当前位置：首页 > news >正文

（十六）深入了解 AVFoundation - 编辑：音视频裁剪与拼接的Demo项目实现

news 来源：原创 2025/6/20 6:20:08

引言

在上一篇文章中，我们通过最基础的方式实现了视频的时间裁剪与多段拼接，了解了 AVFoundation 在处理音视频编辑时的强大能力。然而，如果将这些能力真正应用到实际项目中，我们很快就会发现 —— 简单的代码片段远远不够。

我们需要一个可维护、可扩展、可复用的系统：

如何组织多个视频或音频片段？
如何统一处理播放与导出？
如何将“剪辑结构”独立出来，方便后续添加滤镜、特效或转场？

为此，我构建了一个轻量、清晰的剪辑导出系统 Demo，基于 AVFoundation + 面向协议的架构设计，实现了基本的播放与导出功能，同时也为未来的功能扩展（如滤镜叠加、字幕合成、多轨编辑）留下了充足空间。

本篇文章将带你逐步拆解这个 Demo 的核心模块设计与实现，理解其中的架构思路与关键代码。无论你是希望做出一个短视频剪辑工具，还是只是想对 AVFoundation 有更深理解，相信这篇内容都能为你提供实用的参考。

一、系统结构概览

我们希望构建一个具备播放和导出能力的剪辑系统，并且具备良好的扩展性。因此，整个系统采用了协议驱动的分层架构，将核心功能划分为三个模块：

1. 媒体资源模型：PHMediaItem

用于描述每一段要参与编辑的音视频素材，是整个系统的输入单元。它抽象了素材的基本信息，如资源本体（AVAsset）和剪辑区间（CMTimeRange）。

派生类：

PHVideoItem：用于表示视频片段；
PHAudioItem：用于表示音频片段。

后续可以在这层添加视频音量、滤镜参数、速度调整等编辑信息。

2. 剪辑结构协议：PHComposition

定义了系统中最重要的两个能力：

makePlayableItem()：构建一个可直接用于 AVPlayer 播放的 AVPlayerItem；
makeExportSession(to:)：构建一个用于导出的 AVAssetExportSession 实例。

也就是说，所有的编辑结构（Composition）都需要实现“可播放”和“可导出”的能力。

我们提供了一个默认实现类 PHBasicComposition，用于构建最基础的时间线拼接结构（只做剪辑与拼接，不加特效）。

3. 构建器协议：PHCompositionBuilder

为了实现解耦，我们定义了一个构建器协议 PHCompositionBuilder，它的职责是根据媒体资源生成一个 PHComposition 实例：

protocol PHCompositionBuilder {func buildComposition() -> PHComposition
}

对应的默认实现是 PHBasicCompositionBuilder，它接收一个媒体时间线（PHTimeline）并构建出一个 PHBasicComposition。

通过这种结构划分，我们做到了：

职责清晰：每个类/协议只负责一件事；
解耦灵活：后续可以自由替换不同的 CompositionBuilder 或 Composition；
易于扩展：未来添加滤镜、转场、字幕、变速等功能时，只需要在对应模块中扩展即可，不影响系统其他部分。

接下来，我们将从输入模型 PHMediaItem 开始，一步步解析每个模块的实现方式和背后的设计考量。

二、PHMediaItem：统一的媒体资源描述

在音视频剪辑中，我们通常需要处理多个不同的媒体资源：视频、背景音乐、人声、效果音……

为了统一处理这些资源，系统中定义了一个基础模型类：PHMediaItem。

2.1 基类定义

class PHMediaItem {/// 资源标题，仅用于标识或调试var title: String?/// 媒体资源（视频或音频）var asset: AVAsset?/// 参与剪辑的时间范围（支持裁剪）var timeRange: CMTimeRange = .zero
}

这个类封装了编辑过程中需要关心的最核心信息：

asset 是原始媒体资源，可以来自本地视频、录音文件、照片 Live Photo 等；
timeRange 表示从这个资源中截取哪一段进行参与（默认为 .zero 可视为未设定）；
title 虽非必需，但便于调试或用于展示。

