FFmpeg 核心 API 系列：音频重采样 SwrContext 完全指南（新API版本）

FFmpeg 核心 API 系列：音频重采样 SwrContext 完全指南（新API版本）
📅 更新时间：2025年10月18日
🏷️ 标签：FFmpeg | 多媒体处理 | 音视频编程 | C/C++ | 音频处理 | 重采样

---

📖 前言

回顾前四个阶段，我们已经能够：

• 阶段一：打开文件 → 得到 AVFormatContext 和 AVStream
• 阶段二：查找解码器 → 配置并打开 AVCodecContext
• 阶段三：读取并解码 → 得到音视频 AVFrame
• 阶段四：视频格式转换 → YUV 转 RGB（使用 SwsContext）

现在我们已经能处理视频了，但音频呢？解码出来的音频帧格式通常不能直接播放！就像视频需要从YUV转RGB一样，音频也需要格式转换。

本阶段的核心任务：

解码后的音频帧（AVFrame）→ 格式转换（SwrContext）→ PCM数据 → 播放或保存

这就是音频播放的关键一步！

---

🎯 为什么需要音频重采样？

1. 音频的三大属性

在理解重采样之前，先搞清楚音频的三大核心属性：

📊 采样率（Sample Rate）

定义：每秒采样的次数

常见值：

• 44100 Hz - CD音质标准
• 48000 Hz - 专业音频标准
• 16000 Hz - 语音通话
• 8000 Hz - 电话质量

类比：就像视频的帧率，采样率越高，音质越好

---

📊 采样格式（Sample Format）

定义：每个采样点的数据类型和存储方式

常见格式：

格式	数据类型	每采样字节数	存储方式	说明
AV_SAMPLE_FMT_S16	16位整数	2	Packed	交错存储
AV_SAMPLE_FMT_S16P	16位整数	2	Planar	平面存储
AV_SAMPLE_FMT_FLT	32位浮点	4	Packed	交错存储
AV_SAMPLE_FMT_FLTP	32位浮点	4	Planar	最常见

---

📊 声道数（Channels）

定义：音频的声道数量

常见配置：

• 1 - 单声道（Mono）
• 2 - 立体声（Stereo）
• 6 - 5.1环绕声

---

2. Planar vs Packed（重要概念！）

这是音频处理中最容易混淆的概念：

Packed（交错格式）

左右声道数据交错存储在一起：
[L1][R1][L2][R2][L3][R3]...存储位置：frame->data[0]（只用一个平面）

Planar（平面格式）

左右声道数据分开存储：
左声道：[L1][L2][L3][L4]... → frame->data[0]
右声道：[R1][R2][R3][R4]... → frame->data[1]存储位置：每个声道一个平面

为什么需要转换？

FFmpeg解码输出 → 通常是 FLTP（浮点数Planar）↓需要转换↓
音频设备播放 → 需要 S16（整数Packed）

不转换的后果：

• 直接播放会有噪音或无声
• 声道错乱
• 播放速度异常

---

3. 音频转换对比表

转换类型	示例	用途
采样率转换	48000Hz → 44100Hz	适配播放设备
格式转换	FLTP → S16	从浮点转整数
声道转换	立体声 → 单声道	节省带宽
存储方式转换	Planar → Packed	适配播放API

---

🔧 核心 API 详解（新版）

API 1️⃣：swr_alloc - 创建音频转换器

函数原型

struct SwrContext* swr_alloc(void);

参数说明

• 无参数

返回值

• 成功：返回 SwrContext* 指针
• 失败：返回 NULL

作用

创建一个空的音频转换器对象，类似于视频转换中的 SwsContext。

基本用法

SwrContext* swr_ctx = swr_alloc();
if(!swr_ctx) {qDebug() << "创建SwrContext失败";return -1;
}
qDebug() << "创建SwrContext成功";

关键要点

1. 只是创建空对象：还需要用后续API设置参数！！！
2. 不能直接使用：必须调用 swr_init() 初始化后才能用
3. 只需创建一次：可以重复用于多帧转换

