AAC 元数据：ADTS 与 ASC 的区别、转换和常见坑

在音视频工程里说"AAC 元数据"，通常不是指 ID3、title、artist 这类媒体标签，而是指 解码 AAC 所必须知道的音频配置：AAC profile、采样率、声道配置、SBR/PS 扩展等。

这些信息可以放在不同位置。最常见的两种形式是：

• ADTS：每个 AAC frame 前面都有一个 7 或 9 字节的头。
• ASC / AudioSpecificConfig：把 AAC 配置放在容器的 extradata 里，音频 packet 里通常只保留 raw AAC frame。

理解这两种形式非常重要。很多"MP4 里的 AAC 提取出来不能直接播放""TS 里的 AAC 放进 MP4 失败""播放器提示 AAC extradata missing"的问题，本质都是 ADTS 和 ASC 没有正确转换。

本文聚焦 FFmpeg 常见链路：

• ADTS AAC：常见于 .aac、MPEG-TS、部分直播流。
• ASC AAC：常见于 MP4/M4A/FLV/Matroska 等容器的 codec extradata。

说明：AAC 还有 LATM/LOAS 等传输方式，本文不展开。

---

1. AAC 元数据到底描述什么？

一个 AAC decoder 在解码 raw AAC frame 前，需要先知道这些核心配置：

配置	含义
audioObjectType / object_type	AAC 类型，例如 AAC Main、AAC LC、HE-AAC
samplingFrequencyIndex	采样率索引，例如 44.1 kHz 对应索引 4
samplingFrequency	当索引为显式采样率时使用，常规场景较少
channelConfiguration	声道布局编号，例如 1 是 mono，2 是 stereo
SBR / PS	HE-AAC / HE-AACv2 相关扩展信息
frameLengthFlag	每帧 1024 或 960 samples，常规 AAC-LC 多为 1024

其中最核心、最常见的三个字段是：

object_type
sampling_index
channel_config

如果只有 raw AAC frame，而没有这些信息，decoder 很难知道应该按什么采样率、什么声道数 和什么 profile 去解释数据。

---

2. ADTS：每帧自带头的 AAC

ADTS 全称是 Audio Data Transport Stream。它的特点是：

[ADTS header][AAC raw data]
[ADTS header][AAC raw data]
[ADTS header][AAC raw data]
...

每个 AAC frame 前面都有 ADTS header。没有 CRC 时 header 是 7 字节；有 CRC 时是 9 字节。

2.1 ADTS 头里的关键字段

ADTS fixed header 和 variable header 里有这些常用字段：

字段	位数	作用
syncword	12	固定为 0xfff，用于同步帧边界
ID	1	MPEG-2 / MPEG-4 标识
layer	2	固定为 0
protection_absent	1	是否没有 CRC，1 表示无 CRC
profile_objecttype	2	AAC profile，注意它比 ASC 的 object type 小 1
sample_frequency_index	4	采样率索引
channel_configuration	3	声道配置
aac_frame_length	13	当前 ADTS header + AAC payload + CRC 的总长度
adts_buffer_fullness	11	码率控制相关，常见写 0x7ff 表示 VBR
number_of_raw_data_blocks_in_frame	2	当前 ADTS frame 中 raw data block 数减 1

FFmpeg 解析 ADTS 头的位置：

libavcodec/adts_header.c

核心逻辑可以概括为：

object_type    = profile_objecttype + 1;
sampling_index = sample_frequency_index;
chan_config    = channel_configuration;
samples        = (number_of_raw_data_blocks_in_frame + 1) * 1024;
frame_length   = aac_frame_length;

这里最容易记错的是：

ADTS profile_objecttype = ASC audioObjectType - 1

例如 AAC LC 的 audioObjectType 是 2，在 ADTS 里写的是 1。

---

3. ASC：容器级 AAC 配置

ASC 全称是 AudioSpecificConfig，是 MPEG-4 Audio 的配置结构。

它通常不出现在每个音频 packet 前面，而是作为容器的 codec extradata 存在。例如：

MP4/M4A:
  stsd -> mp4a -> esds -> DecoderSpecificInfo(AudioSpecificConfig)

FLV:
  AAC sequence header 里保存 AudioSpecificConfig

Matroska:
  CodecPrivate 里保存 AudioSpecificConfig

packet 本身通常是：

[AAC raw data]
[AAC raw data]
[AAC raw data]
...

