【FFmpeg实战】手撕音频转码：WAV转AAC的全链路解析与C++实现

在音视频开发中，音频转码是一个永远绕不开的经典课题。很多初学者在刚接触 FFmpeg 时，往往会被眼花缭乱的结构体（AVFrame、AVPacket）和错综复杂的内存管理搞得晕头转向。

今天，我们将抛开繁杂的解封装外壳，直击底层数据流转的灵魂。本文将带你手写一段 WAV 转 AAC 的 C++ 代码，不仅给你最终的源码，更会为你剖析为什么要这么写：从重采样的数学逻辑，到编码器的"硬性规矩"，再到时间戳（PTS）的"铺砖理论"。

一、 核心概念扫盲：转码到底在转什么？

WAV 转 AAC，不仅仅是改个后缀名那么简单。本质上，我们要跨越两道鸿沟：

1. 格式的鸿沟：为什么需要重采样（Resampling）？

WAV 文件里存放的通常是原始的 PCM 数据（一般为 16位整型 S16 ）。但是，AAC 编码器是个"挑食"的精密仪器，为了进行复杂的心理声学模型运算，它硬性要求输入的数据必须是浮点平面格式（FLTP） 。 因此，我们必须在中间加一台"重采样器（SwrContext）"，把 S16 的粗粮加工成 FLTP 的细粮。

2. 大小的鸿沟：nb_samples 与 frame_size 的恩怨

• c->frame_size（编码器的规矩） ：AAC 编码器规定，每次必须喂给它恰好 1024 个采样点，少一个报错，多一个装不下。

• frame->nb_samples（数据的现实）：代表我们当前数据帧里实际装了多少个采样点。 转码的核心艺术，就是想方设法让"现实"对齐"规矩"。

二、 数据流转的"加工厂"模型

在看代码之前，请把整个程序想象成一条流水线：

1. 进货 (fread)：从 WAV 文件中切下一块 4096 字节的"生肉"（1024样本 × 2声道 × 2字节位深）。

2. 加工 (swr_convert) ：把生肉丢进重采样器，吐出 1024 个高精度的 FLTP 样本，装进 AVFrame 的盘子里。

3. 打标签 (PTS) ：音频是连续的河流。第一帧贴上 0 秒的标签，第二帧必须贴上 1024 刻度的标签，严丝合缝，绝不能重叠或断层。

4. 压缩 (avcodec_send_frame)：把盘子丢给 AAC 编码器进行极限瘦身。

5. 出货 (avcodec_receive_packet) ：在一个 while 循环里死死守住出货口，把吐出的 AVPacket 写入到 MP4/AAC 容器中。

三、 完整 C++ 实战代码

这份代码避开了初学者最容易踩的几个大坑（内存泄漏、时间戳丢失、结尾爆音），是一份非常扎实的工业级代码雏形。

(注意：为了直观展示数据体积换算，本例使用 C 语言标准 fread 读取原始 WAV PCM数据。在实际复杂项目中，建议使用 avformat_open_input 替代。)

#define _CRT_SECURE_NO_WARNINGS
#include <iostream>
extern "C"
{
#include <libavformat/avformat.h>
#include <libavcodec/avcodec.h>
#include <libswresample/swresample.h>
}

int main()
{
    const char* infile = "E:/videos/16.wav";
    const char* outfile = "E:/videos/out.aac";

    // ==========================================
    // 1. 初始化编码器 (AAC)
    // ==========================================
    const AVCodec* codec = avcodec_find_encoder(AV_CODEC_ID_AAC);
    AVCodecContext* c = avcodec_alloc_context3(codec);
    
    c->bit_rate = 128000;                           
    c->sample_rate = 44100;                         
    c->sample_fmt = AV_SAMPLE_FMT_FLTP;             
    av_channel_layout_default(&c->ch_layout, 2);    
    c->time_base = { 1, c->sample_rate }; // 极其重要：设置时间基准为 1/44100 秒

    avcodec_open2(c, codec, NULL);

