mp4格式(转帖加修改） 转载

下面的软件下载地址：http://download.csdn.net/source/2607382

ftyp:	这是一个筐，可以装mdat等其他Box。 例：00 00 00 14 66 74 79 70 69 73 6F 6D 00 00 02 00 6D 70 34 31  语义为：ftyp: Major brand: isom   Minor version: 512   Compatible brand: mp41 free|skip  空白Box.装在ftyp等筐里  例：00 00 00 08 66 72 65  语意为： free: (null)
moov:	这是一个筐，里面很丰富  例：00 00 07 63 6D 6F 6F 76  本身属性没有。但后面全是它的内容
moov:mvhd:	这是moov的header.  例： 00 00 00 6C 6D 76 68 64 00 00 00 00 7C 25 B0 80   7C 25 B0 80 00 00 03 E8 00 00 06 14 00 01 00 00   01 00 00 00 00 00 00 00 00 00 00 00 00 01 00 00   00 00 00 00 00 00 00 00 00 00 00 00 00 01 00 00   00 00 00 00 00 00 00 00 00 00 00 00 40 00 00 00   00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00   00 00 00 00 00 00 00 00 00 00 00 03 语义：  creation_time:2082844800       modification_time:2082844800     timescale:1000 //一秒分多少份，这里1000表示时间单位为1毫秒,这个设置很重要  duration:1556 rate:10000 表示1.0 volume:100 表示最大声  reserved:0  reserved[0]:0   reserved[1]:0     Matric[0]:10000  Matric[1]:0  Matric[2]:0  Matric[3]:0  Matric[4]:10000   Matric[5]:0　Matric[6]:0  Matric[7]:0  Matric[8]:40000000  Predefined[0]:0  Predefined[1]:0  Predefined[2]:0  Predefined[3]:0  Predefined[4]:0  Predefined[5]:0  next_track_ID:3
moov:trak: tkhd:	这是track header  例1： 00 00 00 5C 74 6B 68 64 00 00 00 0F 7C 25 B0 80   7C 25 B0 80 00 00 00 01 00 00 00 00 00 00 06 08   00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00   00 01 00 00 00 00 00 00 00 00 00 00 00 00 00 00   00 01 00 00 00 00 00 00 00 00 00 00 00 00 00 00   40 00 00 00 02 40 00 00 01 E0 00 00           　  语义：  creation_time:2082844800     modification_time:2082844800     track_ID:1　第一轨index, 这个值很重要, 直接决定了视频和音频是否能同时出现, 如果音频和视频的track_ID都是1, 则会导致播放器无法播放.  reserved_1:0    duration:1544 //这个值对播放器很重要, 具体时间还和mvhd的timescale相关,用来指定了时长,1544个时间单位，如果是毫秒为单位，则为1544毫秒,  volume:0　//这是视频轨，无音响 reserved_2[0]:0     reserved_2[1]:0          layer:0 //由于我们的视频只有一层,所以这里总是0  alternate_group:0 reserved_3:0     Matric[0]:10000    Matric[1]:0    Matric[2]:0    Matric[3]:0  Matric[4]:10000     Matric[5]:0    Matric[6]:0    Matric[7]:0    Matric[8]:40000000  width:2400000 height:1e00000 //这两个单位都要右移16位才靠谱 例2语义：  creation_time:2082844800     modification_time:2082844800     track_ID:2 reserved_1:0 duration:1556 //这个值对播放器很重要, 用来指定了时长,具体时间还和mvhd的timescale相关  volume:100 //这是音频轨，最大声　reserved_2[0]:0   reserved_2[1]:0          layer:0 //只对视频有意义　alternate_group:0 //总是0  reserved_3:0    Matric[0]:10000    Matric[1]:0    Matric[2]:0    Matric[3]:0  Matric[4]:10000    Matric[5]:0    Matric[6]:0    Matric[7]:0    Matric[8]:40000000  width:0 height:0
moov:trak: mdia:	这个Box没有属性，是一个筐，装在trak里
moov:trak: mdia: mdhd	例1:视频  creation_time:2082844800   modification_time:2082844800     timescale:24000 //这个位决定了播放的速度，不过他与duration的相乘后还是可以对应上面的mvhd设置  duration:37037  pad:0  Language[0]:21      Language[1]:14      Language[2]:4  pre_defined:0    例2:声频  creation_time:2082844800   modification_time:2082844800     timescale:44100   duration:68608  pad:0 //这个位无意义，是为了将后面language凑够16位之用  Language[0]:21      Language[1]:14      Language[2]:4  pre_defined:0 hdlr: handler  例1:视频  pre_defined:0 handler_type:vide //似乎除了handler_type以外，其余的属性无意义  reserved0      reserved:0      reserved:0 例2:声频  pre_defined:0 handler_type:soun  reserved:0      reserved:0      reserved:0