示例：我们可以定义一个视频资源，裁剪其第 3~8 秒参与拼接：

let videoItem = PHVideoItem()
videoItem.title = "开场动画"
videoItem.asset = AVAsset(url: url)
videoItem.timeRange = CMTimeRange(start: .seconds(3), duration: .seconds(5))

2.2 子类：视频和音频的区分

为了在后续组合中按类型添加到不同轨道（视频轨 / 音频轨），我们为 PHMediaItem 增加了两个空实现的子类：

/// 视频资源
class PHVideoItem: PHMediaItem {}/// 音频资源
class PHAudioItem: PHMediaItem {}

虽然目前这两个子类没有添加额外字段，但这样设计有以下优势：

✅ 类型明确：在处理时可通过类型判断来区分媒体轨道；
✅ 扩展空间大：后续可在 PHVideoItem 中加入滤镜、缩放、变速参数，在 PHAudioItem 中加入淡入淡出、音量、循环等；
✅ 逻辑隔离：不同媒体类型拥有自己的配置，代码结构更清晰。

三、PHComposition 协议：定义输出能力

在上一节中，我们定义了 PHMediaItem 作为统一的媒体输入模型。接下来要解决的问题是 —— 如何将这些媒体片段组合成一个可播放、可导出的作品？

为此，我们定义了一个关键协议：PHComposition。

3.1 协议定义

protocol PHComposition {/// 构建可用于 AVPlayer 播放的 AVPlayerItemfunc makePlayableItem() -> AVPlayerItem?/// 构建用于导出的 AVAssetExportSessionfunc makeExportSession(to outputURL: URL) -> AVAssetExportSession?
}

通过这个协议，我们明确约定了两个最核心的功能：

makePlayableItem()：将编辑结果转换成 AVPlayerItem，用于实时预览；
makeExportSession(to:)：生成一个可执行导出的 AVAssetExportSession，并可指定输出地址。

这两个接口成为整个系统向“用户端”输出的唯一窗口。

3.2 默认实现：PHBaseComposition

class PHBaseComposition: NSObject, PHComposition {private let composition: AVMutableCompositioninit(compostion: AVMutableComposition) {self.composition = compostion}func makePlayableItem() -> AVPlayerItem? {return AVPlayerItem(asset: composition)}func makeExportSession(to outputURL: URL) -> AVAssetExportSession? {let session = AVAssetExportSession(asset: composition, presetName: AVAssetExportPresetHighestQuality)session?.outputURL = outputURLsession?.outputFileType = .mp4return session}
}

该实现类接收一个已拼接好的 AVMutableComposition 实例，并通过封装提供标准的播放和导出接口。

后续如需实现滤镜、水印等特殊效果，可扩展新的 PHComposition 实现类，保持输出接口不变。

3.3 接口的好处

定义 PHComposition 协议而非直接暴露 AVMutableComposition 有三大优势：

✅ 封装稳定输出接口：无论后端结构如何变化，播放与导出接口始终一致；
✅ 便于扩展和替换：后续可以实现多个 PHComposition，用于不同场景（如特效视频、转场合成等）；
✅ 更好的测试与解耦：调用端无需关心内部轨道结构，只需使用协议即可完成播放或导出。

四、PHCompositionBuilder：组合器的实现与职责

在结构上，PHMediaItem 是输入，PHComposition 是输出，而中间这一步——如何将素材拼接起来，恰恰由 组合器（Builder） 负责完成。

4.1 协议定义

我们为组合逻辑定义了一个协议 PHCompositionBuilder：

protocol PHCompositionBuilder {/// 构建出最终的 Composition 实例func buildComposition() -> PHComposition?
}

这个协议的职责非常单一：根据一组素材，输出一个可播放 / 可导出的剪辑结构。

4.2 默认实现：PHBaseCompositionBuilder

我们在 Demo 中提供了一个默认实现类：PHBaseCompositionBuilder，用于实现基础的“顺序拼接”功能。

class PHBaseCompositionBuilder: NSObject, PHCompositionBuilder {/// 输入时间线（含视频、音频资源）var timeLine: PHTimeLine/// 内部组合结果private var composition = AVMutableComposition()init(timeLine: PHTimeLine) {self.timeLine = timeLine}func buildComposition() -> PHComposition? {// 添加视频轨道addCompositionTrack(mediaType: .video, mediaItems: timeLine.videoItmes)// 添加音频轨道addCompositionTrack(mediaType: .audio, mediaItems: timeLine.audioItems)return PHBaseComposition(compostion: self.composition)}
}

