★ FEATURED ARTICLE 简介围绕FFmpeg与SDL2构建的音频播放器工程面向已掌握C/C基础、希望理解音视频解码播放链路的学习者重点解决MP3/AAC等音频文件从解封装、解码到PCM输出的完整实现问题并用链表队列在解码与播放线程间传递数据适合作为音视频入门的实践样例。压缩包共231个文件约15.45MB包含151个h头文件、10个lib静态库与8个dll动态库、Visual Studio解决方案及工程文件另有mp3/aac示例音频和编译批处理脚本tlog、obj、pdb、ilk等为构建与调试过程产生的中间文件可辅助还原开发环境。已有1124人学习下载。读者可获得可编译运行的播放器工程、FFmpeg与SDL2的库依赖配置、链表队列缓冲与线程协作的参考写法以及通过日志排查音频输出问题的线索便于对照理解从输入音频到扬声器播放的关键环节。1. 用 FFmpeg SDL2 写 PCM 播放器三步能出声但出好声要跨四道坎一个三分钟的 AAC 文件命令行 ffplay 一点就响换成自己写的 FFmpeg SDL2 播放器却只听到电流声或者干脆静音——这是多数人第一次搭 PCM Player 时的真实开局。这套组合的分工其实很干脆FFmpeg 负责拆容器、解编码把压缩流还原成 PCMSDL2 负责把 PCM 按声卡要的节奏推出去。中间那段没人替你管采样率对不上、声道布局对不上、缓冲欠载全部由你兜底。这篇面向想自己写一个能跑、能拖进度、不爆音的音频播放器的开发者也适合已经能出声但一直被杂音和卡顿折磨的人——我会把解码骨架、重采样参数、回调写法、以及四类典型翻车的定位顺序完整摊开。2. 拆开播放链路容器、编码、PCM 三段各自归谁管在动手写第一行代码之前值得先花十分钟把这条链路切开看。很多人写不出声音并不是 API 记错了而是脑子里把「文件」「编码」「采样」混成了一件事导致拿到一个AVFrame之后不知道该往哪个方向送。把三段职责分清楚后面每个函数的参数你都能自己推出来。2.1 三层抽象AVFormatContext 拆壳、AVCodecContext 解压、PCM 才是声卡语言第一层是容器层。一个.mp4、.mkv、.flac文件本质是个盒子里面可能塞了音视频两条流还带索引、元数据、时间基。AVFormatContext加av_read_frame干的就是拆盒子的活它只负责按时间顺序吐出AVPacket——压缩后的数据块此时它还是一堆你没法直接听的东西。第二层是编码层AVCodecContext把AVPacket喂给具体解码器AAC、MP3、Opus、FLAC出来的AVFrame才是原始采样数据。第三层才是声卡层AVFrame里的data[0]、data[1]是 PCM但它的采样率、声道数、采样格式是「源说了算」不是声卡说了算。这三层里最容易出错的是边界处的类型转换。AVPacket里的pts是基于stream-time_base的换到秒要乘av_q2d(stream-time_base)AVFrame里的nb_samples是每声道的采样点数不是字节数也不等于AVPacket的size。我见过不少人拿pkt-size去算播放时长结果时钟偏得离谱。记住一句话就够了只有过了swr_convert之后的数据才允许往 SDL 里塞。2.2 为什么 swr 这一步跑不掉采样率、声道布局、采样格式的三重不匹配理论上你可以跳过重采样直接把AVFrame丢给 SDL——前提是源文件恰好是 44100Hz、双声道、S16 交错格式而且你的声卡也愿意开这个参数。现实里 AAC 解码出来通常是AV_SAMPLE_FMT_FLTPplanar float左右声道分成两个独立数组FLAC 可能是 S32某些语音文件是 16kHz 单声道。SDL2 的AUDIO_S16SYS要的是交错interleaved的 16 位整型。这三个维度只要有一个不匹配你听到的就是爆音、噪音、或者半速播放。所以libswresample不是可选优化而是链路必备。它同时干三件事采样格式转换float 到 int16、采样率转换48000 到 44100、声道布局转换立体声到单声道。下面这张表是我一般会先固定下来的输出约定把「源」和「目标」分开写清楚后面所有参数都从这里取维度源由解码器决定目标由我们固定取错会怎样采样格式dec-sample_fmt如 FLTPAV_SAMPLE_FMT_S16把 planar 当 packed 拷贝只有半个声道有数据采样率dec-sample_rate如 4800044100 或跟随源48000 当 44100 播音调偏低、时长变长声道布局dec-ch_layout立体声2单声道文件按双声道读速度翻倍每帧样本数frame-nb_samples由swr_get_out_samples算分配小了直接越界写提示目标是「跟随源采样率」还是「固定 44100」取决于你要不要多文件无缝切换。