目录
[1. 核心比喻：快递包裹](#1. 核心比喻：快递包裹)
[2. 关键知识点详解](#2. 关键知识点详解)
[2.1. 容器 (Container) vs. 编码 (Encoding)](#2.1. 容器 (Container) vs. 编码 (Encoding))
[2.2. 流 (Stream) 与 解复用 (Demultiplexing)](#2.2. 流 (Stream) 与 解复用 (Demultiplexing))
[2.3. 核心参数 (Stream Parameters)](#2.3. 核心参数 (Stream Parameters))
[2.4. 时间基 (Time Base / time_base)](#2.4. 时间基 (Time Base / time_base))
[2.5. PTS / DTS](#2.5. PTS / DTS)
PTS (Presentation Timestamp / G/示时间戳)
DTS (Decoding Timestamp / 解码时间戳)
[🧩 一句话总览](#🧩 一句话总览)
[📦 容器（Container）](#📦 容器（Container）)
[🎞 流（Stream）](#🎞 流（Stream）)
[⚙️ 编码（Codec）](#⚙️ 编码（Codec）)
[⏱ 时间戳（PTS / DTS）](#⏱ 时间戳（PTS / DTS）)
[✅ 总结一句话](#✅ 总结一句话)
本文档详细解释了"阶段 I：本地播放与时钟同步"中第一周"容器与解复用"所涉及的核心知识点。理解这些概念是使用 FFmpeg 进行任何音视频开发（包括播放器、转码器、分析工具）的基石。
1. 核心比喻：快递包裹
理解音视频文件，最简单的比喻就是收发快递：
-
视频/音频裸数据（H.264, AAC）： 这是你购买的商品，比如一件毛衣或一部手机。它们是真正有内容的东西。
-
编码 (Encoding)： 为了方便运输，商品需要被压缩打包 。比如毛衣被抽真空，手机装在防震泡沫里。这就是 H.264 (视频编码) 或 AAC (音频编码) 所做的事情------它们是压缩原始音视频数据的算法。
-
容器 (Container - MP4, MKV)： 这是快递盒子 。这个盒子里可以同时装下被压缩的毛衣（视频）和手机（音频），甚至还有一张说明书（字幕）。MP4 , MKV , FLV 就是这种"盒子"，它们规定了如何把不同的数据"装"进去。
-
解复用 (Demuxing)： 这就是你拆快递的过程。你打开盒子（容器），把里面的毛衣（视频流）和手机（音频流）分开，准备单独使用。
2. 关键知识点详解
2.1. 容器 (Container) vs. 编码 (Encoding)
这是最容易混淆，也最重要的概念。
容器 (Container)
-
作用： "打包"和"组织"。它是一个外壳，定义了如何将一个或多个编码后的数据流（视频、音频、字幕等）交织存储在一个单一的文件中。
-
它包含什么：
-
数据流 (Streams)： 至少一个视频流和一个音频流。
-
元数据 (Metadata)： 关于文件本身的信息（如标题、作者、封面图）和关于数据流的信息（如视频分辨率、音频采样率）。
-
索引/时间信息： 用于播放器快速定位（Seek）到特定时间点。
-
-
常见例子：
.mp4,.mkv(Matroska),.mov,.flv,.ts(MPEG-TS)。 -
FFmpeg 函数：
avformat_open_input就是用来"打开容器"的函数。avformat_...系列函数主要处理容器层面的操作（解复用）。
编码 (Encoding / Codec)
-
作用： "压缩"。它是一种算法（即 Co der-Decoder，编解码器），用于压缩原始的、巨大的音视频数据，使其变得足够小，易于存储和网络传输。
-
它做什么：
-
视频编码： 利用人眼的视觉特性（如对亮度比对色度敏感，对动态画面感知模糊等）和图像帧之间的相似性来移除冗余数据。
-
音频编码： 利用人耳的听觉特性（心理声学模型）来移除人耳听不到或不敏感的声音数据。
-
-
常见例子：
-
视频： H.264 (AVC), H.265 (HEVC), VP9, AV1。
-
音频： AAC, MP3, Opus, FLAC (无损)。
-
-
FFmpeg 函数：
avcodec_find_decoder是用来"查找解码器"的。avcodec_...系列函数主要处理编码层面的操作（解码）。
总结： 一个 .mp4 文件不是 一种视频格式。它是一个容器 ，里面可能 装着一个 H.264 编码的视频流和一个 AAC 编码的音频流。你的 MediaProbe 工具的任务之一，就是打开这个 mp4 盒子，然后告诉用户："嘿，这个盒子里装的是 H.264 视频和 AAC 音频"。
2.2. 流 (Stream) 与 解复用 (Demultiplexing)
-
流 (Stream)： 一个连续的数据序列，代表一种特定类型的内容。在一个媒体文件中：
-
通常有一个视频流 （
AVMEDIA_TYPE_VIDEO）。 -
通常有一个或多个音频流 （
AVMEDIA_TYPE_AUDIO），例如对应不同语言（国语、英语）或不同声道（立体声、5.1声道）。 -
可能有零个或多个字幕流 （
AVMEDIA_TYPE_SUBTITLE）。 -
可能有其他数据流 ，如封面图（
AV_DISPOSITION_ATTACHED_PIC）。
-
-
解复用 (Demuxing)：
-
当你用
avformat_open_input打开一个文件时，FFmpeg 会读取文件的头部信息，识别出这是一个什么容器（如 MP4）。 -
当你调用
