ffmpeg转码AAC音频时PTS不匹配及间歇性音频爆音问题咨询

1. 时间基转换累积误差 #

你观测到的PTS差值波动本质是浮点时长转整数时间基的舍入误差累积：

• AAC LC编码默认每个音频帧固定为1024采样点，44.1kHz采样率下单帧时长为 1024/44100 ≈ 0.02322s
• 你采用mpegts作为中间封装格式，默认音频时间基为1/90000，对应单帧PTS增量的理论值为 0.02322 * 90000 ≈ 2089.8，取整后标记为2089
• 每次取整损失的0.8个时间单位会逐帧累积，累积到足够抹平误差的阈值后就会通过调整单帧PTS增量补平，就出现了你观测到的多数帧差值为2070，每间隔几帧出现一个2160差值的规律。

2. 多级转码的PTS重计算逻辑 #

你采用了两级ffmpeg级联的转码结构，第二级ffmpeg默认不会复用输入的PTS，会根据音画同步逻辑重新生成PTS，叠加zerolatency参数禁用了帧缓存做平滑校正，进一步放大了PTS波动。

3. 封装格式适配引入的偏移 #

mpegts封装器默认会做PTS与PCR时钟的对齐调整，加上FLV封装时aac_adtstoasc比特流滤镜的处理逻辑，也会引入额外的PTS偏移。

• 固定音频采样率，不要使用aformat滤镜的双采样率兼容配置，明确指定与源文件一致的采样率，避免采样率切换引入的时长波动：

  -af "aformat=sample_rates=44100:channel_layouts=stereo"
  

• 第二级转码命令添加-copyts参数，强制复用输入流的原始PTS，禁止ffmpeg自动重计算PTS
• 第一级转码的mpegts输出参数添加-avoid_negative_ts make_zero，避免负PTS导致的封装偏移
• 优先优化转码架构，取消两级级联的结构，直接在单级ffmpeg中输出多路不同清晰度的FLV流，减少一次封装解封装的PTS转换环节
• 若保留级联结构，可在第一级音频编码参数中添加-frame_size 1024强制固定AAC帧长，同时添加-async 1开启严格音频同步模式，校正PTS与帧时长的匹配关系

修复后PTS增量会稳定在2089±1的误差范围内，播放器按固定增量推算后续帧位置时不会出现错位，即可解决爆音问题。

内容的提问来源于stack exchange，提问作者eca2ed291a2f572f66f4a5fcf57511