幀的概念：
音頻的幀的概念沒有視頻幀那么清晰，幾乎所有視頻編碼格式都可以簡單的認(rèn)為一幀就是編碼后的一副圖像。
但音頻幀跟編碼格式相關(guān)，它是各個(gè)編碼標(biāo)準(zhǔn)自己實(shí)現(xiàn)的。因?yàn)槿绻訮CM(未經(jīng)編碼的音頻數(shù)據(jù))來說，它根本就不需要幀的概念，根據(jù)采樣率和采樣精度就可以播放了。比如采樣率為44.1HZ，采樣精度為16位的音頻，你可以算出bitrate(比特率)是44100*16kbps，每秒的音頻數(shù)據(jù)是固定的44100*16/8 字節(jié)。
amr幀比較簡單，它規(guī)定每20ms的音頻是一幀，每一幀音頻都是獨(dú)立的，有可能采用不同的編碼算法，以及不同的編碼參數(shù)。
mp3幀較為復(fù)雜一點(diǎn)，包含了更多的信息，比如采樣率，比特率，等各種參數(shù)。
采樣率：
采樣頻率是指將模擬聲音波形進(jìn)行數(shù)字化時(shí)，每秒鐘抽取聲波幅度樣本的次數(shù)。
正常人聽覺的頻率范圍大約在20Hz~20kHz之間，根據(jù)奈奎斯特采樣理論，為了保證聲音不失真，采樣頻率應(yīng)該在40kHz左右。常用的音頻采樣頻率有8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz等，如果采用更高的采樣頻率，還可以達(dá)到DVD的音質(zhì)。
采樣精度：每次采集數(shù)據(jù)的位數(shù)。
通道數(shù)：存在幾路音頻。
比特率：針對編碼格式，表示壓縮編碼后每秒的音頻數(shù)據(jù)量大小。
時(shí)間戳和播放時(shí)間：
1 、AAC
(一個(gè)AAC原始幀包含一段時(shí)間內(nèi)1024個(gè)采樣及相關(guān)數(shù)據(jù))。
對采樣率為44.1kHz的AAC音頻進(jìn)行解碼時(shí)，一幀的解碼時(shí)間須控制在23.22毫秒內(nèi)。
音頻幀的播放時(shí)間=一個(gè)AAC幀對應(yīng)的采樣樣本的個(gè)數(shù)/采樣頻率(單位為s)
一幀 1024個(gè) sample。采樣率 Samplerate 44100Hz，每秒44100個(gè)sample, 所以根據(jù)公式音頻幀的播放時(shí)間=一個(gè)AAC幀對應(yīng)的采樣樣本的個(gè)數(shù)/采樣頻率
當(dāng)前AAC一幀的播放時(shí)間是= 1024*1000/44100= 22.32ms(單位為ms)
2 、MP3
mp3 每幀均為1152個(gè)字節(jié)， 則：
frame_duration = 1152 * 1000 / sample_rate
例如：sample_rate = 44100HZ時(shí)，計(jì)算出的時(shí)長為26.122ms，這就是經(jīng)常聽到的mp3每幀播放時(shí)間固定為26ms的由來。
下載文檔