---

API 2️⃣：av_opt_set_int - 设置整数选项

函数原型

int av_opt_set_int(void *obj, const char *name, int64_t val, int search_flags);

参数说明

参数	说明	常用值
obj	要设置的对象	swr_ctx
name	选项名称	"in_sample_rate" / "out_sample_rate"
val	要设置的值	采样率（如 44100）
search_flags	搜索标志	0（默认）

返回值

• 成功：>= 0
• 失败：< 0（负数错误码）

作用

设置整数类型的音频参数，主要用于设置采样率！！！

基本用法

// 设置输入采样率（从解码器获取）
av_opt_set_int(swr_ctx, "in_sample_rate", audio_ctx->sample_rate, 0);// 设置输出采样率（目标值）
av_opt_set_int(swr_ctx, "out_sample_rate", 44100, 0);

关键要点

1. 输入采样率来源：从 audio_ctx->sample_rate 获取
2. 输出采样率选择：常用 44100 或 48000
3. 顺序无关：先设置输入还是输出都可以

---

API 3️⃣：av_opt_set_sample_fmt - 设置采样格式

函数原型

int av_opt_set_sample_fmt(void *obj, const char *name, enum AVSampleFormat fmt, int search_flags);

参数说明

参数	说明	常用值
obj	要设置的对象	swr_ctx
name	选项名称	"in_sample_fmt" / "out_sample_fmt"
fmt	采样格式	AV_SAMPLE_FMT_S16 等
search_flags	搜索标志	0

返回值

• 成功：>= 0
• 失败：< 0

作用

设置音频的采样格式（整数/浮点、Planar/Packed）。

基本用法

// 设置输入格式（从解码器获取）
av_opt_set_sample_fmt(swr_ctx, "in_sample_fmt", audio_ctx->sample_fmt, 0);// 设置输出格式（S16是最常用的播放格式）
av_opt_set_sample_fmt(swr_ctx, "out_sample_fmt", AV_SAMPLE_FMT_S16, 0);

常用采样格式表

格式常量	说明	适用场景
AV_SAMPLE_FMT_S16	16位整数Packed	播放器输出
AV_SAMPLE_FMT_S16P	16位整数Planar	音频处理
AV_SAMPLE_FMT_FLTP	32位浮点Planar	解码器常见输出
AV_SAMPLE_FMT_FLT	32位浮点Packed	音频处理

⚠️ 重要注意事项

采样格式必须从解码器上下文获取，不能从流参数获取！

// ❌ 错误：从流参数获取
av_opt_set_sample_fmt(swr_ctx, "in_sample_fmt", (AVSampleFormat)audio_stream->codecpar->format, 0);  // 可能不准确// ✅ 正确：从解码器上下文获取
av_opt_set_sample_fmt(swr_ctx, "in_sample_fmt", audio_ctx->sample_fmt, 0);  // 准确的格式

原因：

• audio_stream->codecpar->format 是文件中存储的格式
• audio_ctx->sample_fmt 是解码器实际输出的格式
• 解码器可能会转换格式！

---

API 4️⃣：av_opt_set_chlayout - 设置声道布局

函数原型

int av_opt_set_chlayout(void *obj, const char *name, const AVChannelLayout *layout, int search_flags);

参数说明

参数	说明	常用值
obj	要设置的对象	swr_ctx
name	选项名称	"in_chlayout" / "out_chlayout"
layout	声道布局指针	&audio_ctx->ch_layout
search_flags	搜索标志	0

返回值

• 成功：>= 0
• 失败：< 0

作用

设置音频的声道布局（单声道、立体声、环绕声等）。

基本用法

// 设置输入声道布局（从解码器获取）
av_opt_set_chlayout(swr_ctx, "in_chlayout", &audio_ctx->ch_layout, 0);// 设置输出声道布局（立体声）
AVChannelLayout out_layout = AV_CHANNEL_LAYOUT_STEREO;
av_opt_set_chlayout(swr_ctx, "out_chlayout", &out_layout, 0);// 或者单声道
AVChannelLayout out_layout = AV_CHANNEL_LAYOUT_MONO;
av_opt_set_chlayout(swr_ctx, "out_chlayout", &out_layout, 0);

