FFmpeg学习：音视频同步（2）同步策略

相关基本

FFmpeg学习：音视频同步（1）相关基础定义

同步方式

目前主要有三种方式实现同步：

• 将视频和音频同步外部的时钟上，选择一个外部时钟为基准，视频和音频的播放速度都以该时钟为标准。

• 将音频同步到视频上，就是以视频的播放速度为基准来同步音频。

• 将视频同步到音频上，就是以音频的播放速度为基准来同步视频。

比较主流的是第三种，将视频同步到音频上。至于为什么不使用前两种，因为一般来说，人对于声音的敏感度更高，如果频繁地去调整音频会产生杂音让人感觉到刺耳不舒服，而人对图像的敏感度就低很多了，所以一般都会采用第三种方式。

Audio_Clock

• Audio_Clock，就是Audio的播放时长，从开始到当前的时间。获取Audio_Clock:

if (pkt->pts != AV_NOPTS_VALUE) {
    state->audio_clock = av_q2d(state->audio_st->time_base) * pkt->pts;
}

还没有结束，由于一个packet中可以包含多个Frame帧，packet中的PTS比真正的播放的PTS可能会早很多，可以根据Sample Rate 和 Sample Format来计算出该packet中的数据可以播放的时长，再次更新Audio_Clock。

// 每秒钟音频播放的字节数 采样率 * 通道数 * 采样位数 (一个sample占用的字节数)
n = 2 * state->audio_ctx->channels;
state->audio_clock += (double) data_size /
                   (double) (n * state->audio_ctx->sample_rate

最后还有一步，在我们获取这个Audio_Clock时，很有可能音频缓冲区还有没有播放结束的数据，也就是有一部分数据实际还没有播放，所以就要在Audio_Clock上减去这部分数据的播放时间，才是真正的Audio_Clock。

double get_audio_clock(VideoState *state) {
    double pts;
    int buf_size, bytes_per_sec;

    //上一步获取的PTS
    pts = state->audio_clock;
    // 音频缓冲区还没有播放的数据
    buf_size = state->audio_buf_size - state->audio_buf_index; 
    // 每秒钟音频播放的字节数
    bytes_per_sec = state->audio_ctx->sample_rate * state->audio_ctx->channels * 2;
    pts -= (double) buf_size / bytes_per_sec;
    return pts;
}

get_audio_clock中返回的才是我们最终需要的Audio_Clock，当前的音频的播放时长。

Video_Clock

• Video_Clock，视频播放到当前帧时的已播放的时间长度

avcodec_send_packet(state->video_ctx, packet);
while (avcodec_receive_frame(state->video_ctx, pFrame) == 0) {
    if ((pts = pFrame->best_effort_timestamp) != AV_NOPTS_VALUE) {
    } else {
        pts = 0;
    }
    pts *= av_q2d(state->video_st->time_base); // 时间基换算，单位为秒

    pts = synchronize_video(state, pFrame, pts);
    
    av_packet_unref(packet);
}

旧版的FFmpeg使用av_frame_get_best_effort_timestamp函数获取视频的最合适PTS，新版本的则在解码时生成了best_effort_timestamp。但是依然可能会获取不到正确的PTS，所以在synchronize_video中进行处理。

double synchronize_video(VideoState *state, AVFrame *src_frame, double pts) {

    double frame_delay;

    if (pts != 0) {
        state->video_clock = pts;
    } else {
        pts = state->video_clock;// PTS错误，使用上一次的PTS值
    }
    //根据时间基，计算每一帧的间隔时间
    frame_delay = av_q2d(state->video_ctx->time_base);
    //解码后的帧要延时的时间
    frame_delay += src_frame->repeat_pict * (frame_delay * 0.5);
    state->video_clock += frame_delay;//得到video_clock,实际上也是预测的下一帧视频的时间
    return pts;
}

同步

上面两步获得了Audio_Clock和Video_Clock，这样我们就有了视频流中Frame的显示时间，并且得到了作为基准时间的音频播放时长Audio clock ，可以将视频同步到音频了。

1、用当前帧的PTS - 上一播放帧的PTS得到一个延迟时间
2、用当前帧的PTS和Audio_Clock进行比较，来判断视频的播放速度是快了还是慢了
3、根据2的结果，设置播放下一帧的延迟时间

#define AV_SYNC_THRESHOLD 0.01 // 同步最小阈值
#define AV_NOSYNC_THRESHOLD 10.0 //  不同步阈值
double actual_delay, delay, sync_threshold, ref_clock, diff;

// 当前Frame时间减去上一帧的时间，获取两帧间的延时
delay = vp->pts - is->frame_last_pts;
if (delay <= 0 || delay >= 1.0) { 
    // 延时小于0或大于1秒（太长）都是错误的，将延时时间设置为上一次的延时时间
    delay = is->frame_last_delay;
}

// 获取音频Audio_Clock
ref_clock = get_audio_clock(is);
// 得到当前PTS和Audio_Clock的差值
diff = vp->pts - ref_clock;

sync_threshold = (delay > AV_SYNC_THRESHOLD) ? delay : AV_SYNC_THRESHOLD;

// 调整播放下一帧的延迟时间，以实现同步
if (fabs(diff) < AV_NOSYNC_THRESHOLD) {
    if (diff <= -sync_threshold) { // 慢了，delay设为0
        delay = 0;
    } else if (diff >= sync_threshold) { // 快了，加倍delay
        delay = 2 * delay;
    }
 }
is->frame_timer += delay;
// 最终真正要延时的时间
actual_delay = is->frame_timer - (av_gettime() / 1000000.0);
if (actual_delay < 0.010) {
    // 延时时间过小就设置个最小值
    actual_delay = 0.010;
}
// 根据延时时间刷新视频
schedule_refresh(is, (int) (actual_delay * 1000 + 0.5));

参考

音视频同步