企业官网建设流程全解析

MP4（ISO/IEC 14496‑14）基于 ISO 基础媒体文件格式（ISOBMFF，ISO/IEC 14496‑12），整体由Box（或 Atom）嵌套构成，所有数据均封装在 Box 内，无游离数据。

一、Box 基础结构（核心单元）

每个 Box 遵循统一头格式，字节序为大端（Big‑Endian），分为普通 Box 与 Full Box（带版本/标志扩展）。

1. 普通 Box 头

2. Full Box（Box 的扩展）

在普通 Box 头后增加：

• version（1 字节）：格式版本
• flags（3 字节）：功能标志位
  常见于mvhd、tkhd等核心元数据 Box。

二、根级核心 Box（必选/关键）

根层级 Box 按功能分为三类，必须以ftyp开头，其余顺序可灵活调整（但moov前置可实现“快速启动”）。

1. ftyp（File Type Box，必选）

• 作用：标识文件类型与兼容性，是 MP4 的“身份证”
• 结构：

  size(4)+type(4, 'ftyp')+major_brand(4)+minor_version(4)+compatible_brands(n*4)

• 示例：major_brand=mp42表示兼容 MPEG‑4 Part 14；compatible_brands列出支持的品牌（如isom、avc1）。

2. moov（Movie Box，必选，容器 Box）

• 作用：存储媒体元数据（时长、轨道、编码、时间戳映射等），是 MP4 的“索引目录”
• 典型子 Box 结构：

  moov ├─ mvhd（Movie Header Box，必选）：全局媒体信息（创建时间、时长、时间尺度） ├─ trak（Track Box，至少 1 个）：单个轨道（视频/音频/字幕） │ ├─ tkhd（Track Header Box）：轨道头（ID、时长、分辨率、音量） │ ├─ mdia（Media Box）：媒体信息容器 │ │ ├─ mdhd（Media Header Box）：媒体时间尺度、时长 │ │ ├─ hdlr（Handler Reference Box）：轨道类型（video/audio） │ │ └─ minf（Media Information Box）：媒体编码与采样信息 │ │ ├─ vmhd/smhd（Video/Audio Media Header）：音视频专属头 │ │ ├─ dinf（Data Information Box）：数据存储位置 │ │ └─ stbl（Sample Table Box，核心）：采样表（帧索引） │ │ ├─ stsd（Sample Description）：编码参数（如 H.264 SPS/PPS、AAC 配置） │ │ ├─ stts（Time‑to‑Sample）：时间戳→采样映射 │ │ ├─ stsc（Sample‑to‑Chunk）：采样→数据块映射 │ │ ├─ stsz（Sample Sizes）：每个采样的字节数 │ │ └─ stco/co64（Chunk Offsets）：数据块在文件中的偏移量 └─ udta（User Data Box，可选）：自定义元数据（标题、作者、封面）

• 关键：stbl子 Box 决定如何从mdat中定位并解码每一帧数据。

3. mdat（Media Data Box，可选，可多个）

• 作用：存储原始媒体数据（视频帧、音频帧），是 MP4 的“数据仓库”
• 结构：size+type('mdat')+媒体字节流
• 特点：
  • 数据无结构，完全由moov中的stbl描述
  • 可通过stco/co64定位到帧的偏移量与长度
  • 支持“外部引用”（无mdat，数据来自其他文件）。

4. 其他常见根 Box

• free/skip：填充/预留空间，不影响播放
• meta：扩展元数据（如章节、封面）。

三、关键设计细节与机制

1. 容器 Box vs 叶子 Box

• 容器 Box：可嵌套子 Box（如moov、trak、mdia），负责组织元数据结构
• 叶子 Box：直接存储数据（如mdat、mvhd），无嵌套。

2. 时间尺度与时间戳映射

• mvhd/mdhd中的timescale定义“1 秒包含的时间单位数”（如timescale=90000对应 90kHz）
• stts将采样时间戳（单位：timescale）映射为实际播放时间
• 示例：timescale=90000，采样时间戳180000→ 播放时间2秒。

3. 快速启动（Fast Start）

• 默认moov在mdat之后，播放器需读取到文件末尾才能开始播放
• 将moov移到mdat之前（如用ffmpeg -movflags faststart），播放器可立即解析元数据并启动播放，适合网络分发。

4. 64 位扩展

• 当 Box 长度超过 4GB 时，size=1并启用largesize（8 字节）
• co64替代stco存储 64 位偏移量，支持超大文件。

四、典型文件结构示例

[ftyp] → [moov] → [mdat] 或 [ftyp] → [free] → [mdat] → [moov]

• ftyp：固定开头，标识格式
• moov：元数据，决定播放逻辑
• mdat：音视频帧，占文件体积 90%+。

五、常见问题与解析要点

1. 文件损坏：moov丢失或stbl错误会导致无法播放，需修复索引
2. 多音轨/字幕：通过多个trak实现，每个trak对应独立的stbl
3. H.264/HEVC 编码适配：stsd中存储avcC/hvcC结构，包含 SPS/PPS/VPS 等编码参数。

六、实用工具与命令

• 查看 Box 结构：mp4box -info input.mp4或ffprobe -show_streams -show_format input.mp4
• 快速启动优化：ffmpeg -i input.mp4 -c copy -movflags faststart output.mp4
• 提取 Box：dd if=input.mp4 of=moov.box skip=$offset count=$size（需先解析moov偏移与长度）。