iOS CoreAudio AudioStreamBasicDescription 音频格式概念简介

AudioStreamBasicDescription 简称 ASBD，ASBD 是 CoreAudio 用来指定线性 PCM 格式，或者使用 CBR 编码的等大小声道的格式。如果使用的是 VBR，或者使用非等大小的 CBR，需要对每个 packet 独立设置 AudioStreamPacketDescription进行描述。

在分析 ASBD 每个字段之前，我们先来搞懂几个概念：

• Audio Stream： 一个 audio stream 表示一个声音的连续数据，比如一首歌
• Channel：声道，一个声道是一个独立的音轨，单声道音频流只有一个 channel，立体声音频流有两个 channel
• Sample：采样，一个采样对应一个 channel 里的一个具体的数字
• Frame：一个 frame 包含一组相同时间的samples集合，比如一个线性立体声 PCM 文件每个 frame 包含两个 samples（左声道 sample 和 右声道 sample）
• Packet： 一个 packet 包含一个或者多个连续的frame，在给定的音频数据格式的情况下，一个 packet 定义了一个最小有意义的 frame 集合，也是最小可测量时间的数据单位。 对于线性PCM音频这类非压缩格式，一个packet只包含一个frame。
  对于压缩格式，一个 packet 通常会包含多个 frame，比如 AAC 可能会包含 1024 个 frame。
  对于某些格式，比如 Ogg，一个 packet 对应的 frame 数量可能是变化的，该字段填充 0。

一条 AudioStream 和 Channel、Sample、Frame、Packet 之间的关系如下图：

然后来看一下 AudioStreamBasicDescription 的各个属性：

struct AudioStreamBasicDescription
{
    Float64             mSampleRate;
    AudioFormatID       mFormatID;
    AudioFormatFlags    mFormatFlags;
    UInt32              mBytesPerPacket;
    UInt32              mFramesPerPacket;
    UInt32              mBytesPerFrame;
    UInt32              mChannelsPerFrame;
    UInt32              mBitsPerChannel;
    UInt32              mReserved;
};

• mSampleRate, The number of sample frames per second of the data in the stream，注意这里说的是每秒钟的 frame 的个数，注意不是 sample 的个数
• mFormatID，stream 里的数据类型
• mFormatFlags，mFormatID 对应的格式 flags
• mBytesPerPacket，每个 packet 的大小，单位是 byte
• mFramesPerPacket，每个 packet 包含多少 frames（参考上文，线性 PCM 下，这里是 1）
• mBytesPerFrame， 每个 frame 占多少 bytes
• mChannelsPerFrame，每个 frame 包含几个 channel 的数据
• mBitsPerChannel，一个 frame 里的一个 channel 数据站多少 bits，其实就是每个 sample 的大小，除以 8 就是占的字节数
• mReserved，填充字段

根据上面的，我们可以得到这样的关系：

mBytesPerPacket = mFramesPerPacket * mBytesPerFrame
mBytesPerFrame = mChannelsPerFrame * mBitsPerChannel / 8

那么我们应该这么计算 一个 packet 的duration：

duration = (1 / mSampleRate) * mFramesPerPacket

Ref:

AudioStreamBasicDescription