ISO/IEC 15444-12 MP4 封装格式标准摘录 5

目录

• Segments
  • Segment Type Box
  • Segment Index Box
  • Subsegment Index Box
  • Producer Reference Time Box
• Support for Incomplete Tracks
• Hint Track Formats
• Sample Groups

感谢Google Translate，Microsoft Translate，通篇机翻，不保证绝对正确

Segments

media presentation可能分段传输，比如 HTTP stream。将文件以分段或者连续分段的形式组织起来是可能的，其其不一定是形成符合ISO基础媒体文件格式的文件（比如：它们不包含Movie box）。

Segment Type Box

类型	容器	强制性	数量
'styp'	File	No	0 /more

如果单个文件存储segments（e.g. 在一个标准http server上），'segment files'中包含 styp box是推荐的，如果出现，必须是第一个，为了分辨这些文件和使声明符合规范。

styp 和 ftyp box 类似。其包含的brands也可能包含在在moov box之前的ftyp box中，也可能包含其他的brands以兼容具有不同格式的segment。

一个有效的styp box应该是segment第一个box。如果segments被链接在一起，styp box可以被删除，但这不是必须的。不是第一个box的styp box可以被忽略。

Segment Index Box

类型	容器	强制性	数量
'sidx'	File	No	0 /more

‘sidx’为其应用的media segment中的一个媒体流提供紧凑索引。 它的设计使其不仅可以用于基于此规范的媒体格式（即包含sample tables或movie fragments的segment），还可以用于其他媒体格式（比如, MPEG‐2 Transport Streams [ISO/IEC 13818‐1]）。出于此原因，本处给出的通用描述，随后给出在使用Movie fragment 时的具体定义。

每个Segment Index box记录了一个(sub)segment 是如何被划分为 一个或多个subsegments（它们还可能使用segment index box继续划分）。

subsegment被定义为一段时间区间内包含的 (sub)segment，并对应于包含的 (sub)segment的字节范围。所有subsegment的duration为包含的 (sub)segment的duration的和。

sidx box中的每个entry都包含一个引用类型，该引用类型指向被引用的lest-segment的媒体信息，或者指向了描述被引用的subsegment如何进一步划分的sidx。结果，通过记录应用于相同（ (sub)segment的部分的其他sidx的时间和字节偏移信息，可以以“分层”或“菊花链”（daisy-chain）或其他形式来index the segment。

每个sidx box提供有关segment的单个媒体流的信息，称为参考流。 如果提供，则对于给定媒体流，段中的第一segment中的sidx box应记录段中该媒体流的全部，并且应该在该segment中用于相同媒体流的任何其他sidx box之前。

如果针对至少存在一个媒体流而不是segment中的所有媒体流的segment index，则通常选择不对每个访问单元进行独立编码的媒体流（例如视频）进行index。 对于没有存在segment index的任何媒体流（称为non-indexed stream），与段中的第一sidx box相关联的媒体流用作参考流，在某种意义上其还描述了任何non-indexed媒体流的 subsegment。

sidx box 可能与被索引的media内联在同一个文件中，在某些情况下，也可以内联在仅包含索引信息的单独文件中。

sidx box包含对该box记录了(sub)segment的一系列引用subsegment。 引用的subsegent在呈现时间内是连续的。 类似地，sidx box引用的字节在媒体文件和单独的索引段中始终是连续的，或者如果索引放在媒体文件中，则在单个文件中是连续的。 引用的大小给出了引用的材料（material）中的字节数。

media segment 可能被超过一个互相独立的 "top-level"的sidx box 引用，它们中的任一个都索引了一个具有media stream的media segment。在包含多个媒体流的segment中, 引用的字节可能包含来自多个流的媒体, 即使 sidx box只提供一个媒体流的计时信息。

在包含 sidx box的文件中, sidx box的定位点(anchor)是该box之后的第一个字节。如果有两个文件, 则媒体文件中的定位点是top‐level segment的开头 (即如果每个segment存储在单独的文件中, 则是segment文件的开头)。包含媒体的文件中的材料 (也可能是包含sidx box的文件) 从锚点指示的偏移量开始。如果有两个文件, 索引文件中的material将从定位点开始, 即紧跟在 sidx box之后。

有两个约束条件(a):subsegments在时间上是连续的，也就是说，循环中的每个entry都是紧接着前一个的 (b):在一个给定的文件中，引用byte是连续的，以下一些可能性：

*in its byte count，对sidx box的引用可以包括在记录subsegment的sidx box之后

*在一个完整的文件中，使用first_offset字段能够从被引用的media中区分出sidx box。

*在一个完整文件中，能够从哪些被索引的meida附近的subsegment定位sidx box。

*当使用包含segment index的单独文件时，循环entry可能是“混合类型”，一些是index segment中的sidx box，一些是媒体文件中的media subsegment。