解码器先从容器拿到 ASC，再用 ASC 解析后续 raw AAC frame。

3.1 最常见的 2 字节 ASC

对普通 AAC-LC、固定采样率、常规声道配置来说，ASC 经常只有 2 字节：

5 bits: audioObjectType
4 bits: samplingFrequencyIndex
4 bits: channelConfiguration

按位排布可以写成：

byte0: audioObjectType[4:0] + samplingFrequencyIndex[3:1]
byte1: samplingFrequencyIndex[0] + channelConfiguration[3:0] + padding

构造代码：

asc[0] = (object_type << 3) | (sampling_index >> 1);
asc[1] = ((sampling_index & 1) << 7) | (channel_config << 3);

例如：

AAC-LC, 44.1 kHz, stereo
object_type    = 2
sampling_index = 4
channel_config = 2

ASC = 0x12 0x10

FFmpeg 解析 MPEG-4 Audio 配置的位置：

libavcodec/mpeg4audio.c
libavcodec/mpeg4audio.h

结构体里对应这些字段：

typedef struct MPEG4AudioConfig {
    int object_type;
    int sampling_index;
    int sample_rate;
    int chan_config;
    int sbr;
    int ext_object_type;
    int ext_sampling_index;
    int ext_sample_rate;
    int ext_chan_config;
    int channels;
    int ps;
    int frame_length_short;
} MPEG4AudioConfig;

---

4. ADTS 到 ASC：从每帧头提取成 extradata

ADTS 转 ASC 的核心思路是：

1. 读取第一个 ADTS header。
2. 从 header 中取出 profile_objecttype、sample_frequency_index、 channel_configuration。
3. 换算出 ASC 里的 audioObjectType。
4. 生成 ASC extradata。
5. 对每个 packet 删除 ADTS header，只保留 AAC raw data。

流程图：

ADTS AAC input
  [ADTS header][AAC raw data]
  [ADTS header][AAC raw data]

转换后：

container extradata:
  [AudioSpecificConfig]

packets:
  [AAC raw data]
  [AAC raw data]

伪代码：

parse_adts_header(buf, &hdr);

object_type    = hdr.profile_objecttype + 1;
sampling_index = hdr.sample_frequency_index;
channel_config = hdr.channel_configuration;

asc[0] = (object_type << 3) | (sampling_index >> 1);
asc[1] = ((sampling_index & 1) << 7) | (channel_config << 3);

payload_offset = hdr.protection_absent ? 7 : 9;
packet.data   += payload_offset;
packet.size   -= payload_offset;

FFmpeg 里对应的 bitstream filter：

libavcodec/bsf/aac_adtstoasc.c

命令行示例：

ffmpeg -i input.aac -c:a copy -bsf:a aac_adtstoasc output.m4a

在很多 MP4/M4A 输出场景，FFmpeg 会自动插入 aac_adtstoasc。但在排查问题或写 SDK/播放器链路时，显式理解这一步很重要。

---

5. ASC 到 ADTS：给每个 raw AAC frame 补头

ASC 转 ADTS 的核心思路是：

1. 解析容器 extradata 中的 ASC。
2. 得到 object_type、sampling_index、channel_config。
3. 对每个 AAC raw frame，根据 payload size 生成 ADTS header。
4. 输出 [ADTS header][AAC raw data]。

流程图：

container extradata:
  [AudioSpecificConfig]

packets:
  [AAC raw data]
  [AAC raw data]

转换后：

ADTS AAC output
  [ADTS header][AAC raw data]
  [ADTS header][AAC raw data]

常见无 CRC ADTS 头生成代码：

int header_size  = 7;
int frame_length = header_size + aac_payload_size;
int profile      = object_type - 1;

adts[0] = 0xFF;
adts[1] = 0xF1; /* MPEG-4, layer 0, no CRC */
adts[2] = (profile << 6) | (sampling_index << 2) | (channel_config >> 2);
adts[3] = ((channel_config & 3) << 6) | (frame_length >> 11);
adts[4] = (frame_length >> 3) & 0xFF;
adts[5] = ((frame_length & 7) << 5) | 0x1F;
adts[6] = 0xFC;

注意：

aac_frame_length = ADTS header size + AAC payload size + optional CRC size

也就是说，ADTS 的长度字段不是 payload 长度，而是整帧长度。

FFmpeg 写 ADTS 的 muxer 位置：

libavformat/adtsenc.c

它会先解析 extradata 中的 ASC，再为每个 packet 写 ADTS header。

命令行示例：

ffmpeg -i input.m4a -c:a copy -f adts output.aac

---

6. 两种形式不是完全对称的

ADTS 和 ASC 可以互转，但不是所有信息都能无损来回。

6.1 ADTS 能表达的信息更偏传输层

ADTS 每帧都有这些传输层信息：

• 当前帧长度。
• 是否有 CRC。
• buffer fullness。
• 当前 ADTS frame 里有几个 raw data block。

这些字段通常不会进入 ASC。ASC 更像"解码配置"，不是"每帧传输头"。

6.2 ASC 能表达的信息比普通 ADTS 头更丰富

ASC 可以表达：

• escape object type。
• 显式采样率。
• SBR / PS 扩展。
• GASpecificConfig。
• PCE 等更复杂配置。

而普通 ADTS fixed header 中 profile_objecttype 只有 2 bits，不能完整表达所有 MPEG-4 Audio object type。

所以：

普通 AAC-LC stereo:
  ADTS <-> ASC 基本直接转换

HE-AAC / HE-AACv2 / PCE / 非常规 object type:
  需要更谨慎，不能只按 2 字节 ASC 和 7 字节 ADTS 头硬套

---

7. 常见踩坑点

7.1 忘记 object_type = profile + 1

ADTS 里的 profile_objecttype 和 ASC 里的 audioObjectType 差 1。

常见映射：

AAC 类型	ASC audioObjectType	ADTS profile_objecttype
AAC Main	1	0
AAC LC	2	1
AAC SSR	3	2
AAC LTP	4	3

