FFmpeg 音频采样格式（sample_fmt）完全手册：FLTP、S16、S32 到底在吵什么

做音视频的人，几乎都在音频上栽过：AAC 解码出来是 fltp，SDL 播放劈里啪啦，自己 malloc 的 buffer，copy 完全是杂音；av_samples_get_buffer_size算出来的大小跟想的不一样；混音时发现"数值怎么还有负数还带小数点"，问题的根，90% 都在 sample_fmt（音频采样格式），本文就把 FFmpeg 里最常见、最容易混淆的音频采样格式聊一下。

一、sample_fmt 到底是什么？

视频有 pix_fmt，音频对应就是：

复制代码

enum AVSampleFormat;

命令行里叫：

复制代码

-sample_fmt s16

它决定两件事：

每个采样点用什么类型存（int8 / int16 / int32 / float）
多声道怎么排（planar or packed）

注意：它不决定采样率，也不决定声道数，只管"一个样本长什么样"。

二、先分清：Packed vs Planar（音频里最容易被忽略）

Packed（交错）

所有声道挤在一起：

复制代码

L R L R L R L R

代表：

AV_SAMPLE_FMT_S16
AV_SAMPLE_FMT_FLT

Planar（平面）

每个声道独占一块内存：

复制代码

LLLLLLLL
RRRRRRRR

代表：

AV_SAMPLE_FMT_S16P
AV_SAMPLE_FMT_FLTP

AAC / OPUS / MP3 解码器几乎都输出 Planar

SDL / OpenSL / 声卡 DMA 几乎都吃 Packed

所以你一定会做：

Planar → Packed

三、8bit 系列

S8 / U8

AV_SAMPLE_FMT_U8：0--255

AV_SAMPLE_FMT_S8：-128--127

早期 PCM、游戏音效、嵌入式喇叭。

动态范围小、量化噪声大，现代编码不用。

四、S16（最经典的"能直接播"的格式）

AV_SAMPLE_FMT_S16（Packed）

16bit 有符号整型

范围：-32768 ~ 32767

布局：int16_t L R L R...

特点：

SDL2 默认

Linux ALSA 默认

WAV 文件常见

不挑平台，性能最好

复制代码

int16_t *pcm = (int16_*)frame->data[0];

AV_SAMPLE_FMT_S16P（Planar）

每个声道一个 int16_t*

data[0] = L, data[1] = R

FFmpeg 内部常见，但不能直接丢给声卡。

五、S32（专业音频 / 高动态范围）

AV_SAMPLE_FMT_S32 / S32P

32bit 整数

范围：-2147483648 ~ 2147483647

动态范围比 S16 大 48dB

用在：

专业音频工作站

多代混音（防止截断误差累积）

FFmpeg 某些滤波器内部

播放前要转 S16，否则声卡不认。

六、FLT / FLTP（AAC 解码默认）

AV_SAMPLE_FMT_FLT（Packed float）

32bit IEEE float

范围：-1.0 ~ 1.0

float L R L R...

AV_SAMPLE_FMT_FLTP（Planar float）

data[0] = float* L

data[1] = float* R

AAC / OPUS / Vorbis 默认解码输出

为什么用 float？

滤波器数学运算方便

不会溢出

多代处理误差小

但是：

SDL 不能直接播

写 WAV 要转 int

存文件前必须 scale

七、DBL / DBLP（双精度，基本只在滤波链里）

AV_SAMPLE_FM_DBL/ DBLP

64bit double

极少见（科学计算、降噪研究）

编解码器不使用

八、各格式对比速查表

sample_fmt	类型	范围	Planar?	典型用途
u8 / s8	int8	0~255 / ±127	否	老式 PCM
s16	int16	±32767	否	SDL/WAV/ALSA
s16p	int16	±32767	✅	FFmpeg 内部
s32 / s32p	int32	±2^31	✅	专业音频
flt	float	-1~1	否	某些渲染器
fltp	float	-1~1	✅	AAC/OPUS 解码
dbl / dblp	double	-1~1	✅	滤波/科研

九、Buffer 大小怎么算（新手必错）

不要写：

复制代码

size = nb_samples * channels * 2;

要用 FFmpeg API：

复制代码

int buf_size = av_samples_get_buffer_size(
    NULL,
    frame->channels,
    frame->nb_samples,
    frame->format,
    1);  // align

Planar 时：

data[0..N]每个声道 nb_samples * bytes_per_sample
总 buffer = 单声道大小 × 声道数（连续分配时）

十、Planar → Packed 实战（S16P → S16）

复制代码

// frame->format == AV_SAMPLE_FMT_S16P
int16_t *dst = out_buf;
for (int i = 0; i < frame->nb_samples; i++) {
    for (int ch = 0; ch < frame->channels; ch++) {
        dst[i * frame->channels + ch] =
            ((int16_t*)frame->data[ch])[i];
    }
}

FLTP → S16（带 clip）：

复制代码

float f = ((float*)frame->data[ch])[i];
f = FFMAX(-1.0f, FFMIN(1.0f, f));
dst[i * ch + ch] = (int16_t)(f * 32767);

十一、AAC 解码标准链路

复制代码

AAC packet
   ↓
avcodec_send_packet
   ↓
avcodec_receive_frame
   → sample_fmt = fltp
   ↓
swr_convert (fltp → s16)
   ↓
SDL_QueueAudio (s16 packed)

SwrContext 设置：

复制代码

swr_alloc_set_opts2(&swr,
    &out_layout, AV_SAMPLE_FMT_S16, 48000,
    &in_layout,  AV_SAMPLE_FMT_FLTP, 44100,
    0, NULL);

十二、三个高频坑

坑 1：SDL 播音炸裂

解码是 fltp，直接当 s16播 → 爆音

必须 swr_convert

坑 2：声道数变了但 format 没变

swr 不自动帮你改 layout，要显式设 channel_layout

坑 3：linesize 不等于 sampleschbytes

音频 frame 也有 linesize[0]，通常等于单平面字节数，别拿它当总大小。

十三、总结

S16 是"声卡语言"，FLTP 是"解码器语言"，Planar 是"FFmpeg 内部语言"。

工程里 80% 的音频 bug，都是这三者没接好。