单文件播放建议直接跟随源省一次重采样CPU 和音质都更划算做播放列表才固定成设备统一格式。2.3 数据怎么送到声卡SDL 回调模式与推队列模式的取舍SDL2 给音频输出留了两条路。第一条是回调模式你调SDL_OpenAudioDevice时注册一个callbackSDL 内部起一个音频线程声卡缓冲区快空了就回调你你在回调里把数据拷进stream。第二条是推模式SDL_OpenAudioDevice(..., NULL)不注册回调自己在主循环里SDL_QueueAudio往里塞然后用SDL_GetQueuedAudioSize看还剩多少。我一般选回调模式原因是推模式的控制粒度太粗——你没法精确知道「现在播到第几个字节」做音画同步或者进度条时只能靠GetQueuedAudioSize反推误差不小。回调模式虽然要求你自己写线程安全的数据结构但播放位置的推算反而更直接。代价是回调运行在 SDL 的音频线程里任何阻塞操作读文件、av_read_frame、malloc大量内存都不能放进去否则就是咔咔的断音。至于中间那块缓冲区FFmpeg 自带一个AVAudioFifo够用但它的接口是按「样本数」而不是「字节数」记账的混着重采样一起用时容易算错。我更喜欢自己写一个几十行的字节环形缓冲读写都按字节跟swr_convert的输出直接对接出问题时printf一下读写指针就能定位。下一章先把解码端立起来缓冲区放在第四章。3. 解码骨架落地从 avformat_open_input 到 swr_convert 的必填参数这一章的目标很明确写出一段能把任意音频文件解成 S16 交错 PCM 的代码先不管出声用文件输出验证 PCM 是否正确。这个「先落盘再上声卡」的习惯能帮你把问题一刀切成两半——PCM 不对是 FFmpeg 的锅PCM 对了还没声就是 SDL 的锅。3.1 打开输入与初始化解码器av_find_best_stream 比手写循环靠谱先定义承载整条链路的上下文。把 format、codec、swr 三个指针和输出参数放一起后面传参不用来回倒#include libavformat/avformat.h #include libavcodec/avcodec.h #include libswresample/swresample.h typedef struct { AVFormatContext *fmt; AVCodecContext *dec; SwrContext *swr; int stream_index; int out_rate; /* 目标采样率 */ int out_channels; /* 目标声道数一般 2 */ uint8_t *out_buf; /* 复用的重采样输出缓冲 */ size_t out_cap; /* 上面那块缓冲的字节容量 */ } AudioCtx;打开流程四步顺序不能乱开容器、找流信息、按参数建解码器上下文、开解码器。av_find_best_stream会自动挑默认音轨比自己遍历streams[]判断codecpar-codec_type稳妥尤其是多音轨文件static int open_input(AudioCtx *a, const char *url) { int ret avformat_open_input(a-fmt, url, NULL, NULL); if (ret 0) return ret; /* 文件不存在 / 格式不支持 */ ret avformat_find_stream_info(a-fmt, NULL); if (ret 0) return ret; /* 头信息不全比如裸流 */ const AVCodec *codec NULL; a-stream_index av_find_best_stream(a-fmt, AVMEDIA_TYPE_AUDIO, -1, -1, codec, 0); if (a-stream_index 0) return a-stream_index; /* 没有音轨 */ a-dec avcodec_alloc_context3(codec); if (!a-dec) return AVERROR(ENOMEM); /* 把流里的参数搬进解码器上下文否则 sample_rate 全是 0 */ ret avcodec_parameters_to_context( a-dec, a-fmt-streams[a-stream_index]-codecpar); if (ret 0) return ret; ret avcodec_open2(a-dec, codec, NULL); if (ret 0) return ret; a-out_rate a-dec-sample_rate; /* 先跟随源需要再改 */ a-out_channels 2; return 0; }几个参数值得单独说。