常用声道布局

常量	声道数	说明
AV_CHANNEL_LAYOUT_MONO	1	单声道
AV_CHANNEL_LAYOUT_STEREO	2	立体声（最常用）
AV_CHANNEL_LAYOUT_5POINT1	6	5.1环绕声

如何获取声道数

// 从声道布局获取声道数
int channels = audio_ctx->ch_layout.nb_channels;
qDebug() << "声道数:" << channels;

---

API 5️⃣：swr_init - 初始化转换器

函数原型

int swr_init(struct SwrContext *s);

参数说明

参数	说明
s	SwrContext指针

返回值

• 成功：0
• 失败：< 0（负数错误码）

作用

初始化SwrContext，让之前设置的参数生效。

基本用法

int result = swr_init(swr_ctx);
if(result < 0) {qDebug() << "SwrContext初始化失败";return -1;
}
qDebug() << "SwrContext初始化成功";

⚠️ 关键要点

1. 必须调用：不调用无法使用转换器！！！！
2. 调用时机：所有参数设置完成后
3. 只需调用一次：初始化后可重复使用
4. 相当于"确认配置"：就像按下"应用"按钮

错误示例：

SwrContext* swr_ctx = swr_alloc();
av_opt_set_int(swr_ctx, "in_sample_rate", 48000, 0);
// 忘记调用 swr_init()
swr_convert(swr_ctx, ...);  // ❌ 会失败或崩溃

---

API 6️⃣：av_rescale_rnd - 计算输出采样数

函数原型

int64_t av_rescale_rnd(int64_t a, int64_t b, int64_t c, enum AVRounding rnd);

参数说明

参数	说明	含义
a	输入值	输入采样数
b	乘数	输出采样率
c	除数	输入采样率
rnd	取整方式	AV_ROUND_UP

返回值

• 计算结果：(a * b) / c

作用

计算采样率变化后的输出采样数。

为什么需要这个函数？

原因：采样率变化时，采样数也要相应变化！

示例：

输入：1024个采样，48000Hz
输出：?个采样，44100Hz计算：1024 * 44100 / 48000 = 941个采样

基本用法

// 计算输出采样数
int out_samples = av_rescale_rnd(frame->nb_samples,              // 输入采样数44100,                          // 输出采样率audio_ctx->sample_rate,         // 输入采样率AV_ROUND_UP                     // 向上取整
);qDebug() << "输入" << frame->nb_samples << "采样";
qDebug() << "输出" << out_samples << "采样";

取整方式

常量	说明	适用场景
AV_ROUND_UP	向上取整	分配缓冲区（推荐）
AV_ROUND_DOWN	向下取整	精确计算
AV_ROUND_ZERO	向零取整	一般不用

为什么用 AV_ROUND_UP？

• 分配缓冲区时，宁可多分配一点
• 避免缓冲区不够导致崩溃！！！

---

API 7️⃣：av_samples_alloc_array_and_samples - 分配音频缓冲区

函数原型

int av_samples_alloc_array_and_samples(uint8_t ***audio_data,          // 输出：缓冲区指针数组int *linesize,                  // 输出：每个平面的大小int nb_channels,                // 声道数int nb_samples,                 // 采样数enum AVSampleFormat sample_fmt, // 采样格式int align                       // 对齐字节数
);

参数说明

参数	说明	常用值
audio_data	指向指针数组的指针（三级指针）	&out_data
linesize	输出每个平面的字节大小	&out_linesize
nb_channels	声道数	1（单声道）或 2（立体声）
nb_samples	采样数	av_rescale_rnd() 计算的值
sample_fmt	采样格式	AV_SAMPLE_FMT_S16
align	内存对齐	0（默认）

返回值

• 成功：返回分配的总字节数
• 失败：< 0（负数错误码）

作用

一次性分配音频数据缓冲区，自动处理Planar/Packed格式。

基本用法

uint8_t** out_data = nullptr;
int out_linesize = 0;int ret = av_samples_alloc_array_and_samples(&out_data,                      // 注意是 &out_data&out_linesize,2,                              // 2声道（立体声）out_samples,                    // 采样数AV_SAMPLE_FMT_S16,             // S16格式0                               // 默认对齐
);if(ret < 0) {qDebug() << "分配音频缓冲区失败";return -1;
}
qDebug() << "分配了" << ret << "字节缓冲区";

