音视频同步理解

音视频同步理解

最近学习FFmpeg音视频同步，着实很难理解，本文记录学习过程中的领悟知识点，如有不对，还望指正！

为何要进行音视频同步？

正常情况来说，在对视频 编码 时，大致是这个样子的：

编码时，以时间线为轴，依次给编码后的数据打上正确的时间pts，如果这个地方pts时间打错了，播放时无路如何也同步不了的；

解码播放时，正常来说，以上图为例，我们只需要在0.1s时播放解码后第一个视频包vp1和音频包ap1，在0.2s时播vp2和ap2，依次播放即可；

但是实际情况，可能会这样：

音频包和视频包播放时对不上，也就会出现画面和声音对不上，也就是卡了

为什么会出现这种情况？

我认为主要原因来自两类：

• 网络原因
• 播放器逻辑原因

网络原因

网络原因如网络卡顿，导致流媒体中的包丢失、延迟到来等，如0.2s的时候该播放vp1和ap2，但是这个时候vp2这个packet还没有从网络中传递过来，无法播放方面，只能重复上一个画面，这样肯定是同步不了的

播放器逻辑原因

播放器中涉及解码、播放的逻辑，大多都是在不同的线程中，会在不同的时间得到解码的包，然后拿去播放线程播放，这样的话，如果不对音视频同步，解码后想要使音视频在正确的时间去播放是很难的

如何进行音视频同步

针对上面两个原因，解决视频不卡顿的办法就是进行音视频同步，选择一个参考时钟，另一个时钟参考时钟为基准，不停对比两者之间差异，超前就让自己重复上一个画面，延后就加快播放自己的播放进度，大致原理是这样

以音频时钟作为主时钟参考

以下图为例说说大致原理：

当前时刻为0.35s，理论来说在0.3s时应该播放vp3和ap3，但是由于各种原因导致vp2重复播放，使两者没有同步播放，试想，为了修复两者出现的不同步问题，我们该怎么做？
就是在0.35s出尽可能马上播放vp3，然后在0.4s处播放vp4，修复两者播放的差异；那我们这个修复过程是怎么处理的呢？

摘自ffplay.c源码，根据源码来讲最好：

double MediaSync::calculateDelay(double delay)  {
    double sync_threshold, diff = 0;
    // 如果不是同步到视频流，则需要计算延时时间
    if (playerState->syncType != AV_SYNC_VIDEO) {
        // 计算差值
        diff = videoClock->getClock() - getMasterClock();
        // 用差值与同步阈值计算延时
        sync_threshold = FFMAX(AV_SYNC_THRESHOLD_MIN, FFMIN(AV_SYNC_THRESHOLD_MAX, delay));
        ALOGI("diff frame_timer %f %f %f", frameTimer, delay, sync_threshold);
        if (!isnan(diff) && fabs(diff) < maxFrameDuration) {
            if (diff <= -sync_threshold) {
                delay = FFMAX(0, delay + diff);
            } else if (diff >= sync_threshold && delay > AV_SYNC_FRAMEDUP_THRESHOLD) {
                delay = delay + diff;
            } else if (diff >= sync_threshold) {
                delay = 2 * delay;
            }
        }
    }
    return delay;
}

逻辑分析
此函数为修正上个vp的播放时长函数，
入参delay: 理论vp的播放时长，按照上图例子delay = vp3-vp2 = 0.1s
diff：两个时钟差异，实质就是上一个播放的vp和ap的差异，也就是vp2-ap3 = -0.1s
sync_threshold: 同步阈值，超过这个同步阈值就认为要进行音视频同步，sync_threshold在0.1<x<0.04之间
在if条件中，满足第一个条件，最后delay修正后为0；
函数执行完后，会进入以下逻辑

  // 计算上一次显示时长
  lastDuration = calculateDuration(lastFrame, currentFrame);
  // 根据上一次显示的时长，计算延时 主要是视频
  delay = calculateDelay(lastDuration);
  // 处理超过延时阈值的情况
  if (fabs(delay) > AV_SYNC_THRESHOLD_MAX) {
      if (delay > 0) {
          delay = AV_SYNC_THRESHOLD_MAX;
      } else {
          delay = 0;
      }
  }
  // 获取当前时间
  time = av_gettime_relative() / 1000000.0;
  if (isnan(frameTimer) || time < frameTimer) {
      frameTimer = time;
  }
  // 如果当前时间小于帧计时器的时间 + 延时时间，则表示还没到当前帧，需要返回在休眠一段时间
  if (time < frameTimer + delay) {
      *remaining_time = FFMIN(frameTimer + delay - time, *remaining_time);
      break;
  }

  // 更新帧计时器
  frameTimer += delay;
  // 帧计时器落后当前时间超过了阈值，则用当前的时间作为帧计时器时间
  if (delay > 0 && time - frameTimer > AV_SYNC_THRESHOLD_MAX) {
      frameTimer = time;
  }
  播放业务逻辑   省略........

time为当前系统时间，对应到我们例子中也就是0.35s，frameTimer记录上一个vp的实际播放时间，在例子中vp2是在0.2s时播放，0.3s时也只是重复而已，所以frameTimer是0.2s，frameTimer + delay也还是0.2s，小于当前时间0.35s，所以不会进入break条件，直接进行后续的播放逻辑，直接播放也就达到我们最初设想的立即播放；当然后面的播放逻辑有丢包策略，这里就不阐述了

这只是一个视频时钟落后的例子，还有视频时钟超前的情况，按照上面分析举一反三即可