avformat_find_stream_info时，FFmpeg 会进一步读取文件开头的一小部分数据，分析并填充每个"流"的详细信息。 -
这些信息被存储在一个名为
AVFormatContext的结构体中，它里面有一个streams数组（AVStream**），数组的每个元素 (AVStream*) 就代表一个流。 -
你的
MediaProbe工具就是要遍历这个streams数组，提取并展示每个AVStream中的参数。
-
2.3. 核心参数 (Stream Parameters)
你的任务是列出这些参数，它们都可以在 AVStream 及其关联的 AVCodecParameters 结构中找到：
-
编解码器 (Codec)：
codecpar->codec_id。例如AV_CODEC_ID_H264。 -
分辨率 (Resolution)：
codecpar->width和codecpar->height。（仅视频） -
帧率 (Frame Rate)：
avg_frame_rate。这是一个分数（AVRational），比如30000/1001(即 29.97 fps)。 -
采样率 (Sample Rate)：
codecpar->sample_rate。例如 44100 Hz 或 48000 Hz。（仅音频） -
码率 (Bitrate)：
codecpar->bit_rate。每秒的数据量，如 5000000 (bps) = 5000 (kbps)。 -
时长 (Duration)：
duration。这是一个整数，单位是time_base。
2.4. 时间基 (Time Base / time_base)
这是 FFmpeg 中最重要、也最基础的概念。
-
是什么： 时间基（
time_base）是一个分数 （AVRational），它定义了时间戳的单位。 -
为什么需要它： 在媒体处理中，我们从不 使用浮点数（如 2.5 秒）来记录时间，因为这会产生累积的精度误差。相反，我们使用整数"滴答数"（ticks）来记录时间戳。
-
time_base就是 "1 滴答" 等于 "多少秒"。 -
公式：
时间(秒) = 时间戳(整数) * time_base -
示例：
-
一个流的
time_base是1/90000（一种常见的值）。 -
这个流中一个数据包的
pts（见下文）是180000。 -
那么这个数据包对应的G/示时间就是：
180000 * (1 / 90000) = 2.0秒。
-
-
注意： 不同的流（甚至容器本身）可能有不同的
time_base。AVStream中就有自己的time_base。在进行时间计算时，你必须使用对应流的time_base。 -
时长计算：
AVStream->duration是一个整数，单位是AVStream->time_base。-
总时长(秒) = stream->duration * av_q2d(stream->time_base) -
(
av_q2d是 FFmpeg 提供的将AVRational转换为double的辅助函数)
-
2.5. PTS / DTS
PTS 和 DTS 是存储在每个音视频数据包 (AVPacket) 上的时间戳 。它们都是整数，单位就是它们所属流的 time_base。
PTS (Presentation Timestamp / G/示时间戳)
-
含义： "这个数据包（解码后）应该在什么时候被G/示给用户"。
-
作用： 这是播放器用于音视频同步 的唯一 依据。播放器会努力确保在 PTS 时间点
T，G/示第N帧视频，并播放第M块音频。 -
对于音频流和没有 B 帧的视频流，PTS 总是单调递增的。
DTS (Decoding Timestamp / 解码时间戳)
-
含义： "这个数据包应该在什么时候被送入解码器"。
-
为什么需要它（B 帧的存在）：
-
现代视频编码（如 H.264）为了追求高压缩率，引入了 B 帧（双向预测帧）。
-
B 帧需要参考它前面 和后面的帧才能解码。
-
例子：
-
G/示顺序 (PTS): I(1), B(2) , B(3), P(4)
-
为了解码
B(2)和B(3)，解码器需要先有I(1)和P(4)。 -
因此，
P(4)必须在B(2)和B(3)之前被解码。 -
解码顺序 (DTS) 必须是: I(1), P(4) , B(2) , B(3)
-
-
-
总结：
-
数据包在文件中是按 DTS 顺序存储的。
-
解复用器 (
av_read_frame) 按 DTS 顺序把包读出来。 -
解码器按 DTS 顺序解码。
-
解码后，播放器根据 PTS 重新排序，然后在正确的时间G/示。
-
-
重要规则： 对于没有 B 帧的流（包括所有音频流），
DTS == PTS。
非常棒 👍
这里是一句一句、层层递进的简明总结，帮你彻底理清：
🧩 一句话总览
容器装流，流含编码数据，时间戳定义播放顺序。
📦 容器（Container）
-
像一个打包盒（MP4、MKV、FLV...）
-
作用：组织并存放多条媒体流（音频、视频、字幕）
-
提供：索引、时长、时间戳、同步信息
🎞 流（Stream）
-
是容器里的一条轨道：视频流、音频流、字幕流
-
每个流都有自己的参数（分辨率、采样率、编码方式）
-
FFmpeg 中对应结构：
AVStream
⚙️ 编码（Codec）
-
是"流"里的压缩格式：H.264、AAC、VP9 等
-
决定数据如何压缩与解码
-
FFmpeg 中对应结构：
AVCodec/AVCodecParameters
⏱ 时间戳（PTS / DTS）
-
用来标记每帧的时间位置
-
PTS：什么时候显示
-
DTS：什么时候解码
-
用
time_base把整数时间戳换算成秒，实现音视频同步
✅ 总结一句话
容器管理多流，流使用编码，时间戳用来同步播放。