这个函数做了什么？

1. 分配 audio_data 数组（指针数组）
2. 分配实际的音频数据内存
3. 自动计算需要的内存大小
4. 处理Planar/Packed格式的差异Packed格式（如S16）：- 只有 out_data[0] 有数据- 所有声道交错存储在一起Planar格式（如S16P）：- out_data[0] 存第一声道- out_data[1] 存第二声道

⚠️ 内存释放注意

// 使用完后必须释放
if(out_data) {av_freep(&out_data[0]);  // 释放数据av_freep(&out_data);     // 释放指针数组
}

---

API 8️⃣：swr_convert - 执行音频转换

函数原型

int swr_convert(struct SwrContext *s,       // 转换器上下文uint8_t **out,              // 输出缓冲区int out_count,              // 输出缓冲区能容纳的采样数const uint8_t **in,         // 输入数据int in_count                // 输入采样数
);

参数说明

参数	说明	常用值
s	SwrContext指针	swr_ctx
out	输出缓冲区	out_data
out_count	输出缓冲区容量（采样数）	out_samples
in	输入数据	(const uint8_t**)frame->data
in_count	输入采样数	frame->nb_samples

返回值

• 成功：返回实际输出的采样数
• 失败：< 0（负数错误码）

作用

执行音频格式转换，是整个重采样的核心函数。

基本用法

int converted_samples = swr_convert(swr_ctx,                        // 转换器out_data,                       // 输出到这里out_samples,                    // 输出容量(const uint8_t**)frame->data,   // 输入数据frame->nb_samples               // 输入采样数
);if(converted_samples < 0) {qDebug() << "音频转换失败";
} else {qDebug() << "转换了" << converted_samples << "个采样";
}

关键要点

1. 返回值是采样数：不是字节数！
2. 输出采样数可能不同：因为采样率可能变化
3. 可以多次调用：同一个转换器可以重复使用
4. 输入数据来自AVFrame：frame->data 和 frame->nb_samples

转换过程示意

输入AVFrame：- 48000Hz- FLTP格式（浮点Planar）- 1024个采样- 2声道↓swr_convert↓
输出PCM数据：- 44100Hz- S16格式（整数Packed）- 941个采样- 2声道

---

API 9️⃣：av_samples_get_buffer_size - 计算数据字节数

函数原型

int av_samples_get_buffer_size(int *linesize,              // 输出：每行大小（可填NULL）int nb_channels,            // 声道数int nb_samples,             // 采样数enum AVSampleFormat sample_fmt, // 采样格式int align                   // 对齐
);

参数说明

参数	说明	常用值
linesize	输出每行字节数	nullptr（不需要）
nb_channels	声道数	2
nb_samples	采样数	converted_samples
sample_fmt	采样格式	AV_SAMPLE_FMT_S16
align	对齐	1（不对齐）

返回值

• 成功：返回总字节数
• 失败：< 0

作用

计算音频数据占用的字节数，用于写入文件或播放。

基本用法

// 计算转换后的数据大小（字节）
int data_size = av_samples_get_buffer_size(nullptr,                    // 不需要linesize2,                          // 2声道converted_samples,          // 转换后的采样数AV_SAMPLE_FMT_S16,         // S16格式1                           // 不对齐
);qDebug() << "数据大小:" << data_size << "字节";// 写入文件
fwrite(out_data[0], 1, data_size, pcm_file);

计算公式

S16格式（2字节/采样）：

总字节数 = 声道数 × 采样数 × 2

示例：

// 2声道，1024采样，S16格式
data_size = 2 × 1024 × 2 = 4096字节

快速计算方法

如果你知道格式，也可以手动计算：

// 方法1：使用API（推荐，自动处理对齐）
int size = av_samples_get_buffer_size(nullptr, 2, 1024, AV_SAMPLE_FMT_S16, 1);// 方法2：手动计算（简单场景）
int size = 2 * 1024 * 2;  // 声道数 × 采样数 × 字节/采样