avformat_open_input的第三个参数是强制指定输入格式传NULL让它自己探测只有处理裸 PCM 流比如.pcm、.s16le时才需要显式填av_find_input_format(s16le)并配合AVDictionary告诉它采样率和声道数——裸流没有任何头信息探测器猜不出来。avcodec_open2的第三个参数是参数字典想开多线程解码可以塞threads音频解码收益不大一般留空。至于老教程里那句av_register_all()FFmpeg 4.0 之后已经删了看到就跳过写了反而编译不过。3.2 send/receive 循环EAGAIN 不是错误是「还没解完」FFmpeg 3.1 之后解码 API 换成了 send/receive 模式一个包进去不一定一帧出来一帧出来也不一定只对应一个包。标准写法是双层循环外层读包内层收帧AVPacket *pkt av_packet_alloc(); AVFrame *frame av_frame_alloc(); while (av_read_frame(a-fmt, pkt) 0) { if (pkt-stream_index ! a-stream_index) { /* 跳过非音频流 */ av_packet_unref(pkt); continue; } int ret avcodec_send_packet(a-dec, pkt); av_packet_unref(pkt); /* 送出去就能释放了 */ if (ret 0 ret ! AVERROR(EAGAIN)) break; /* 真错误才退出 */ while ((ret avcodec_receive_frame(a-dec, frame)) 0) { push_frame(a, frame); /* 重采样 入队见 3.3 */ av_frame_unref(frame); /* 每轮必须清否则泄漏 */ } if (ret ! AVERROR(EAGAIN) ret ! AVERROR_EOF) break; } /* 文件读完要 flush送 NULL 包把解码器里缓存的帧榨干 */ avcodec_send_packet(a-dec, NULL); while (avcodec_receive_frame(a-dec, frame) 0) { push_frame(a, frame); av_frame_unref(frame); }这段代码里有两个高频错误点。第一avcodec_receive_frame返回AVERROR(EAGAIN)表示「当前没有可出的帧你继续送包」这是正常流程不是失败很多人写成if (ret 0) break;结果第一帧之后就退出了表现是「只播了零点几秒」。第二av_packet_unref必须放在send_packet之后立刻调用不能等内层循环结束——send_packet内部会做引用计数你只要保证送出去那一刻数据有效就行。av_frame_unref同理每轮收完帧就清否则下一轮receive_frame会覆盖失败或者内存一路涨。3.3 swr_convert 的六个参数一次配置错误就能让整首歌变调重采样器初始化我推荐用swr_alloc_set_opts2FFmpeg 5.1 起它用AVChannelLayout表达声道比老的位掩码版本清晰static int init_resampler(AudioCtx *a) { AVChannelLayout in_ch, out_ch; av_channel_layout_copy(in_ch, a-dec-ch_layout); /* 源布局 */ av_channel_layout_default(out_ch, a-out_channels); /* 目标立体声 */ int ret swr_alloc_set_opts2(a-swr, out_ch, AV_SAMPLE_FMT_S16, a-out_rate, in_ch, a-dec-sample_fmt, a-dec-sample_rate, 0, NULL); av_channel_layout_uninit(in_ch); av_channel_layout_uninit(out_ch); if (ret 0) return ret; return swr_init(a-swr); /* 不调这句convert 直接返回 -22 */ }六个参数是「出布局、出格式、出采样率」对「入布局、入格式、入采样率」顺序别搞反反了编译器不会报错你只会听到一段降调或者快进的怪声。如果你的环境还是 FFmpeg 5.0 及更早对应写法是swr_alloc_set_opts(swr, out_layout, out_fmt, out_rate, in_layout, in_fmt, in_rate, 0, NULL)其中布局用av_get_default_channel_layout(channels)拿。