edts list 进行的时间戳会建立关联，然后进行时间戳计算，得到对应的 track 的播放时间坐标
保留	8	这里为 0
Layer	2	视频层，默认为 0，值小的在上层
Alternate group	2	track 分组信息，默认为 0，表示该 track 未与其他 track 有群组关系
音量	2	播放此 track 的音量。1.0 为正常音量
保留	2	这里为 0
矩阵结构	36	该矩阵定义了此 track 中两个坐标空间的映射关系

4.hdlr box

描述媒体流的播放过程

字段	长度 / 字节	描述
尺寸	4	这个 Atom 的字节数
类型	4	hdlr
版本	1	这个 Atom 的版本
标志	3	这里为 0
Handle 的类型	4	handler 的类型。当前只有两种类型： • mhlr：media handlers • dhlr：data handlers
Handle 的子类型	4	media handler 或 data handler 的类型。 如果 component type 是 mhlr，那么这个字段定义的是媒体数据类型，如： • vide：video 数据 • soun：sound 数据 如果 component type 是 dhlr，那么这个字段定义的是数据引用类型，如： • alis：文件的别名
保留	12	保留字段，默认为 0
Component name	可变	这个 component 的名字，也就是生成此 media 的 media handler。该字段的长度可以为 0