如果这里写错，decoder 可能按错误 profile 解码，轻则无声，重则直接报 invalid data。

7.2 把 ADTS 长度字段当成 payload 长度

aac_frame_length 包含：

ADTS header + AAC raw data + optional CRC

不是单纯的 AAC payload size。

如果自己切帧时用错长度，后面所有帧边界都会错位。

7.3 没处理 7 字节和 9 字节 header 的区别

ADTS 里：

protection_absent = 1 -> 无 CRC，header 7 字节
protection_absent = 0 -> 有 CRC，header 9 字节

删除 ADTS header 时必须按这个字段判断。固定跳过 7 字节会在有 CRC 的流里把 CRC 误当作 AAC payload。

7.4 以为 ASC 永远只有 2 字节

普通 AAC-LC 经常是 2 字节 ASC，但这只是最常见情况，不是协议上限。

遇到这些情况时 ASC 会更长：

• HE-AAC / HE-AACv2。
• samplingFrequencyIndex == 0x0f，后面跟 24-bit 显式采样率。
• audioObjectType == 31，使用 escape object type。
• channelConfiguration == 0，需要 PCE 描述声道布局。

工程实现里不能把 extradata 长度硬编码成 2。

7.5 channel_configuration == 0 不能只靠三位声道号

当 channel_configuration 为 0 时，声道布局不在这个字段里，而是在 PCE （Program Config Element）里。

这时从 ADTS 头只能得到：

channel_configuration = 0

但不能知道完整声道布局。FFmpeg 的 aac_adtstoasc 对这种情况会尝试从第一个 raw AAC frame 里复制 PCE 数据放进新的 extradata。如果第一个语法元素不是 PCE，就不能 简单转换。

7.6 HE-AAC 的真实采样率容易误解

HE-AAC 使用 SBR 时，可能存在核心 AAC 采样率和扩展采样率两个概念。

例如容器或解码器看到的播放采样率可能是 44.1 kHz，但 AAC core 可能按 22.05 kHz 编码，再通过 SBR 扩展到 44.1 kHz。

如果只看 ADTS 头里的 sample_frequency_index，可能不足以表达完整 HE-AAC 配置。

7.7 raw AAC frame 边界必须已知

ASC 转 ADTS 时，需要给每个 AAC raw frame 单独写 header。ADTS header 里有当前帧的 aac_frame_length，所以必须先知道每个 packet/frame 的边界和大小。

如果手里是一段裸字节流，没有容器 packet 边界，也没有 ADTS 头，就不能凭空可靠地切出 每个 AAC frame。

7.8 不要把 LATM/LOAS 当成 ADTS

有些直播或传输链路使用 AAC LATM/LOAS。它不是 ADTS，帧头结构也不一样。

如果同步字不是 0xfff，或者解析 ADTS header 一直失败，不要强行按 ADTS 跳 7 字节。

7.9 MP4 里通常不应该保留 ADTS header

MP4/M4A 的 AAC packet 通常应该是 raw AAC frame，配置放在 ASC/extradata 里。

如果把带 ADTS header 的 AAC frame 直接塞进 MP4 packet，很容易导致：

decoder 看到的 payload 前面多了 7/9 字节垃圾

这也是 aac_adtstoasc 存在的主要原因。

---

8. FFmpeg 里的对应关系

方向	FFmpeg 组件	位置
解析 ADTS header	ADTS parser	libavcodec/adts_header.c
解析 ASC	MPEG-4 Audio config parser	libavcodec/mpeg4audio.c
ADTS -> ASC	bitstream filter	libavcodec/bsf/aac_adtstoasc.c
ASC -> ADTS	ADTS muxer	libavformat/adtsenc.c

常用命令：

# ADTS AAC -> MP4/M4A，需要生成 ASC 并移除 ADTS header
ffmpeg -i input.aac -c:a copy -bsf:a aac_adtstoasc output.m4a

# MP4/M4A -> ADTS AAC，需要读取 ASC 并为每帧补 ADTS header
ffmpeg -i input.m4a -c:a copy -f adts output.aac

# 查看 extradata / codec 配置
ffprobe -show_streams -show_format input.m4a

---

9. 一句话总结

ADTS 和 ASC 描述的是同一类 AAC 解码配置，但服务的封装场景不同：

ADTS = 每帧自描述，适合裸 AAC 流或 TS 传输
ASC  = 容器级配置，适合 MP4/M4A/FLV 等容器

ADTS 转 ASC 时，要从 ADTS header 提取 profile、采样率索引、声道配置，生成 AudioSpecificConfig，并从 packet 中删除 ADTS header。

ASC 转 ADTS 时，要先解析 AudioSpecificConfig，再根据每个 AAC frame 的 payload 大小逐帧生成 ADTS header。

普通 AAC-LC stereo 的转换很直接；一旦遇到 HE-AAC、PCE、CRC、多 raw data block、 显式采样率或 LATM/LOAS，就不能再用"2 字节 ASC + 7 字节 ADTS"的简化模型硬套。