转换函数本身很简单但输出缓冲的尺寸必须用swr_get_out_samples估算不能拍脑袋按输入帧数分配——上采样时输出帧数会比输入多static int push_frame(AudioCtx *a, AVFrame *frame) { int max_out swr_get_out_samples(a-swr, frame-nb_samples); if (max_out 0) return max_out; size_t need (size_t)max_out * a-out_channels * sizeof(int16_t); if (need a-out_cap) { /* 缓冲不够就扩扩完复用 */ uint8_t *p av_realloc(a-out_buf, need); if (!p) return AVERROR(ENOMEM); a-out_buf p; a-out_cap need; } /* 交错 S16 只需一个平面所以数组长度给 1 */ uint8_t *out_plane[1] { a-out_buf }; int got swr_convert(a-swr, out_plane, max_out, (const uint8_t **)frame-extended_data, frame-nb_samples); if (got 0) return got; size_t bytes (size_t)got * a-out_channels * sizeof(int16_t); ring_write_locked(a, a-out_buf, bytes); /* 第四章的环形缓冲 */ return got; }输入这一侧一定要用frame-extended_data而不是frame-data。对 planar 格式AAC 解码出来的 FLTP 就是左右声道分别在extended_data[0]和extended_data[1]data数组在某些情况下只保证前 8 个平面有效extended_data才是权威入口。这个细节不注意多声道文件就会漏掉后面的声道。做到这一步把ring_write_locked换成fwrite到文件用ffplay -f s16le -ar 44100 -ch_layout stereo out.pcm放一遍就能验证解码链路是否正确。确认没问题再往下走。4. SDL2 回调与环形缓冲把 PCM 灌进声卡而不爆音解码端稳定产出 S16 交错 PCM 之后剩下的问题全在「节奏」上。解码是突发的——一个包可能一瞬间解出好几帧声卡是匀速的——每秒固定消耗 44100×2×2 字节。两者之间必须有个蓄水池池子满了让解码等池子空了让声卡补静音。这个池子就是环形缓冲。4.1 环形缓冲的最小实现绝对读写指针 取模我用「绝对位置 取模」的写法而不是「读写指针回绕」原因是前者可以直接用w - r算出已用字节数不需要额外维护full标志也不会有「满和空无法区分」的经典坑typedef struct { uint8_t *buf; size_t cap; /* 必须是 2 的幂时才可用 代替 %这里用 % 保守写 */ size_t w, r; /* 绝对位置只增不减 */ SDL_mutex *lock; } RingBuf; static size_t ring_write(RingBuf *rb, const uint8_t *src, size_t len) { size_t free_bytes rb-cap - (rb-w - rb-r); if (len free_bytes) len free_bytes; /* 满了就截断不覆盖旧数据 */ size_t pos rb-w % rb-cap; size_t first (len rb-cap - pos) ? len : (rb-cap - pos); memcpy(rb-buf pos, src, first); if (len first) memcpy(rb-buf, src first, len - first); /* 绕回头部 */ rb-w len; return len; } static size_t ring_read(RingBuf *rb, uint8_t *dst, size_t len) { size_t used rb-w - rb-r; if (len used) len used; size_t pos rb-r % rb-cap; size_t first (len rb-cap - pos) ? len : (rb-cap - pos); memcpy(dst, rb-buf pos, first); if (len first) memcpy(dst first, rb-buf, len - first); rb-r len; return len; }缓冲容量我一般取 500ms 左右44100 * 2 * 2 * 0.5 ≈ 88KB。