序言

06我開始做3gp文件的播放器,但是關于3gp的文檔太少了也很難找,在網友luxh的幫助下,
我終于有了第一份關于3gp文件格式的文檔《ISO/IEC 14496-12，ISO媒體文件格式》.
在此真心感謝luxh的貢獻.
當然了是英文版的,有文檔就不錯了.為了便于查閱和理解,我把之后陸續找到的其他幾個文檔也揉在了一起.
從06年5月12日到現在2007-3-23,一點點的擠時間,總算寫完了.如有錯誤,敬請斧正.
之所以寫這篇文章目的只有一個,希望大家都能夠少走彎路.
有用的到的人可以隨意復制,轉貼.
因為以后我有可能會對本文修改更新,所以請保留文中的原始鏈接.
愿意同我一道研究的人請加msn:windcao@hotmail.com

需要看的文檔
http://www.3gpp.org/ftp/Specs/archive/26_series/
3GPP TS 26.233
3GPP TS 26.243
3GPP TS 26.244

luxh找到的一個好東西
http://isotc.iso.org/livelink/livelink/fetch/2000/2489/Ittf_Home/PubliclyAvailableStandards.htm
大家一定要仔細找找啊，寶藏！
我們研究3gpp文件最重要的兩個文檔就是《ISO/IEC 14496-12，ISO媒體文件格式》和《3GPP TS 26.244－700》

ISO/IEC 14496的組成如下：（引自：http://www.blogcn.com/user73/lipingfu/index.html）
（1）ISO/IEC 14496-1，系統部分，描述了組成一個場景的音頻和視頻成分之間的關系。
（2、3）ISO/IEC 14496-2，視頻部分和ISO/IEC 14496-3音頻部分，分別規定自然的和合成的視頻對象、音頻對象的編碼表示。
（4）ISO/IEC 14496-4，一致性測試部分，定義了比特流和設備的一致性條件，用來測試MPEG-4的實現。
（5）ISO/IEC 14496-5，參考軟件，包括與MPEG-4的主要部分相對應的軟件。
（6）ISO/IEC 14496-6，多媒體傳送整體框架DMIF，這是MPEG-4應用層與傳輸網絡的接口，定義了通信協議，使MPEG-4系統的數據流能進入各種傳輸網絡。還包含一個存儲格式MP4，用于存儲編碼的場景。
（7） ISO/IEC 14496-7，為MPEG-4工具優化軟件，提供了對實現進行優化的例子(這里的實現指的是第五部分)。
（8）ISO/IEC 14496-8，定義了在IP網絡上傳輸MPEG-4內容的方式。
（9）ISO/IEC 14496-9，為參考硬件描述，提供了用于演示怎樣在硬件上實現本標準其他部分功能的硬件設計方案。
（10）ISO/IEC 14496-10，高級視頻編碼AVC，定義了一個被稱為AVC的視頻編解碼器。
（11）ISO/IEC 14496-11，場景描述和應用引擎。
（12）ISO/IEC 14496-12，ISO媒體文件格式，定義了一個存儲媒體內容的文件格式。
（13）ISO/IEC 14496-13，知識產權管理和保護（IPMP）擴展。
（14）ISO/IEC 14496-14，MP4文件格式，定義了基于第十二部分的用于存儲MPEG-4內容的容器文件格式。
（15）ISO/IEC 14496-15，AVC文件格式，定義了基于第十二部分的用于存儲第十部分的視頻內容的文件格式。
（16）ISO/IEC 14496-16，動畫框架擴展AFX（Animation Framework eXtension）。
（17）ISO/IEC 14496-17，同步文本字幕格式(尚未完成，2005年1月達成"最終委員會草案"。
（18）ISO/IEC 14496-18，字體壓縮和流式傳輸(針對公開字體格式)。
（19）ISO/IEC 14496-19，綜合材質流(Synthesized Texture Stream)。
（20）ISO/IEC 14496-20，簡單場景表示(尚未完成，2005年1月達成"最終委員會草案"。
（21）ISO/IEC 14496-21，用于描繪(Rendering)的MPEG-J拓展(尚未完成，2005年1月達成"委員會草案"

我做的一個輔助工具：http://download.csdn.net/source/162659?3gpp文件結構查看器
目前最新版本是0.1.2

正文：
首先來說3gp文件相當于一個容器,本身沒有什么具體的編碼解碼規則。
我們可以選擇編碼方式
- AMR narrow-band:編碼簡稱'samr' 常用與語言片段的壓縮，可以對聲音片段進行最大程度的壓縮，但是失真較大，如果用在音樂文件上結構常常是無法忍受的。

(詳情請參考：3GPP TS 26.071: "Mandatory Speech CODEC speech processing functions; AMR Speech CODEC; General description".)

- AMR wideband:編碼簡稱'sawb' 相對AMR narrow-band來說壓縮比降低了，品質有所提升可用來壓縮音樂。

(詳情請參考：3GPP TS 26.171: "AMR Wideband Speech Codec; General Description".)