moov:trak: mdia: minf: vmhd	Video media header 例：   graphicsmode:0 //Video轨的合成模式，未知语义  opcolor:0        opcolor:0        opcolor:0 //同样未知
moov:trak: mdia: minf: dinf: dref	Data referrence  例：  entry_count:1 //只有一条Entry  url:  //即使有也是没内容，测试文件无论音视都没有内容
moov:trak: mdia: minf: stbl: stsd	stsd: Sample Description box  这是一个table, 里面放有很多entry  例：entry_count:1 //视频，有一条entry VisualSampleEntry: stsd里装的一条一条的视频entry,  例：  data_reference_index:1  pre_defined[0]:0  pre_defined[1]:0 pre_defined[2]:0  width:576 height:480  horizresolution:480000 vertresolution:480000 //常数，即72dpi  reserved:0 frame_count:1   compressorname://无  depth:24 //颜色深度  pre_defined:-1 AudioSampleEntry: stsd里装的一条一条音频entry  例：reserved[0]:0            reserved[1]:0  channelcount:2 samplesize:16　pre_defined:0 reserved_2:0  samplerate:ac440000 //显然要右移16位才有意义
moov:trak: mdia: minf: stbl: stsd :mp4a	mp4a: aac box 这个box实际就是继承了audio sample entry box  reserved[0]:0            reserved[1]:0  channelcount:2 samplesize:16  pre_defined:0 reserved_2:0 samplerate:56220000
moov:trak: mdia: minf: stbl: stsd : esds	esds: 包含在mp4a里,  length:3  ES_ID:6400  streamDependenceFlag:0  URL_Flag=0  reserved=0  streamPriority:1 streamDependenceFlag:0  dependsOn_ES_ID:52685  m_iData_Size:23 //data的长度,算出来的  Data[23] //这里面有很一堆不知所云的数据, 一直到stts,但这堆数据极度重要,直接决定了解码器能否解码,在14496-1里有定义    //实践证明: 这组数据与采样率有关,44100一组, 22050一组, 48000又是一组, 44100可以与48000共用一组
moov:trak: mdia: minf: stbl: stts	stts: Time to sample  例1: 视频  entry_count:1  sample_count:37 //上面已经有duration时间了，duration指整个mdat中video的时长，这里37却为chunks数目  sample_delta:1001 //1001 * 37=37037 sample_delta*sample_count=duration 例2: 音频  sentry_count:1  sample_count:67 //音频分了67个chunks  sample_delta:1024 //同上
moov:trak: mdia: minf: stbl: stss	stss: syn Sample box  例1: 视频  entry_count:1  sample_number:1 但音频里没有这个box,  这个Box非常重要, 决定了整个mp4文件是否可以拖拉, 如果这个box只有一个entry,则拖拉时将cpu达到100%, 如果这个box不存在, 可以拖拉, 也不会达到100%, 但是会略等一会, 通常做法可以搞100条.
moov:trak: mdia: minf: stbl: stsc	stsc: Sample To Chunk Box 这个box非常重要,指示了在某一个chunk开始后面的chunks里每chunk有多少个sample, 一个sample就是一帧  例1:视频   entry_count:1  first chunk: 1, sample per chunk: 1, sample description index 1 例2:音频  entry_count:1  first chunk: 1, sample per chunk: 1, sample description index 1
moov:trak: mdia: minf: stbl: stsz	stsz: Sample Size Box, 这个box乃重中之重, 指示了每个sample的大小  例1:视频  sample size: 0         sample count: 37  5127    855     830     2327    2742    2373    2716    2365    3061  2170    1888    2427    2578    2218    2084    2138    2319    2586     2728    2322    3505    2624    1551    2725    2502    2072    1720     1382    2653    2177    1323    1492    1801    1765    1985    5028     3467  例2:音频  sample size: 0         sample count: 65  219     205     207     182     213     194     195     194     212  188     159     179     186     189     184     184     190     188  190     186     195     196     182     197     182     186     182  182     185     182     193     186     184     187     175     173  170     185     171     181     178     178     185     192     188  187     175     167     177     182     167     173     177     175  176     174     170     168     169     180     164     167     176      170  mdat Box中被划分为很多个chunk,这里指出了每个chunk的大小.