太小比如 50ms会频繁欠载网络流尤其明显太大则 seek 和暂停的响应变迟钝——你按了暂停声卡里还压着半秒的数据没放完听感上就是「反应慢半拍」。本地文件 300500ms 是个舒服的区间。4.2 SDL 回调实现欠载时补静音绝不能补脏数据有了缓冲回调就三行核心逻辑加锁读、解锁、不够的补零。补零这一步看似无所谓实际是「安静」和「嗡嗡响」的分界线——如果缓冲区尾部残留着上一轮的旧数据你又没覆盖声卡会把那段垃圾反复播出来。static void audio_cb(void *userdata, Uint8 *stream, int len) { AudioCtx *a (AudioCtx *)userdata; RingBuf *rb a-rb; SDL_LockMutex(rb-lock); size_t got ring_read(rb, stream, (size_t)len); SDL_UnlockMutex(rb-lock); if (got (size_t)len) { SDL_memset(stream got, 0, (size_t)len - got); /* 欠载静音 */ a-under_runs; /* 记一笔方便调参 */ } }回调里只允许做 memcpy 和 memcpy 级别的操作。任何av_read_frame、swr_convert、文件 IO、printf都挪出去它们会阻塞 SDL 的音频线程直接表现就是周期性咔哒声。解码要在主循环里跑跟回调通过环形缓冲解耦。设备打开的参数这么填SDL_AudioSpec want, have; SDL_zero(want); want.freq a-out_rate; /* 和 swr 输出严格一致 */ want.format AUDIO_S16SYS; /* 和 swr 输出严格一致 */ want.channels (Uint8)a-out_channels; want.samples 1024; /* 回调粒度见下方说明 */ want.callback audio_cb; want.userdata a; a-dev SDL_OpenAudioDevice(NULL, 0, want, have, SDL_AUDIO_ALLOW_SAMPLES_CHANGE); if (a-dev 0) return -1; /* SDL_GetError() 看原因 */ SDL_PauseAudioDevice(a-dev, 0); /* 关键不解除暂停就永远没声 */want.samples是每次回调要的帧数直接决定延迟1024 帧 44100Hz 约 23ms512 帧约 11.6ms。做播放器 1024 足够做实时语音或者乐器监听才需要压到 256 以下代价是欠载概率飙升。SDL_AUDIO_ALLOW_SAMPLES_CHANGE允许 SDL 调整这个值have.samples会告诉你实际用了多少——它不影响你的回调逻辑因为len参数就是本次要的字节数。注意want.freq和want.format必须和swr的输出完全一致。如果你图省事加了SDL_AUDIO_ALLOW_FREQUENCY_CHANGESDL 可能给你一个 48000 的设备而你的 PCM 是 44100 的结果就是全程慢放。真要允许变化就必须在SDL_OpenAudioDevice之后用have.freq重建一次swr。4.3 用已消费字节数推算播放时钟进度条和 seek 都需要一个「当前播到第几秒」的值。回调模式里没有SDL_GetQueuedAudioSize可用但环形缓冲的读写指针天然就是答案写进去的总字节数减去还没被读走的字节数就是已经送进声卡的字节数。static double played_seconds(AudioCtx *a) { SDL_LockMutex(a-rb.lock); size_t consumed a-rb.r; /* 已被回调读走的绝对字节数 */ SDL_UnlockMutex(a-rb.lock); double bytes_per_sec (double)a-out_rate * a-out_channels * sizeof(int16_t); return (double)consumed / bytes_per_sec; }这个值有个固有偏差声卡内部还有一层硬件缓冲通常是have.samples的两三倍实际听到的位置比算出来的晚十几到几十毫秒。做进度条无所谓做字幕或者音画同步就得减掉这个偏移经验值取have.samples * 2 / out_rate秒。