推荐使用API，因为它会自动处理：

• 不同格式的字节数
• 内存对齐
• Planar/Packed差异

---

API 🔟：swr_free - 释放转换器

函数原型

void swr_free(struct SwrContext **s);

参数说明

参数	说明
s	SwrContext指针的指针（二级指针）

返回值

• 无返回值

作用

释放SwrContext及其内部资源。

基本用法

swr_free(&swr_ctx);
// 之后 swr_ctx 会变成 NULL

关键要点

1. 传入二级指针：&swr_ctx，不是 swr_ctx
2. 自动置NULL：释放后指针会被设为NULL
3. 调用时机：程序结束前调用
4. 必须调用：避免内存泄漏

---

🔄 完整转换流程

标准流程图

┌─────────────────────┐
│  打开文件和解码器   │  ← 阶段一、二
└──────────┬──────────┘↓
┌─────────────────────┐
│   swr_alloc()       │  ← 创建转换器
└──────────┬──────────┘↓
┌─────────────────────┐
│ av_opt_set_int()    │  ← 设置采样率
│ av_opt_set_sample_fmt│  ← 设置采样格式
│ av_opt_set_chlayout()│  ← 设置声道布局
└──────────┬──────────┘↓
┌─────────────────────┐
│   swr_init()        │  ← 初始化（必须！）
└──────────┬──────────┘↓┌────────┐┌──│  循环  │──┐│  └────────┘  ││      ↓       ││ ┌─────────────────────┐│ │  av_read_frame()    │  ← 读取packet│ └──────────┬──────────┘│            ↓│ ┌─────────────────────┐│ │ avcodec_send_packet │  ← 发送给解码器│ │avcodec_receive_frame│  ← 接收frame│ └──────────┬──────────┘│            ↓│ ┌─────────────────────┐│ │ av_rescale_rnd()    │  ← 计算输出采样数│ └──────────┬──────────┘│            ↓│ ┌─────────────────────┐│ │av_samples_alloc_... │  ← 分配输出缓冲区│ └──────────┬──────────┘│            ↓│ ┌─────────────────────┐│ │   swr_convert()     │  ← 执行转换│ └──────────┬──────────┘│            ↓│ ┌─────────────────────┐│ │av_samples_get_buffer│  ← 计算字节数│ │      fwrite()       │  ← 写入文件│ └──────────┬──────────┘│            ↓│ ┌─────────────────────┐│ │   av_freep()        │  ← 释放缓冲区│ │   av_frame_unref()  │  ← 释放frame引用│ └──────────┬──────────┘│            ↓└────────────┘↓
┌─────────────────────┐
│   swr_free()        │  ← 释放转换器
│  释放其他资源       │
└─────────────────────┘