moov:trak: mdia: minf: stbl: stco	stco: Chunk Offset Box,这也是最重要的box, 指示了每个chunk的开始位置  例1: 视频  entry_count:37  0x24 0x15d3  0x1aaf  0x1f84  0x2a20  0x35aa  0x404a  0x4c53  0x5705  0x6470  0x6da6  0x767c  0x8174  0x8d00  0x9725  0xa003  0xa9c9  0xb447   0xbfdc 0xcbf7  0xd5b8  0xe4c0  0xf064  0xf7da  0x103ea 0x10e70 0x117ff  0x1200d 0x126da 0x1328b 0x13bbd 0x14247 0x14973 0x151cd 0x15a0a 0x16272  0x17770    例2:音频  entry_count:65  0x142b 0x1506  0x192a  0x19f9  0x1ded  0x1ec2  0x289b  0x295e  0x34d6  0x3eef  0x3fab  0x4ae6  0x4b99  0x5590  0x564d  0x62fa   0x63b2  0x6cea 0x7506  0x75be  0x7ff7  0x80b1  0x8b86  0x8c4a   0x95aa  0x966f  0x9f49  0xa85d 0xa913  0xb2d8  0xb391  0xbe61   0xbf22  0xca84  0xcb3c  0xd509  0xe369  0xe416 0xef00  0xefb9   0xf673  0xf728  0x1027f 0x10331 0x10db0 0x11688 0x11744 0x11eb7  0x11f66 0x12573 0x12624 0x13137 0x131de 0x13b0c 0x140e8 0x14197  0x1481b 0x148c9 0x1507c 0x15124 0x158b2 0x15966 0x161cb 0x17616  0x176c6
moov:trak: mdia: minf: stbl: smhd	smhd: sound media header  例:  balance:0 reserved:0  暂时未知语义
avcC: AVC descriptor box	avcC: AVC descriptor box非常重要, SPS PPS 都放这 在14496-15定义  例:  configurationVersion:1  AVCProfileIndication:66  profile_compatibility:192 AVCLevelIndication;31  reserved_1:63  lengthSizeMinusOne:3  reserved_2:7  numOfSequenceParameterSets:1 numOfPictureParameterSets:1  SPS length: 24 //第一个SPS的长度, 多个SPS可以继续往下  PPS length: 4 //第一个PPS的长度, 多个PPS可以继续往下 aligned(8) class AVCDecoderConfigurationRecord { unsigned int(8) configurationVersion = 1; unsigned int(8) AVCProfileIndication; unsigned int(8) profile_compatibility; unsigned int(8) AVCLevelIndication; bit(6) reserved = ‘111111’b; unsigned int(2) lengthSizeMinusOne; bit(3) reserved = ‘111’b; unsigned int(5) numOfSequenceParameterSets; for (i=0; i< numOfSequenceParameterSets;  i++) { unsigned int(16) sequenceParameterSetLength ; bit(8*sequenceParameterSetLength) sequenceParameterSetNALUnit; } unsigned int(8) numOfPictureParameterSets; for (i=0; i< numOfPictureParameterSets;  i++) { unsigned int(16) pictureParameterSetLength; bit(8*pictureParameterSetLength) pictureParameterSetNALUnit; } } 见http://www.nhzjj.com/asp/admin/editor/newsfile/201011314552121.pdf
btrt: bit rate box	btrt: bit rate box  bufferSizeDB:7858 //告诉decoder开辟缓冲区大小?  maxBitrate:413432 //最大Bit rate  avgBitrate:371960 //平均Bit rate
avc1	class AVCSampleEntry() extends VisualSampleEntry (‘avc1’){ AVCConfigurationBox config; MPEG4BitRateBox ();      // optional MPEG4ExtensionDescriptorsBox (); // optional } class AVCConfigurationBox extends Box(‘avcC’) { AVCDecoderConfigurationRecord() AVCConfig; } class MPEG4BitRateBox extends Box(‘btrt’){ unsigned int(32) bufferSizeDB; unsigned int(32) maxBitrate; unsigned int(32) avgBitrate; } class MPEG4ExtensionDescriptorsBox extends Box(‘m4ds’) { Descriptor Descr[0 .. 255]; }

:

Trouble shooting
1, 播放速度不正常, 哪个参数可调?
 mdhd->timescale, 数字越大, 则播放速度越快
 
2, 拖拉不正常, 哪个Box可调?
 stss, 如果只有一条entry, 则拖拉会产生cpu 100%的情况. 如果没有entry, 则拖拉会略有停顿
3, 音频,视频分别整合成mp4文件可以播放, 但音频,视频都整合进mp4文件以后就无法播放.
 trak->track_id, 两轨可能都用同一ID, 则不成. 视频为1, 音频为2,则可以解决这个问题