FFMPEG 与 mp4

1. FFmpeg 中的 start_time 与 time_base

• start_time

  流的起始时间戳（单位：time_base），表示第一帧的呈现时间（Presentation Time）。通常用于同步多个流（如音频和视频）。

• time_base

  时间基，是一个分数（例如 {1, 1000} 表示毫秒级），用于将时间戳转换为秒：

  时间（秒） = 时间戳 × time_base.num / time_base.den

1.1 MP4 文件中的对应概念

MP4 文件使用 ISO Base Media File Format (ISOBMFF) 结构，时间信息主要存储在以下 box 中：

1.2 time_base 的对应

• mdhd box（Media Header Box）

  每个媒体轨道（Track）的 mdhd box 包含 timescale 字段，表示该轨道的时间刻度：

  • 含义 ：1 秒被分成多少个时间单位（例如 timescale=90000 表示 1/90000 秒为一个单位）。
  • 对应关系 ：FFmpeg 的 time_base 通常是 {1, timescale}。

  示例 ：

  若 MP4 轨道的 timescale=90000，则 FFmpeg 可能将 time_base 设为 {1, 90000}。

1.3 start_time 的对应

• tfdt box（Track Fragment Decode Time）

  存储每个片段（Fragment）的解码时间，相对于轨道开始时间。

• ctts box（Composition Time to Sample）

  存储解码时间（DTS）到呈现时间（PTS）的偏移量，影响 start_time 的计算。

• stts box（Decoding Time to Sample）

  定义样本的解码时间间隔，辅助计算绝对时间。

1.4. 转换关系示例

假设 MP4 文件：

• 视频轨道 timescale=90000
• 第一帧的 tfdt 值为 18000（表示 18000/90000 = 0.2 秒）

FFmpeg 读取时：

• time_base = {1, 90000}
• time_base = 1 / timescale
• start_time = 18000（时间戳，单位为 time_base）
• 实际起始时间（秒） = 18000 × (1/90000) = 0.2 秒
• start_time（起始时间（秒）） = start_time × time_base