另外consumed是相对「本次播放起点」的。做 seek 的时候必须把rb.w、rb.r、以及记录起点偏移的变量一起归零否则时钟会跳。这个坑我在第五章细说。5. 避坑排查无声、爆音、卡顿、seek 残留这四类翻车怎么定位音频问题最难受的地方是它不给你堆栈只有「有声/没声/声音不对」三种反馈。我的排查顺序固定先确认 PCM 本身对不对落盘用 ffplay 验再确认数据有没有进缓冲打印读写指针最后才怀疑 SDL 设备。下面五条是踩过最多次的。5.1 现象程序不报错、日志正常、就是一点声音都没有原因九成是SDL_OpenAudioDevice之后忘了SDL_PauseAudioDevice(dev, 0)。SDL 打开设备时默认处于暂停状态这是设计如此不是 bug。剩下那一成是SDL_Init只写了SDL_INIT_VIDEO或者压根没调导致SDL_OpenAudioDevice返回 0而很多人没检查返回值。解决在SDL_OpenAudioDevice后立刻检查返回值并解除暂停同时把SDL_GetError()打出来if (a-dev 0) { fprintf(stderr, open audio failed: %s\n, SDL_GetError()); return -1; } SDL_PauseAudioDevice(a-dev, 0);如果报的是 “No such audio device”在无音频设备的服务器或容器里跑时可以设环境变量SDL_AUDIODRIVERdummy先验证解码和缓冲逻辑跑不跑得通——dummy 驱动会正常消费数据但不发声读写指针照样前进用它来隔离「到底是解码问题还是设备问题」特别有效。5.2 现象能出声但伴随持续的沙沙声或尖锐爆音AAC 文件尤其明显原因采样格式没转。AAC 解码输出是AV_SAMPLE_FMT_FLTP32 位浮点、平面你把 float 的字节流直接当 int16 喂给声卡波形完全对不上听起来就是噪音。还有一种变体swr_convert的输出缓冲按frame-nb_samples分配而不是swr_get_out_samples上采样时写越界踩坏了堆上的相邻数据。解决在init_resampler之后打一行日志确认fprintf(stderr, in: fmt%d rate%d ch%d - out: s16 %d Hz %d ch\n, a-dec-sample_fmt, a-dec-sample_rate, a-dec-ch_layout.nb_channels, a-out_rate, a-out_channels);如果in: fmt是 8AV_SAMPLE_FMT_FLTP而你的swr输出格式不是AV_SAMPLE_FMT_S16那问题就在这。另外把输出缓冲分配改成swr_get_out_samples估算别用输入帧数。5.3 现象播几秒就卡住不动或者每隔一两秒「咔」一下原因两种可能。一是解码循环写错——avcodec_receive_frame返回AVERROR(EAGAIN)时被当成错误break出循环或者内层while只跑一次没循环收完导致解码速度跟不上消耗速度缓冲长期空着回调不停补静音。二是回调里做了重活比如直接在audio_cb里调swr_convert把音频线程堵住。解决先加计数器把under_runs补静音次数和解码出的总帧数打出来。如果under_runs每秒涨几十次就是供不上如果几乎不涨但还是卡就去查解码循环里的break条件。回调函数里只留memcpy这一点没有商量余地。5.4 现象拖动进度条之后声音对不上位置或者开头冒出上一段的残音原因seek 只做了av_seek_frame没清三样东西——解码器内部缓存avcodec_flush_buffers、环形缓冲里没播完的旧数据、播放时钟的基准。解码器不清它会先把 seek 前缓存的几帧吐出来缓冲不清那几百毫秒旧音频会先播一遍。解决seek 的标准动作是四步串行顺序不能换/* 1. 暂停设备防止回调继续读 */ SDL_PauseAudioDevice(a-dev, 1); /* 2. 定位第三个参数是 stream 的 time_base 单位 */ int64_t ts av_rescale_q(target_ms, (AVRational){1, 1000}, a-fmt-streams[a-stream_index]-time_base); av_seek_frame(a-fmt, a-stream_index, ts, AVSEEK_FLAG_BACKWARD); /* 3. 清解码器缓存 清环形缓冲 */ avcodec_flush_buffers(a-dec); SDL_LockMutex(a-rb.lock); a-rb.w a-rb.r 0; SDL_UnlockMutex(a-rb.lock); /* 4. 