配置文件可用于限制segment index的放置或index的整体复杂性

aligned(8) class SegmentIndexBox extends FullBox(‘sidx’, version, 0) {
  unsigned int(32) reference_ID;
  unsigned int(32) timescale;
  if (version==0) {
    unsigned int(32) earliest_presentation_time;
    unsigned int(32) first_offset;
  }
  else {
    unsigned int(64) earliest_presentation_time;
    unsigned int(64) first_offset;
  }
  unsigned int(16) reserved = 0;
  unsigned int(16) reference_count;  //number of referenced items
  for(i=1; i <= reference_count; i++)
  {
    bit (1) reference_type;
    unsigned int(31) referenced_size;
    unsigned int(32) subsegment_duration;
    bit(1) starts_with_SAP;  //whether the referenced subsegments start with a SAP
    unsigned int(3) SAP_type;  //SAP type as specified in Annex I, or the value 0.
    unsigned int(28) SAP_delta_time;  //indicates TSAP of the first SAP, in decoding order, in the referenced subsegment for the reference stream
  }
}

reference_ID 提供了引用stream的stream ID。如果sidx被“parent”sidx引用，reference_ID的值应该同引用者sidx box的reference_ID 值一致。

timescale 为此box中的time和duration字段提供每秒刻度的时间刻度; 建议此值匹配参考流或track的时间刻度; 对于基于此规范的文件，即track的Media Header Box的时间刻度字段;

earliest_presentation_time 是timescale字段中指示的timescale中第一subsegment中参考流中任何内容的最早呈现时间; 最早的呈现时间来自访问单元中的媒体或访问单元的部分，edit list（如果有）不会忽略

first_offset 是包含媒体的文件中从锚点到索引材料的第一个字节的距离（以字节为单位）

reference_type 置1表示引用的是一个sidx box。否则则是media content。如果一个单独的index segment被使用，引用类型为1的entry在index segment中，引用类型为0的entry则在media 文件中。

referenced_size从引用项的第一个字节到下一个引用项的第一个字节的字节距离，或者在最后一个条目的情况下，到引用材料的结尾的距离;

subsegment_duration 当引用是sidx box时，该字段携带该box中subsegment_duration字段的总和; 当引用是一个subsegment时，该字段携带下一个subsegment（或下一个segment的第一个subsegment，如果这是segment的最后一个subsegment，参见流的任何访问单元）的最早呈现时间之间的差异， 或参考流的结束呈现时间（如果这是流的最后一个subsegment）和参考流的任何访问单元在参考subsegment中的最早呈现时间; duration与earliest_presentation_time的单位相同;

Subsegment Index Box

类型	容器	强制性	数量
'ssix'	File	No	0 /more

In other words, this box provides a compact index for how the data in a subsegment is ordered according to levels into partial subsegments. It enables a client to easily access data for partial subsegments by downloading ranges of data in the subsegment

ssix box 提供了从 levels（由Level Assignment box指定）到被索引subsegment的字节范围的映射。换句话说，此box提供了一个紧凑的索引，用于指示subsegment中的数据如何根据级别划分为部分subsegment。 它使客户端能够通过下载subsegment中的区间数据来轻松访问部分subsegment的数据。

subsegment中的每个字节应明确分配给一个级别，因此范围计数必须为2或更大。 如果范围与级别分配中的任何信息都没有关联，则可以使用级别分配中未包括的任何级别。

每个sidx box中应该有0或1个ssix box，它们仅索引 leaf subsegments，即仅索引subsegment但不包含segment index。 ssix（如果有）应为关联的sdix box后面的下一个box。 ssix box记录前一个sidx box中指示的subsegment。

通常，从字节范围构造的媒体数据是不完整的，即它不符合整个subsegment的媒体格式。

aligned(8) class SubsegmentIndexBox extends FullBox(‘ssix’, 0, 0) {
  unsigned int(32) subsegment_count;
  for( i=1; i <= subsegment_count; i++)
  {
    unsigned int(32) range_count;  //媒体数据分组的部分subsegment级别的数量。 该值应大于或等于2
    for ( j=1; j <= range_count; j++) {
      unsigned int(8) level;    //the level to which this partial subsegment is assigned
      unsigned int(24) range_size;   //size of the partial subsegment
    }
  }
}

subsegment_count是一个正整数，指定在此box中为其指定部分subsegment信息的subsegment数。 subsegment_count应等于紧接在前的Segment Index box中的reference_count（即，movie fragment引用的数量）

Producer Reference Time Box

类型	容器	强制性	数量
'prft'	File	No	0 /more

producer reference time box提供相对挂钟时间，在该时间点生成movie fragments或包含movie fragments的文件。 当这些文件实时生成和使用时，这可以为客户端提供信息，使消费和生产能够以相同的速率进行，从而避免可能的缓冲区溢出或下溢。

此box与按位流顺序跟随它的下一个movie fragment box相关。它必须遵循段中的任何segment type 或 segment index box (如果有), 并出现在下面的movie

fragment box(它所引用的) 之前。如果segment文件包含任何producer reference time boxes, 则第一个文件应出现在该段中的第一个movie fragment box之前。

aligned(8) class ProducerReferenceTimeBox extends FullBox(‘prft’, version, 0) {
  unsigned int(32) reference_track_ID;  //the track_ID for the reference track
  unsigned int(64) ntp_timestamp;  //a UTC time in NTP format corresponding to decoding_time.
  if (version==0) {
  unsigned int(32) media_time;
  } else {
    unsigned int(64) media_time;
  }
}

media_time对应于与ntp_timestamp相同的时间, 在用于引用track的时间单位中，并在产生媒体时在该媒体时钟上测量。

Support for Incomplete Tracks

略

Hint Track Formats

略

Sample Groups

略