AAC高级音频编码是什么？
AAC（Advanced Audio Coding），中文名是高级音频编码。它是由Fraunhofer IIS、杜比实验室、AT&T、索尼等公司基于MPEG-2的音频编码技术共同开发的，目的是为了取代MP3格式。随着MPEG-4标准出现后，AAC又重新集成了SBR技术和PS技术，为了区别于传统的MPEG-2 AAC又称为MPEG-4 AAC。
AAC规格分类
一般来说，AAC音频编码格式有三种规格：LC-AAC（最基本），HE-AAC（AACPlus v1），HE-AAC v2（AACPlus v2），他们三者的关系如下图所示：
HE-AAC v2相比较基础的AAC（LC）格式和HE-AAC格式，存在如下等式关系：
HE-AAC v2 = LC-AAC + SBR + PS
HE-AAC v2 = HE-AAC + PS
AAC格式分类
AAC根据不同的数据组成形式可以分为两种格式，分别是ADIF和ADTS。
ADIF
ADIF (Audio Data Interchange Format)，中文全称是音频数据交换格式。它的特点是配置信息存储在整个文件的开头，只能从文件起始点开始解码，比较适合用于本地文件存储。
ADIF格式的音频文件数据形式如下图所示：
ADIF 头信息
ADIF的头信息存在音频文件的头部，一般只存在一份，其中包含了码流类型、码率大小等信息，具体字段和占位大小如下图所示：
其中，字段含义如下：
adif_id：ADIF类型标识，固定为“ADIF”。
bitstream_type：码流类型，0：CBR，固定码率模式；1：VBR，可变码率模式。
bitrate：码率大小，CBR时，表示码率大小；VBR时，表示峰值码率大小；0值时，表示unknown。
ADTS
ADTS (Audio Data Transport Stream)，中文全称是音频数据传输流。他的特点是存在同步字节(12bits，0xFFF)的标识，而且每一帧AAC都有头信息，因此可以从任意帧和位置开始解码，比较适合直播流场景中。
ADTS格式的音频（文件）数据形式如下图所示：
- ADTS 固定头信息
ADTS的固定头信息在每个音频帧中都是一样的，包含了编码级别、采样率、声道数等信息，具体字段和占位大小如下图所示：
其中，字段含义如下：
syncword：帧同步，标识一个帧的开始，固定为0xFFF。
ID：MPEG 标示符，0表示MPEG-4，1表示MPEG-2。
layer：固定为’00’。
protection_absent：标识是否进行误码校验，0表示有CRC校验，1表示没有CRC校验。
profile：标识使用哪个级别的AAC，1: AAC Main 2: AAC LC (Low Complexity) 3: AAC SSR (Scalable Sample Rate) 4: AAC LTP (Long Term Prediction)。
sampling_frequency_index：标识使用的采样率的下标，具体采样率可以对照下表得到。
private_bit：私有位，编码时设置为0，解码时忽略。
channel_configuration：标识声道数，具体声道数可以对照下表得到。
original_copy：编码时设置为0，解码时忽略。
home：编码时设置为0，解码时忽略。
- 可变头信息
每个ADTS头中的可变部分，记录该AAC音频帧的数据大小以及有多少个数据块，具体字段和占位大小如下图所示：
其中，字段含义如下：
copyrighted_id_bit：编码时设置为0，解码时忽略。
copyrighted_id_start：编码时设置为0，解码时忽略。
aac_frame_length：ADTS帧长度包括ADTS长度和AAC声音数据长度的和，即 aac_frame_length = (protection_absent == 0 ? 9 : 7) + audio_data_length。
adts_buffer_fullness：固定为0x7FF，表示是码率可变的码流。
number_of_raw_data_blocks_in_frame：表示当前帧有number_of_raw_data_blocks_in_frame + 1 个原始帧（一个AAC原始帧包含一段时间内1024个采样及相关数据）。
AAC的处理流程
如果是AAC音频文件，大多数情况是ADIF；如果是AAC音频码流，大多数情况是ADTS。但是为了避免误判，在处理AAC音频时还是参考下面的步骤：
1、判断AAC格式类型，判断是ADIF或者ADTS。
2、若为ADIF，解ADIF头信息，跳至第6步。
3、若为ADTS，寻找同步头。
4、解ADTS帧头信息。
5、若有错误检测，进行错误检测。
6、解块信息。
7、解元素信息。
AAC 在 ZEGO SDK 的应用
目前，音频编解码技术被广泛的应用于社会生活的方方面面，比如互动直播、在线教学、视频会议等。AAC 作为 RTC 场景下常用的编解码格式，ZEGO 的音视频SDK自然支持，音频编码&码率支持情况：
- HE_AAC: 10k ~ 64k（双声道支持最高128k）、
- AAC_LC: 10k ~ 192k
ZEGO SDK 支持开发者根据实际需求，自定义音频码率。同时也提供了不同音质标准的预设配置，供开发者直接选用：基础音质 (16 kbps, 单声道）、标准音质 (48 kbps, 单声道；56 kbps, 双声道）、高音质 (128 kbps, 单声道；192 kbps, 双声道）。
总之，ZEGO 提供音视频的现成方案，降低开发者使用音频编解码技术的难度，体验入口：https://doc-zh.zego.im/article/4438
关于音频编解码更多详细内容可以参考文章：
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/jishu/42495.html
