音视频面试题集锦 2023.09

下面是 2023.09 月音视频面试题集锦的几条干货精选：

1、PCM 音频数据是怎么组织的？
2、说一下对信号时域、频域的理解？
3、PCM 数据经过 AAC 编码器编码后，直接写 .aac 文件会怎么样？
4、AAC 封装到 MP4 中，是否需要为每个 AAC packet 添加 ADTS？
5、拍短视频想把同时播放的音乐录制下来一般要经过怎样的处理流程？

1、PCM 音频数据是怎么组织的？

1）数据生成

模拟数据 → 采样 → 量化 → 编码 → 数字信号

2）数据组成

采样频率
- 单位时间内对模拟信号的采样次数，它用赫兹（Hz）来表示
- 采样频率越高，声音的还原就越真实越自然，当然数据量就越大
- 常见的采样频率有 22.05KHz、44.1KHz、48KHz
采样位数
- 又称为采样精度，量化级，也相当于每个采样点所能被表示的数据范围
- 采样位数越大，所能记录声音的变化度就越细腻，相应的数据量就越大
- 采样位数通常有 8bits、16bits、32bits，16bits 最为常见
- 超过 8bits，存储时还会有 little endian 和 big endian 的问题
声道数
- LRLRLR.... 这是交错排列方式，比较常见
- 也有 LLLLLL.......RRRRRR..... 这种是平铺方式，这种比较少见
- 又称为通道数，指的是：能支持不同发声的音响个数，它是衡量音响设备的重要指标之一
- 双声道通常排列方式：
其它
- 空间大小 = 时长 * 采样频率 * 声道数 * (采样位数 / 8);

2、说一下对信号时域、频域的理解？

1）时域

定义：
- 横轴时间，纵轴振幅（反应时间的能量），表示所有频率叠加的正弦波振幅的总大小随时间的变化规律，复合波形进行傅里叶变换，可拆解还原成每个频率上单一的正弦波构成
在音频中的作用：
- 检测音乐整体音量大小
- 检测混音时的动态和响度问题
- 辅助调节压缩器和限制器

2）频域

定义：
- 横轴频率，纵轴振幅，表示一个静态的时间点上各个频率正弦波的振幅的分布情况
在音频中的作用：
- 检测音乐细节在各频段上的分布
- 辅助调节滤波器和均衡器

3）时域 vs. 频域

3、PCM 数据经过 AAC 编码器编码后，直接写 .aac 文件会怎么样？

正常播放器会没法识别播放（因为不知道声道数，采样率等信息）。一般要这样做：正常需要在编码每帧数据后，结合编码后的数据生成 ADTS 头，然后将 ADTS 头 + 编码后的数据 整体写入文件，循环往复，才能生成可正常播放的 .aac 文件（当然也可以是：1 个 ADTS + 多帧编码数据 这样的组合）。