- Extended AMR-WB codec編碼簡稱 'sawp'

(詳情請參考：
3GPP TS 26.290: "Extended AMR Wideband codec; Transcoding functions".
3GPP TS 26.304: "ANSI-C code for the Floating-point; Extended AMR Wideband codec".
3GPP TS 26.273: "ANSI-C code for the Fixed-point; Extended AMR Wideband codec".

- Enhanced aacPlus and MPEG-4 AAC codec編碼簡稱 'mp4a'

(詳情請參考：
3GPP TS 26.401: "General audio codec audio processing functions; Enhanced aacPlus general audio codec; General description".
3GPP TS 26.410: "General audio codec audio processing functions; Enhanced aacPlus general audio codec; Floating-point ANSI-C code".
3GPP TS 26.411: "General audio codec audio processing functions; Enhanced aacPlus general audio codec; Fixed-point ANSI-C code".

- MPEG-4 video codec編碼簡稱'mp4v'

(詳情請參考：ISO/IEC 14496-2:2004: "Information technology – Coding of audio-visual objects – Part 2: Visual".)

- H.263 video codec編碼簡稱'h263'

(詳情請參考：ITU-T Recommendation H.263 (01/05): "Video coding for low bit rate communication".)

- H.264 video codec編碼簡稱'avc1'

(詳情請參考：ITU-T Recommendation H.264 (03/05): "Advanced video coding for generic audiovisual services"
ISO/IEC 14496-10:2005: "Information technology – Coding of audio-visual objects – Part 10: Advanced Video Coding".)

- 3GPP timed text format 編碼簡稱'tx3g'

(詳情請參考：3GPP TS 26.245: "Transparent end-to-end packet switched streaming service (PSS); Timed text format".)

其中手機最普遍支持的格式是 amr（音頻） ＋h263（視頻）

?

?3gp文件基于mpeg4由若干個box組成

?一個3gp文件由若干個box組成常見的有：

文件類型包：(FileTypeBox,簡稱代碼'ftyp')
ftyp:文件類型包相當于文件頭，說明了文件所使用的協議版本，編碼格式等信息
+[4]-+[4]-+[4]-+[4]-+[4]-+
|size|ftyp|mjbr|mivs|cpbr|
+----+----+----+----+----+
mjbr:major_brand 版本分支
mivs:minor_version 版本號?
cpbr:compatible_brands 兼容分支

媒體數據包：(Media Data Box,簡稱代碼'mdat')
"Media Data Box
Box類型: ‘mdat’
容器: 文件
是否必須: 否
數量: 任意個. "－luxh

mdat box 存放了音頻視頻和其他的數據，一般的文件至少有2個mdatbox， 一個用于音頻，一個用于視頻，通常還會有一些文本信息也放在mdatbox中，各種信息的順序不固定。 如果只是存放音樂一個mdat就夠用了。

你可能會問這么多box 都叫mdat我怎么知道音頻放哪里視頻放哪里呢？別著急這些相關信息都放在moovbox里面

影片包：(moov box:Movie Box:)是一個3gp文件中最復雜最重要的文件。

看到這里你可能會問"moovbox里面的方框都分別代表什么含義呀？媒體描述信息是怎么存放的?",別著急咱們來慢慢分析一下。
"Movie Box
Box類型: 'moov';
容器: 文件
是否必須: 是
數量: 一個,并且只能是一個.

媒體的原始數據被放置在這個box中，這個box位于文件的最高級別，一般來說這個box接近于文件的開始或者末尾，盡管這并不被要求。語法如下:
a ligned(8) class MovieBox extends Box(‘moov’) {} "－luxh

moovbox 有兩個必要的子box他們是影片頭包和軌跡包
影片頭包movie header,簡稱代碼'mvhd'
首先剖析一下影片頭包，順便以此為例理解一下包的結構。
每一個包開頭的4個字節都是一個整數存放了本包的長度。
接下來的4個字節是個字符串存放了本包的類型。如'moov','mvhd'。
基本上包都是這模樣的：
+[4]-+[4]-+[size-8]-------------------+
|size|type|data????????????? ???????? |
+----+----+---------------------------+

很多box是這樣的我們可以稱之為全包(full box)
+[4]-+[4]-+-+---+[size-8]-------------------+
|size|type|v|flg|data?????????????? ??????? |
+----+----+-+---+---------------------------+

簡記為
+[4]-+[4]-+[4]-+[size-8]-------------------+
|size|type|vsfl|data????????????? ???????? |
+----+----+----+---------------------------+

其中vsfl:版本號標志

+-+---+
|v|flg|
+-+---+
v :version
flg:flages

在影片頭包中接下來的是版本標志等信息。
MVHD 是媒體信息頭,存放媒體的全局性的信息。
+[4]-+[4]-+[4]-+[4]-+[4]-+[4]-+[4]-+[76]----...---------+[4]-+
|size|mvhd|vsfl|cttm|mdtm|tmsc|mxtl|reserved...???????? |ntid|
+----+----+----+----+----+----+----+--------...---------+----+
size:box長度
type:文件類型標識內容為"mvhd"
vsfl:版本號標志
cttm:creat time 文件創建時間
mdtm:modification time? 文件修改時間
tmsc:timescale 時間縮放因數
mxtl:maxTrackLen duration of longest track 最長播放時間
reserved： 保留字段
ntid-next trak id? 下一個頻道標識