    // ==========================================
    // 2. 初始化封装器 (Muxer)
    // ==========================================
    AVFormatContext* oc = NULL;
    avformat_alloc_output_context2(&oc, NULL, NULL, outfile);
    AVStream* st = avformat_new_stream(oc, NULL);
    avcodec_parameters_from_context(st->codecpar, c); 
    avio_open(&oc->pb, outfile, AVIO_FLAG_WRITE);
    avformat_write_header(oc, NULL);

    // ==========================================
    // 3. 初始化重采样器 (S16 -> FLTP)
    // ==========================================
    AVChannelLayout in_ch_layout;
    av_channel_layout_default(&in_ch_layout, 2);    

    SwrContext* actx = NULL; 
    swr_alloc_set_opts2(&actx,
        &c->ch_layout, c->sample_fmt, c->sample_rate, 
        &in_ch_layout, AV_SAMPLE_FMT_S16, 44100,      
        0, NULL);
    swr_init(actx); 

    // ==========================================
    // 4. 准备数据载体 (Frame & Packet)
    // ==========================================
    AVFrame* frame = av_frame_alloc();      
    frame->format = AV_SAMPLE_FMT_FLTP;
    av_channel_layout_default(&frame->ch_layout, 2);  
    frame->nb_samples = c->frame_size; // AAC 规定必须是 1024
    av_frame_get_buffer(frame, 0);     // 严格遵循：先定参数，再分配内存

    AVPacket* pkt = av_packet_alloc();  

    // ==========================================
    // 5. 核心流转大循环
    // ==========================================
    // 计算每次需要读取的裸字节数: 1024样本 * 2字节(16位) * 2声道 = 4096 字节
    int readSize = frame->nb_samples * 2 * 2;
    char *pcm = new char[readSize];
    FILE* fp = fopen(infile, "rb");

    int64_t pts_counter = 0; // 时间戳累加器

    for (;;)
    {
        int bytes_read = fread(pcm, 1, readSize, fp); 
        if (bytes_read <= 0) break;

        // 计算本次实际读到的样本数 (防止文件末尾越界)
        int in_samples = bytes_read / 4; 

        const uint8_t* data[1];                 
        data[0] = (uint8_t*)pcm;

        // 【加工】：重采样
        int out_samples = swr_convert(actx, frame->data, frame->nb_samples, data, in_samples);
        if (out_samples <= 0) break;

        // 【打标签】：设置 PTS 并累加
        frame->pts = pts_counter;
        pts_counter += out_samples; 

        // 【投喂】：送去编码
        if (avcodec_send_frame(c, frame) < 0) return -1;
        
        // 【接货】：循环接收编码后的 AAC 包
        while (avcodec_receive_packet(c, pkt) >= 0) 
        {
            // 转换时间戳并写文件
            av_packet_rescale_ts(pkt, c->time_base, st->time_base); 
            pkt->stream_index = st->index;
            av_interleaved_write_frame(oc, pkt);  
            av_packet_unref(pkt);   // 务必清空篮子
        }
    }

    // ==========================================
    // 6. 收尾打扫 (极其重要的 Flush 操作)
    // ==========================================
    avcodec_send_frame(c, NULL); // 发送空帧，逼编码器吐出存货
    while (avcodec_receive_packet(c, pkt) >= 0)
    {
        av_packet_rescale_ts(pkt, c->time_base, st->time_base);
        pkt->stream_index = st->index;
        av_interleaved_write_frame(oc, pkt);
        av_packet_unref(pkt);
    }
    
    av_write_trailer(oc); // 写入 MP4/AAC 尾部信息

    // ==========================================
    // 7. 释放资源
    // ==========================================
    fclose(fp);
    delete[] pcm;
    swr_free(&actx);
    av_frame_free(&frame);
    av_packet_free(&pkt);
    avcodec_free_context(&c);
    
    if (oc && !(oc->oformat->flags & AVFMT_NOFILE))
    {
        avio_closep(&oc->pb); // 先关 IO
    }
    avformat_free_context(oc); // 再关 Context

    std::cout << "WAV to AAC 转换完美结束！" << std::endl;
    return 0;
}