幀的概念：

音頻的幀的概念沒有視頻幀那么清晰，幾乎所有視頻編碼格式都可以簡單的認(rèn)為一幀就是編碼后的一副圖像。

但音頻幀跟編碼格式相關(guān)，它是各個編碼標(biāo)準(zhǔn)自己實現(xiàn)的。因為如果以PCM(未經(jīng)編碼的音頻數(shù)據(jù))來說，它根本就不需要幀的概念，根據(jù)采樣率和采樣精度就可以播放了。比如采樣率為44.1HZ，采樣精度為16位的音頻，你可以算出bitrate(比特率)是44100*16kbps，每秒的音頻數(shù)據(jù)是固定的44100*16/8 字節(jié)。

amr幀比較簡單，它規(guī)定每20ms的音頻是一幀，每一幀音頻都是獨立的，有可能采用不同的編碼算法，以及不同的編碼參數(shù)。

mp3幀較為復(fù)雜一點，包含了更多的信息，比如采樣率，比特率，等各種參數(shù)。

采樣率：

采樣頻率是指將模擬聲音波形進(jìn)行數(shù)字化時，每秒鐘抽取聲波幅度樣本的次數(shù)。

正常人聽覺的頻率范圍大約在20Hz~20kHz之間，根據(jù)奈奎斯特采樣理論，為了保證聲音不失真，采樣頻率應(yīng)該在40kHz左右。常用的音頻采樣頻率有8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz等，如果采用更高的采樣頻率，還可以達(dá)到DVD的音質(zhì)。

采樣精度：每次采集數(shù)據(jù)的位數(shù)。

通道數(shù)：存在幾路音頻。

比特率：針對編碼格式，表示壓縮編碼后每秒的音頻數(shù)據(jù)量大小。

時間戳和播放時間：

1 、AAC

(一個AAC原始幀包含一段時間內(nèi)1024個采樣及相關(guān)數(shù)據(jù))。

對采樣率為44.1kHz的AAC音頻進(jìn)行解碼時，一幀的解碼時間須控制在23.22毫秒內(nèi)。

音頻幀的播放時間=一個AAC幀對應(yīng)的采樣樣本的個數(shù)/采樣頻率(單位為s)

一幀 1024個 sample。采樣率 Samplerate 44100Hz，每秒44100個sample, 所以根據(jù)公式音頻幀的播放時間=一個AAC幀對應(yīng)的采樣樣本的個數(shù)/采樣頻率

當(dāng)前AAC一幀的播放時間是= 1024*1000/44100= 22.32ms(單位為ms)

2 、MP3

mp3 每幀均為1152個字節(jié)， 則：

frame_duration = 1152 * 1000 / sample_rate

例如：sample_rate = 44100HZ時，計算出的時長為26.122ms，這就是經(jīng)常聽到的mp3每幀播放時間固定為26ms的由來。