---

💻 完整示例代码

目标：打开视频文件，解码音频流，转换为PCM格式并保存

#include "mainwindow.h"
#include<QDebug>
#include <QApplication>
#include<stdio.h>extern "C"{
#include<libavformat/avformat.h>
#include <libavcodec/avcodec.h>
#include <libavutil/avutil.h>
#include <libswscale/swscale.h>
#include <libavutil/imgutils.h>
#include <libavutil/opt.h>
#include <libswresample/swresample.h>
#include <libavutil/samplefmt.h>
#include <libavutil/channel_layout.h>
}int result=0;int main()
{QString path="D:/桌面/视频录制/搞笑生气猫_爱给网_aigei_com.mp4";// ========== 阶段一：打开文件 ==========AVFormatContext* avfmctx=nullptr;result=avformat_open_input(&avfmctx,path.toUtf8().data(),nullptr,nullptr);if(result<0){qDebug()<<"avformat_open_input is error";return 0;}qDebug()<<"avformat_open_input is success";// ========== 阶段二：找音频流 ==========result=av_find_best_stream(avfmctx,AVMEDIA_TYPE_AUDIO,-1,-1,NULL,0);if(result<0){qDebug()<<"av_find_best_stream is error";return 0;}qDebug()<<"av_find_best_stream is success";int Audio_index=result;AVStream * Audio_stream=avfmctx->streams[Audio_index];qDebug()<<"this Audio_stream index is "<<Audio_index;// ========== 阶段三：打开解码器 ==========const AVCodec* decodec=avcodec_find_decoder(Audio_stream->codecpar->codec_id);if(!decodec){qDebug()<<"decodec is not find";return 0;}qDebug()<<"decodec is find, name is "<<decodec->name;// 给解码器分配上下文AVCodecContext* avcodec_ctx=avcodec_alloc_context3(decodec);result=avcodec_parameters_to_context(avcodec_ctx,Audio_stream->codecpar);if(result<0){qDebug()<<"avcodec_parameters_to_context is error";return 0;}qDebug()<<"avcodec_parameters_to_context is success";// 打开解码器result=avcodec_open2(avcodec_ctx,decodec,nullptr);if(result<0){qDebug()<<"avcodec_open2 is error";return 0;}qDebug()<<"avcodec_open2 is success";// ========== 打印音频信息 ==========qDebug()<<"音频流信息---------";qDebug()<<"采样率:"<<Audio_stream->codecpar->sample_rate;qDebug()<<"声道数:"<<Audio_stream->codecpar->ch_layout.nb_channels;// ⚠️ 注意：采样格式要从解码器上下文获取，不是从流参数！qDebug()<<"采样格式:"<<av_get_sample_fmt_name(avcodec_ctx->sample_fmt);// ========== 阶段五：创建SwrContext（新API）==========SwrContext* swr_ctx=swr_alloc();if(!swr_ctx){qDebug()<<"创建一个空SwrContext失败";return 0;}qDebug()<<"创建一个空SwrContext成功";// 采样率设置av_opt_set_int(swr_ctx, "in_sample_rate", Audio_stream->codecpar->sample_rate, 0);av_opt_set_int(swr_ctx, "out_sample_rate", 44100, 0);  // 输出：44.1kHz// 采样格式设置// ⚠️ 重要：必须从解码器上下文获取，不是从流参数！av_opt_set_sample_fmt(swr_ctx, "in_sample_fmt", avcodec_ctx->sample_fmt, 0);av_opt_set_sample_fmt(swr_ctx, "out_sample_fmt", AV_SAMPLE_FMT_S16, 0);  // 输出：16位整数// 声道布局设置AVChannelLayout out_layout = AV_CHANNEL_LAYOUT_MONO;    // 输出：单声道av_opt_set_chlayout(swr_ctx, "in_chlayout", &Audio_stream->codecpar->ch_layout, 0);av_opt_set_chlayout(swr_ctx, "out_chlayout", &out_layout, 0);// 初始化（必须调用！）result=swr_init(swr_ctx);if(result<0){qDebug()<<"SwrContext初始化失败";return 0;}qDebug()<<"SwrContext初始化成功";// ========== 打开PCM文件 ==========FILE* pcm_file = fopen("E:/output.pcm", "wb");if(!pcm_file) {qDebug() << "无法创建 PCM 文件";return 0;}qDebug() << "PCM 文件创建成功: E:/output.pcm";// ========== 读取、解码、转换 ==========AVPacket* packet=av_packet_alloc();AVFrame* frame=av_frame_alloc();int total_frame=0;  // 只读200帧while(av_read_frame(avfmctx,packet)==0 && total_frame<200){// 只找音频流if(packet->stream_index!=Audio_index){av_packet_unref(packet);continue;}// 将packet发给解码器if(avcodec_send_packet(avcodec_ctx,packet)==0){// 从解码器读取framewhile(avcodec_receive_frame(avcodec_ctx,frame)==0 && total_frame<200){total_frame++;// 计算输出采样数（因为采样率可能变化）int out_samples=av_rescale_rnd(frame->nb_samples,44100,Audio_stream->codecpar->sample_rate,AV_ROUND_UP);uint8_t **out_data = nullptr;  // 输出数据指针int out_linesize = 0;          // 每个平面的大小// 为音频数据分配内存缓冲区int ret = av_samples_alloc_array_and_samples(&out_data,                  // 音频数据指针（二级指针的地址）&out_linesize,              // 每个平面大小的地址1,                          // 声道数（单声道）out_samples,                // 采样数AV_SAMPLE_FMT_S16,          // 采样格式（S16）0                           // 对齐（0表示默认对齐）);if(ret < 0) {qDebug() << "分配音频缓冲区失败";av_frame_unref(frame);continue;}// 使用 swr_convert 进行音频转换int converted_samples = swr_convert(swr_ctx,                        // 重采样上下文out_data,                       // 输出缓冲区out_samples,                    // 输出采样数(const uint8_t**)frame->data,   // 输入数据frame->nb_samples               // 输入采样数);if(converted_samples > 0) {// 计算实际数据大小（字节）// S16格式：每个采样2字节，单声道int data_size = converted_samples * 1 * 2;// 写入PCM文件fwrite(out_data[0], 1, data_size, pcm_file);qDebug() << "第" << total_frame << "帧，转换了" << converted_samples << "个采样，写入" << data_size << "字节";}// 释放分配的缓冲区if(out_data) {av_freep(&out_data[0]);av_freep(&out_data);}av_frame_unref(frame);}}av_packet_unref(packet);}qDebug()<<"总共读取了"<<total_frame<<"帧";// ========== 关闭PCM文件 ==========if(pcm_file) {fclose(pcm_file);qDebug() << "PCM 文件已保存: E:/output.pcm";}// ========== 回收资源 ==========swr_free(&swr_ctx);avformat_close_input(&avfmctx);avcodec_free_context(&avcodec_ctx);av_packet_free(&packet);av_frame_free(&frame);return 0;
}

