如何使用AVFoundation或CoreAudio录制精确帧长的音视频以适配音乐类应用需求

完全可以通过AVCaptureVideoDataOutput配合Core Audio的底层方案达成需求，精度远高于现有后裁剪方案，可实现零启动延迟、帧精度无误差的录制效果。

实现步骤 #

• 预计算基准数值：先根据用户选择的BPM、拍号、小节数计算出目标总时长，再换算为对应视频帧率的总帧数、以及音频采样率（推荐用48kHz标准音乐采样率）的总采样点数，这两个数值作为启停的唯一基准，不依赖任何系统定时器。
• 替换采集层：放弃AVCaptureMovieFileOutput，改用AVCaptureVideoDataOutput + AVCaptureAudioDataOutput分别采集原始视频帧、音频样本，上层可完全自主控制采集的启停边界。
• 对齐起始点：用Core Audio的AVAudioEngine或AudioToolbox框架播放节拍器，在音频渲染回调中标记倒计时最后一拍的结束采样点，从该采样点开始正式计数音频样本，同步匹配对应时间戳的第一帧视频作为录制起始帧，从根源上避免采集启动延迟。
• 精准停止：采集过程中分别计数有效视频帧数量、音频采样点数量，二者任意一个触达预计算的阈值时就停止采集，后续的音视频数据直接丢弃。
• 写入封装：使用AVAssetWriter写入音视频数据，写入时可以自主控制每一个CMSampleBuffer的时间戳，确保最终输出文件的总时长完全匹配预计算值，不存在一帧误差。

关键避坑点 #

• 禁止用NSTimer、dispatch_after等软定时器控制启停，这类定时器的误差普遍在10ms以上，完全无法满足音乐创作的精度要求，所有启停逻辑必须放在音视频的采集回调中执行。
• 提前预热采集会话：用户点击录制按钮后先启动AVCaptureSession，等连续收到3~5帧稳定视频帧、音频采集回调正常触发后再开始播放倒计时，避免采集会话的初始化延迟影响起始点对齐。
• 音视频时间戳要严格绑定：录制过程中如果出现丢帧情况，不要补帧，直接保留对应的时间戳间隙，避免后续音画不同步。

该方案生成的视频不需要后期裁剪，也不会出现任何节拍偏移，完全适配音乐创作的场景要求。

内容的提问来源于stack exchange，提问作者Mouradif