如何计算MPEG-1/2帧时长并解析RTP音频载荷参数

问题1：RTP载荷内MPEG-1/MPEG-2帧数量差异原因与帧信息提取方法 #

• 差异核心原因是摄像头的RTP打包适配策略，和MPEG版本本身的帧特性直接相关：
  • 监控场景常用的低码率MPEG-2 ADTS配置（多为8/11.025/12kHz采样率、8-32kbps码率）单音频帧尺寸极小，你遇到的72字节单帧就是典型配置下的帧大小。为了降低RTP+IP+以太网头的带宽开销，摄像头会把多个同时间戳的ADTS帧聚合打包，凑到144字节左右的低带宽最优载荷长度，避免IP分片。
  • MPEG-1音频的采样率最低为32kHz，同码率下单帧尺寸是MPEG-2低采样率配置的2-4倍，单帧大小普遍在130字节以上，已经接近144字节的打包阈值，因此不会做多帧聚合，直接单RTP包封装单帧。
• 帧大小、帧数量完全可以通过载荷内的固定比特位提取，不需要依赖144字节的固定包长假设。绝大多数监控摄像头的MPEG音频流遵循RFC2250封装规范，RTP载荷层没有专门的帧计数、长度字段，所有元信息都存储在每个ADTS帧自带的帧头中，提取逻辑如下：
  1. 先定位纯音频载荷起始位置：跳过12字节固定RTP头，若RTP头X位（扩展位）为1，再跳过对应长度的扩展头，剩余部分即为ADTS载荷起始点。
  2. 从载荷起始位置逐段解析ADTS头：
     • 每个ADTS帧起始位置是12bit固定同步字0xFFF，匹配到同步字即确认帧头起点
     • 读取帧头第30到42位（帧头起始偏移3字节处的低2位+后续连续11位），该字段为aac_frame_length，对应当前帧的总字节数（含ADTS头本身+音频载荷）
     • 从当前帧起点偏移aac_frame_length字节，即为下一个ADTS帧的起始位置，重复匹配同步字、读取帧长，直到遍历完整个RTP载荷，即可得到当前包内的总帧数、每帧的实际大小。

注意：不要用固定包长除以预估单帧大小的方式计算帧数，网络波动时摄像头会动态调整聚合帧数量，硬编码逻辑极易出现解析错位。你遇到的MPEG-2场景下2帧凑144字节只是特定码率下的巧合，不是通用规则。

问题2：MPEG-1场景下帧时长计算公式失效原因 #

你使用的time = 1/bitrate * framesize * 8公式成立的前提是「每帧编码的比特数完全固定，码率严格恒定」，这个前提仅在低采样率MPEG-2的特定监控配置下成立，在MPEG-1场景下不成立的核心原因有两个：

• MPEG音频的帧时长本质是由每帧承载的采样点数和采样率决定的固定值，和帧大小、标称码率没有线性关系。MPEG-1 Layer2/Layer3每帧固定承载1152个采样点，帧时长可直接通过1152 / 采样率计算，比如48kHz采样下固定为24ms，44.1kHz采样下固定约26.12ms，和单帧实际字节数无关。你之前在MPEG-2场景下公式计算准确，只是因为MPEG-2低采样率配置每帧固定承载576个采样点，且摄像头用了严格CBR编码，帧大小和时长刚好成线性比例，属于特殊场景下的巧合。
• MPEG-1音频支持比特池（bit reservoir）机制，哪怕是标称CBR的码流，相邻帧之间也会互相借用编码比特，单帧实际字节数会存在几字节到十几字节的波动，用字节数反推时长必然出现误差。

通用的帧时长计算方法不需要依赖码率和帧大小，直接从ADTS头读取MPEG版本、Layer层级、采样率索引后，按固定规则计算即可：

1. 确认每帧承载的采样点数：
   • MPEG-1 Layer1：每帧384个采样点
   • MPEG-1 Layer2/Layer3：每帧1152个采样点
   • MPEG-2/2.5全层级：每帧576个采样点
2. 代入固定公式计算：帧时长(秒) = 每帧采样点数 / 采样率(Hz)
   该方法对所有MPEG版本、所有码率配置均生效，不受单帧大小波动影响。

内容的提问来源于stack exchange，提问作者D.Caj