---

输出结果示例

avformat_open_input is success
av_find_best_stream is success
this Audio_stream index is  1
decodec is find, name is  aac
avcodec_parameters_to_context is success
avcodec_open2 is success
音频流信息---------
采样率: 48000
声道数: 2
采样格式: fltp
创建一个空SwrContext成功
SwrContext初始化成功
PCM 文件创建成功: E:/output.pcm
第 1 帧，转换了 941 个采样，写入 1882 字节
第 2 帧，转换了 941 个采样，写入 1882 字节
第 3 帧，转换了 941 个采样，写入 1882 字节
...
第 200 帧，转换了 941 个采样，写入 1882 字节
总共读取了 200 帧
PCM 文件已保存: E:/output.pcm

---

⚠️ 常见错误与注意事项

错误1：采样格式从流参数获取

// ❌ 错误：从流参数获取采样格式
av_opt_set_sample_fmt(swr_ctx, "in_sample_fmt", (AVSampleFormat)audio_stream->codecpar->format, 0);// ✅ 正确：从解码器上下文获取
av_opt_set_sample_fmt(swr_ctx, "in_sample_fmt", audio_ctx->sample_fmt, 0);

原因：

• audio_stream->codecpar->format 是文件存储的格式
• audio_ctx->sample_fmt 是解码器实际输出的格式
• 解码器可能会转换格式，两者可能不同！

实际案例：

文件中：AAC编码（compressed）
解码器输出：FLTP格式（解码后）

---

错误2：忘记调用 swr_init()

// ❌ 错误：忘记初始化
SwrContext* swr_ctx = swr_alloc();
av_opt_set_int(swr_ctx, "in_sample_rate", 48000, 0);
av_opt_set_sample_fmt(swr_ctx, "in_sample_fmt", AV_SAMPLE_FMT_FLTP, 0);
// 忘记调用 swr_init()
swr_convert(swr_ctx, ...);  // ❌ 会失败或崩溃// ✅ 正确：必须初始化
SwrContext* swr_ctx = swr_alloc();
av_opt_set_int(swr_ctx, "in_sample_rate", 48000, 0);
av_opt_set_sample_fmt(swr_ctx, "in_sample_fmt", AV_SAMPLE_FMT_FLTP, 0);
swr_init(swr_ctx);  // ✅ 必须调用
swr_convert(swr_ctx, ...);