4.3 核心拼接逻辑：addCompositionTrack

private func addCompositionTrack(mediaType: AVMediaType, mediaItems: [PHMediaItem]?) {guard let mediaItems = mediaItems, !mediaItems.isEmpty else { return }guard let compositionTrack = composition.addMutableTrack(withMediaType: mediaType,preferredTrackID: kCMPersistentTrackID_Invalid) else { return }var cursorTime = CMTime.zerofor item in mediaItems {guard let asset = item.asset,let assetTrack = asset.tracks(withMediaType: mediaType).first else { continue }do {try compositionTrack.insertTimeRange(item.timeRange, of: assetTrack, at: cursorTime)} catch {print("insert error: \(error)")}// 累加时间：顺序拼接cursorTime = CMTimeAdd(cursorTime, item.timeRange.duration)}
}

这个方法的逻辑非常清晰：

依次读取每个素材的剪辑区间；
将其插入到对应轨道的时间线上；
按顺序向后推进，完成“顺序拼接”。

4.4 时间线：PHTimeLine 的作用

为了结构清晰，我们在 PHBaseCompositionBuilder 中引入了一个时间线模型 PHTimeLine：

class PHTimeLine: NSObject {/// 视频资源数组var videoItmes = [PHVideoItem]()/// 音频资源数组var audioItems = [PHAudioItem]()}

将所有素材归类管理，并作为构建器的输入源。这样可以做到：

素材集中管理，类型清晰分离；
方便后期做 UI 拖拽编辑；
利于时间线可视化、序列化保存等扩展需求。

至此，我们完成了从媒体素材到最终合成结构的关键路径：

PHTimeLine → PHCompositionBuilder → PHComposition

整个流程封装清晰、职责明确，便于后续功能迭代和结构扩展。

五、PHComposition 的播放与导出

前几节中我们通过 PHCompositionBuilder 构建出了一个符合 PHComposition 协议的实例。在这个协议中，我们预留了两个至关重要的接口：

protocol PHComposition {func makePlayableItem() -> AVPlayerItem?func makeExportSession(to outputURL: URL) -> AVAssetExportSession?
}

这一节将分别说明这两个方法的使用方式，以及它们在项目中的实际意义。

5.1 播放：makePlayableItem

播放功能是我们最常用于预览剪辑结果的形式，makePlayableItem() 方法返回一个标准的 AVPlayerItem，可以直接交给 AVPlayer 使用。

示例用法：

if let playerItem = composition.makePlayableItem() {let player = AVPlayer(playerItem: playerItem)player.play()
}

这种方式适合：

实时预览剪辑效果；
为用户提供拖拽时间线后的反馈；
播放拼接完成但未导出的临时作品。

5.2 导出：makeExportSession

最终如果用户希望将编辑结果保存为一个完整的视频文件，我们就要使用 makeExportSession(to:) 方法，返回一个 AVAssetExportSession 实例：

示例用法：

if let exportSession = composition.makeExportSession(to: outputURL) {exportSession.exportAsynchronously {switch exportSession.status {case .completed:print("导出完成：\(outputURL)")case .failed:print("导出失败：\(exportSession.error?.localizedDescription ?? "未知错误")")default:break}}
}

默认实现中我们使用的导出配置是：

AVAssetExportPresetHighestQuality

输出格式则设为 .mp4，适配性和播放兼容性都很好。你也可以根据需求自定义导出配置，例如压缩、转码为 HEVC 等。

5.3 为什么封装成协议？

将播放和导出都封装进 PHComposition 的协议，有如下优势：

统一使用接口：无论底层是怎样实现的剪辑逻辑（视频拼接 / 多轨混合 / 特效渲染），调用层始终只关心这两个输出；
拓展性好：未来可实现更多 PHComposition 子类，如 PHFilterComposition、PHTransitionComposition 等，实现滤镜/转场逻辑但仍复用相同播放与导出方式；
利于解耦和测试：开发中可以随时替换不同组合实现进行测试，而不影响使用逻辑。