【音视频】音视频录制、播放原理

一、音视频录制原理

通常，音视频录制的步骤如下图所示：

• 我们分别从音频和视频开始采样，通过麦克风和摄像头来接受我们的音频信息和图像信息，这通常是同时进行的，不过，通常视频的采集会比音频的采集慢，因此我们需要对采样后的数据进行同步，也就是对相应的音频帧和视频帧进行同步。通常我们会引入一个时钟作为同步标志，可以是视频作为主时钟，也可以是音频，或者是使用系统时钟作为同步等等，不过在实际中，使用音频作为主时钟比较常见，因为人对音频的感受更为明显。

• 采集到音频帧和视频帧之后，通常会根据需要对它们做一层处理，比如对音频进行降噪、增益调整等操作，而对于视频帧，可以进行例如饱和度调整、锐化等操作。

• 处理好的音频帧和视频帧会放入分别放入一个队列中，这个队列用于存储临时的帧，以便后续的编码操作。同时队列也有着缓冲区的作用，可以避免采样和编码速度不匹配等情况。

• 队列中的帧会被取出，用于相应的音频、视频编码，这一步是为了使用特定的格式，如音频的MP3、AAC，视频的H264、H265。经过压缩后的音视频体积将大大减小，方便后续的传输和存储。

• 编码后的音视频将放入音频包和视频包队列，等待进一步处理。

• 接着，从包队列中取出音视频数据，通过复用器对音视频进行封装，也就是使用各种容器包装音视频，如MP4、TS、AVI等

• 最后，这些特定格式的容器就可以作为文件保存了，也就是我们平常创建的视频文件。

复用器是一个音视频封装的工具，可以将经过编码后的音视频数据包，使用特定的容器格式，如MP4、AVI等，合成一个完整的音视频文件

二、音视频播放原理

音视频播放的步骤通常与录制相反，二者可以看做是各自的逆操作，通常，步骤如下图所示：

• 首先我们从系统中读取媒体文件，如（MP4、AVI等），文件中通常包含着编码好的音频流和视频流，有时还有字幕流等，那么我们就需要将文件中的这些对应流进行分离，才能进行下一步处理。
• 我们利用解复用器就可以将媒体文件中的音频和视频数据还原出来，这一步称为音视频解封装。
• 解封装出来的音视频数据将被存放在音频包、视频包队列中，等待后续的解码操作。
• 从对应的队列中取出数据包，就需要对相应的数据包进行解码，如音频的AAC、MP3、视频的H264、H264等，通常，解码的难度通常比编码的难度小。解码后的数据包变成了录制时的帧数据，存储在帧队列中，等待后续的渲染操作。
• 从视频帧和音频队列取出帧之后，如果无需进行特殊处理，我们可以对其进行同步，而同步策略通常以音频作为主时钟。有时，我们还可以将同步策略放在处理帧之后。
• 最终，处理好的音频和视频帧结果处理和调整，将同步渲染到外部设备中，如扬声器和显示器等，此时的视频才真正被播放出来，经过我们的眼睛和耳朵接收到。

解复用器与录制时的复用器相反，它主要是把封装在一起的音频和视频数据包分离出来，变成独立的音频数据和视频数据