多媒体容器

我们常说的视频文件格式常常只是多媒体封装格式，里面不仅包含了视频，还有音频、字幕等媒体信息。而纯视频码流的格式更多使用使用编码格式表达。

多媒体封装格式（Multimedia Container Format，简称MCF、多媒体容器），是一种开放（没有身份规限，免费）、自由的数据格式。

多媒体文件是个容器。容器里面存在多个流（stream/track）。每种流是由不同的编码器编程生成的。从流中读出的数据称为包。在一个包中包含一个或多个帧。

容器格式内部对音视频数据的处理都是大同小异，区别点并不大。更多的差距在于它们对于不同编码格式的支持程度、元数据的详细程度以及对于是否能够支持音视频以外的数据。

不同的容器具有不同的特点，下面简单介绍常用的多媒体容器。

AVI

AVI，Audio Video Interleave。

机构：Mircrosoft
不支持流媒体
支持编解码器：几乎所有
BT下载视频

一种RIFF（Resource Interchange File Format）文件格式。同样使用RIFF文件格式还有WAV格式文件。RIFF使用小端序存储。

主体中的图像数据和声音数据是交叉存放的，以此达到音视频同步。从尾部的索引可以跳转到要播放的位置。

播放时间没有直接的字段由读取的帧数和帧率计算得出。

缺点：

由于索引在文件尾部，所以不适合用来流传输。
容器中我没有时间戳，只能通过帧数和帧率计算得出。在索引中也没有写明时间戳和媒体位置的信息，所以在播放AVI时seek操作还需要额外的技术手段。
由于媒体数据分块存放，使得它对很多使用运动预测特定的视频编码的支持不是很好，因为预测帧需要访问帧外的数据。

二进制构成

AVI文件是一个类型为AVI的RIFF块，主要有三个subchunk构成：

hdrl LIST，信息块：元数据
movi LIST，数据块：保存音视频序列数据
idxl LIST，索引块（可选）

结构示意：

RIFF (‘AVI ’
      LIST (‘hdrl’
            ‘avih’(主AVI信息头数据)
            LIST (‘strl’
                  ‘strh’ (流的头信息数据)
                  ‘strf’ (流的格式信息数据)
                  [‘strd’ (可选的额外的头信息数据) ]
                  [‘strn’ (可选的流的名字) ]
                  ...
                 )
             ...
           )
      LIST (‘movi’
            { SubChunk | LIST (‘rec ’
                              SubChunk1
                              SubChunk2
                              ...
                             )
               ...
            }
            ...
           )
      [‘idx1’ (可选的AVI索引块数据) ]
     )

参考：

MOV

MOV，QuickTime File Format（QTFF）

机构：Apple
支持流媒体
支持编解码器：
- 音：AAC、MPEG-1 Layers I/II/III、AC-3等
- 视：MPEG-2/4、H.264等
点播、直播

MP4

MP4，MPEG-4 Part14

机构：MPEG
支持流媒体
支持编解码器：
- 音：AAC、MPEG-1 Layers I/II/III、AC-3等
- 视：MPEG-2/4、H.264、H.263等
互联网视频网站

MP4由多个包含不同信息的box，以树形式组织构成，与MOV的atom几乎一致。

根结点下包含三个box：

ftyp：文件类型
moov：元数据
mdat：媒体数据

把moov放到mdat前面可以更快准备播放。

box结构

构成：

header：指明box大小和类型；
- 增加了version（8位）和flags（24位）字段的成为FullBox。
- 当size等于0时，代表这个box是文件最后一个box。当size等于1时，说明box长度需要更多的位来描述，在后面会定义一个64位的largesize来描述box的长度。
body：数据或box

常用容器

moov，音视频数据的元数据信息
- mvhd，影片文件头信息，未压缩过的影片信息的头容器
- trak，多个，各轨道信息容器
  - tkhd，轨道元数据（TrackID、Duration、音量等等）
  - edts
    - 如果没有该表，那么这个轨道会立即开始播放，一个空的 edts 数据用来定位对轨道的起始时间偏移位置
  - mdia
    - mdhd，媒体头
    - hdlr，句柄参考
    - minf，媒体信息
      - vmhd，视频信息头
      - smhd，音频信息头
      - dinf，数据信息
      - stdl，采样表

mdat box中的多媒体数据是没有结构的，是参考moov的track box解析。moov包含了整个多媒体文件的元数据，seek也是通过该box实现，通过其中的各个表查到数据偏移位置。

FLV

FLV，FLash Video。

机构：Adobe
支持流媒体
支持编解码器：
- 音：MP3、ADPCM、Linear PCM、AAC等
- 视：Sorenson、VP6、H.264
互联网视频

FLV常用做流媒体。

结构：

FLV Header
- 字符 FLV 签名字段
- 版本
- 保留标记
- 音视频标记
- 数据偏移
FLV Body，这里body只是一个概念，具体直接就是PreviousTagSize和Tag
- PreviousTagSize #0：0
- TAG #1
  - TAG Header
    - Type
    - DataSize
    - TimeStamp
  - TAG Data
    - Audio Tag Data
      - 第一个字节包含音频数据的参数信息
      - 第二个字节开始为音频流数据
    - Video Tag Data（同上）
    - Script Tag Data
      - 常用于展示元数据，存储的数据格式一般为 AMF 格式
- PreviousTagSize #1：上一个TAG大小。
- TAG #2
- PreviousTagSize #2
- ...

参考：

Flv格式解析 - 掘金

TS

TS，MPEG2-TS

机构：MPEG
支持流媒体
支持编解码器：
- 音：MPEG-1 Layers I/II/III、AAC
- 视：MPEG-1/2/4、H.264
IPTV，低延时直播

TS文件为传输流文件，其特点是要求从视频流的任意片段开始都是可以独立解码的。TS容器是为了流传输而设计的。

在MPEG-2标准中，有两种不同类型的码流输出到信道：一种是节目码流（Program Stream, PS），适用于没有误差产生的媒体存储，如DVD等存储介质（.vob）。另一种是传送流（Transport stream, TS)，适用于有信道噪声产生的传输，目前TS流广泛应用于广播电视中，如机顶盒等。

TS文件分层：

ES，Elementary Stream：原始流，直接从编码器出来的裸数据。
PES，Packet Elemental Stream：分割打包的ES流，加入了PES头（PTS、DTS等）。PES由包头和playload组成。
TS层，Transport Stream：传输流。是在PES层的基础上加入数据流的识别和传输必须的信息。固定包长度为188字节，以便于找到帧的起始位置，易于从丢包中恢复。

为了便于传输，实现时分复用，基本流ES必须打包，就是将顺序连续、连续传输的数据流按一定的时间长度进行分割，分割的小段叫包，因此打包也称为分组。

参考：TS流基本概念、ts流格式详解

MKV

MKV，Matroska Video File

机构：Matroska
支持流媒体
支持编解码器：几乎所有
点播、直播

开放标准、免费使用，可放入多种媒体信息，且不限数量。而且是目前唯一一个支持封装ASS字幕的格式。

權咚领域

多媒体容器

AVI

二进制构成

MOV

相关概念

MP4

box结构

常用容器

FLV

TS

MKV

参考