症状：

• 程序崩溃
• 转换返回负数错误码
• 输出的PCM文件全是噪音

---

错误3：输出缓冲区太小

// ❌ 错误：没有考虑采样率变化
int out_samples = frame->nb_samples;  // 假设输出和输入一样// ✅ 正确：用 av_rescale_rnd 计算
int out_samples = av_rescale_rnd(frame->nb_samples,44100,                       // 输出采样率audio_ctx->sample_rate,      // 输入采样率AV_ROUND_UP                  // 向上取整
);

原因：

• 采样率从48kHz转44.1kHz，采样数会变化
• 缓冲区不够会导致数据丢失或崩溃

---

错误4：释放了 linesize

uint8_t** out_data = nullptr;
int out_linesize = 0;
av_samples_alloc_array_and_samples(&out_data, &out_linesize, ...);// ❌ 错误：linesize 是整数，不需要释放
av_freep(&out_linesize);  // 错误！// ✅ 正确：只释放 out_data
av_freep(&out_data[0]);
av_freep(&out_data);

原因：

• out_data 指向动态分配的内存 → 需要释放
• out_linesize 只是一个整数变量 → 不需要释放

---

错误5：混淆采样数和字节数

// ❌ 错误：把采样数当成字节数
int converted_samples = swr_convert(...);
fwrite(out_data[0], 1, converted_samples, file);  // 错误！// ✅ 正确：计算字节数
int converted_samples = swr_convert(...);
int data_size = av_samples_get_buffer_size(nullptr, channels, converted_samples, AV_SAMPLE_FMT_S16, 1
);
fwrite(out_data[0], 1, data_size, file);  // 正确

原因：

• swr_convert 返回的是采样数，不是字节数
• S16格式：每个采样2字节
• 需要用 av_samples_get_buffer_size 转换

---

🎓 验证结果

方法1：使用 FFplay 播放

# 格式：ffplay -f s16le -ar 采样率 -ac 声道数 文件名
ffplay -f s16le -ar 44100 -ac 1 output.pcm

参数说明：

• -f s16le：16位有符号整数，小端序
• -ar 44100：采样率44100Hz
• -ac 1：1声道（单声道）

如果是立体声：

ffplay -f s16le -ar 44100 -ac 2 output.pcm

---

📋 总结

核心流程回顾

1. swr_alloc()                    ← 创建转换器
2. av_opt_set_int()               ← 设置采样率
3. av_opt_set_sample_fmt()        ← 设置采样格式（从解码器上下文获取）
4. av_opt_set_chlayout()          ← 设置声道布局
5. swr_init()                     ← 初始化（必须！）
6. while(解码循环)
7.     av_rescale_rnd()           ← 计算输出采样数
8.     av_samples_alloc_...()     ← 分配输出缓冲区
9.     swr_convert()              ← 执行转换
10.    av_samples_get_buffer_size ← 计算字节数
11.    fwrite()                   ← 写入文件
12.    av_freep()                 ← 释放缓冲区
13. swr_free()                    ← 释放转换器

---

关键API对比

API	功能	调用时机	返回值
swr_alloc	创建转换器	一次	SwrContext*
av_opt_set_int	设置采样率	初始化前	0成功
av_opt_set_sample_fmt	设置采样格式	初始化前	0成功
av_opt_set_chlayout	设置声道布局	初始化前	0成功
swr_init	初始化	设置参数后（必须）	0成功
av_rescale_rnd	计算采样数	每帧转换前	采样数
swr_convert	执行转换	每帧	输出采样数
av_samples_get_buffer_size	计算字节数	转换后	字节数
swr_free	释放转换器	程序结束	无

---

资源释放清单

资源	分配函数	释放函数
音频转换器	swr_alloc()	swr_free()
音频缓冲区	av_samples_alloc_array_and_samples()	av_freep(&data[0]) + av_freep(&data)
Packet	av_packet_alloc()	av_packet_free()
Frame	av_frame_alloc()	av_frame_free()
解码器上下文	avcodec_alloc_context3()	avcodec_free_context()
格式上下文	avformat_open_input()	avformat_close_input()

---

如果您觉得这篇文章对您有帮助，不妨点赞 + 收藏 + 关注，更多 FFmpeg 系列教程将持续更新 🔥！