恢复 */ SDL_PauseAudioDevice(a-dev, 0);AVSEEK_FLAG_BACKWARD保证定位到目标点之前的关键帧音频没有关键帧概念但保留这个标志更安全。5.5 现象某些文件时长算出来是两倍或一半进度条走得飞快或几乎不动原因把frame-nb_samples当成了字节数或者算时长时用了out_channels却忘了乘sizeof(int16_t)。还有一个隐蔽的用pkt-duration累加时长但音频包的 duration 单位是 stream time_base不是采样点。解决时长统一从「已消费字节数」反推只信一个公式秒 字节 / (采样率 × 声道数 × 每样本字节数)。所有其他地方算出来的时长都拿这个值对一遍对不上就说明某个环节的单位错了。6. 用 ffprobe 和 ffplay 做对照验证把播放器调参调到位调音频播放器最省力的办法不是加日志而是拿命令行工具当参照物。ffprobe告诉你「这个文件到底是什么」ffplay告诉你「正确的声音长什么样」两个一夹你的程序偏在哪就一目了然。第一步永远是ffprobe把源参数打出来跟自己代码里init_resampler打印的那行对一遍ffprobe -v error -select_streams a:0 \ -show_entries streamcodec_name,sample_fmt,sample_rate,channels,channel_layout,duration \ -of defaultnoprint_wrappers1 input.m4a输出里sample_fmtfltp、sample_rate48000、channels2这三个值就是你swr的入参。我遇到过channels2但channel_layout是空的文件这时av_channel_layout_copy拿到的布局可能是UNSPECswr_init会失败。保险做法是初始化前判断一下布局无效就用av_channel_layout_default(in_ch, dec-ch_layout.nb_channels)兜底。第二步是造对照素材。想验证重采样对不对就把文件强制转成你要的目标格式再比对# 生成一份 44100/S16/立体声的参考 PCM ffmpeg -v error -i input.m4a -f s16le -acodec pcm_s16le \ -ar 44100 -ac 2 ref.pcm -y # 让你的播放器只解码不播放输出 dump.pcm然后比对 ffmpeg -v error -f s16le -ar 44100 -ac 2 -i dump.pcm \ -f s16le -ar 44100 -ac 2 -i ref.pcm \ -filter_complex [0:a][1:a]astatsmetadata1:reset0 -f null - 21 | tail -30astats会打出 RMS、峰值、直流偏移。如果你的 dump 和参考的 RMS 差 6dB 以上多半是 planar 和 packed 搞混了少了一个声道如果峰值一直贴着 0dBFS 且有削波是重采样时没做 dither 或者音量被放大了。听感验证就用ffplay -f s16le -ar 44100 -ch_layout stereo dump.pcm用耳朵确认有没有爆音和断续比看日志快得多。第三步是调缓冲参数。这块没有普适最优值取决于你的场景参数取值换来什么牺牲什么环形缓冲容量300500ms解码抖动容忍度高本地文件几乎不欠载seek/暂停响应慢半拍环形缓冲容量80150ms操作跟手适合交互式播放器网络流容易欠载want.samples1024延迟约 23ms欠载少端到端延迟偏高want.samples256延迟约 5.8msCPU 占用升高欠载概率大解码线程独立于主线程主线程卡顿不影响供数据多一层线程同步我一般从 500ms 缓冲 1024 帧起步把under_runs打到日志里跑十个不同来源的文件如果欠载次数都是个位数就定稿只要有一个文件频繁欠载先怀疑它的解码成本高比如高码率 FLAC把解码放到独立线程再试。最后一件值得做的小事是把 FFmpeg 的日志级别调下来出问题时再调上去av_log_set_level(AV_LOG_WARNING); /* 平时只看警告 */ /* 排查时临时改成 AV_LOG_DEBUG能看到每个包的 pts 和大小 */默认级别会把每个文件的元数据全打出来几百行噪音把真正的报错淹没掉。这一点我踩过亏有次swr_init返回 -22报错就夹在一屏元数据中间我愣是找了半小时。从那以后我每次搭这类播放链路都强制走一遍「ffprobe 对参数 → dump 成 PCM 比对 → ffplay 听感验证」这三步宁可前期多花二十分钟也不要在几百行日志里大海捞针。希望帮到你。本文还有配套的精品资源点击获取
阅读完成 · 觉得有帮助？