軌跡包TRAK 也是一個容器，是單個媒體流頻道的信息的容器，它有兩個必要的子box:TKHD,MDIA。
TKHD 存放本trak的信息，有兩個版本
v=0
+[4]-+[4]-+[4]-+[4]-+[4]-+[4]-+[4]-+[4]-+
|size|tkhd|vsfl|cttm|mdtm|tkid|resv|duat|
+----+----+----+----+----+----+----+----+
+[12]--------+2-+2-+[36]----...-+[4]-+[4]-+
|reserved??? |ct|rs|reserved??? |twvo|thvo|
+------------+--+--+--------...-+----+----+
v=1
+[4]-+[4]-+[4]-+[8]-----+[8]-----+[4]-+[4]-+[8]-----+
|size|tkhd|vsfl|cttm??? |mdtm??? |tkid|resv|duat??? |
+----+----+----+--------+--------+----+----+--------+
+[12]--------+2-+2-+[36]----...-+[4]-+[4]-+
|reserved??? |ct|rs|reserved??? |twvo|thvo|
+------------+--+--+--------...-+----+----+

size:box長度
type:文件類型標識內容為"tkhd"
vsfl:版本號標志
cttm:creat time 文件創建時間
mdtm:modification time? 文件修改時間
tkid:track-id 同一個文件中這是一個不重復的序列
resv:reserved 保留字段
duat:duration 總的播放時間長度
reserved: 保留字段
ct:codec_type {audio=0x0100; video=0} 編碼類型,到底是音頻還是視頻等
rs:reserved 保留字段
reserved: 保留字段
如果這個track 是視頻編碼它將有如下字段,在你解碼的時候非常有用.
twvo:Track width , for visual only 視頻的寬度
thvo:Track height, for visual only 視頻的高度

MDIA是存放具體的媒體信息的容器。
有且僅有3個子box:{MDHD,HDLR,MINF}

MDHD媒體頭，也有兩個版本
?v=0
+[4]-+[4]-+[4]-+[4]-+[4]-+[4]-+
|size|type|cttm|mdtm|tmsk|duat|
+----+----+----+----+----+----+

v=1
+[4]-+[4]-+[8]-----+[8]-----+[4]-+[8]-----+
|size|type|cttm??? |mdtm??? |tmsk|duat??? |
+----+----+--------+--------+----+--------+
其中
size:box長度
type:文件類型標識內容為"mdhd"

pl:pad&language{bit(1) pad = 0;unsigned int(5)[3] language // ISO-639-2/T language code參見附錄}
*-*[15]-----------*
|p|language?????? |
*-*---------------*

pd:unsigned int(16) pre_defined = 0;

HDLR 句柄，描述媒體類型
+[4]-+[4]-+[4]-+[12]--------+[size-24]--+
|size|pred|hdlt|reserved??? |name?????? |
+----+----+----+------------+-----------+
size:box長度
type:文件類型標識內容為"tkhd"

pred:pre_defined = 0;
hdlt:handler_type;
?‘vide’ Video track 視頻
?‘soun’ Audio track 音頻
?‘hint’ Hint track 注釋
reserved: reserved = 0;
name: 名稱字符串，0結尾的UTF-8串

MINF 媒體信息容器（Media Information Box）
這是一個普通的box容器.它的內部可能包含如下的子box:
VMHD,SMHD,HMHD,NMHD,DINF,STBL.
VMHD,SMHD,HMHD分別對應于視頻,音頻,注視,NMHD我還不太清楚.它們都屬于fullbox.
DINF數據信息和STBL采樣表,都是普通的box. VMHD還包括兩個數據字段.
+[4]-+[4]-+[4]-+[4]-+
|gmod|opcl??????????|
+----+----+----+----+
?
gmod:graphicsmode 描述了本視頻track 與其他視頻track的混合方式.默認的值為0,也就是直接覆蓋.
opcl:opcolor 透明色顏色值 (red, green, blue)如果gmod不是copy的話會用到.
SMHD包括兩個字段
+--+--+
|bl|rs|
+--+--+
?
bl:balance 是一個定點小數(精度 8.8) 前8bits是整數,后8bits是小數.如果值為0說明左右聲道是相同的.全左的情況下值為-1.0 全右則為1.0.
rs:reserved 保留字段.
HMHD包括5個字段.如下:
+--+--+[4]-+[4]-+[4]-+
|mp|ap|mbrt|abrt|resv|
+--+--+----+----+----+
?
mp:maxPDUsize 最大PDU長度 -pdu是啥???????? 知道啥是pdu的朋友請告訴我.
ap:avgPDUsize 平均PDU長度
mbrt:maxbitrate 最大比特率
abrt:avgbitrate 平均比特率
resv:reserved 保留字段

NMHD是個空的fullbox

DINF是一個普通的box,也是一個容器,它包括url,urn,dref三個fullbox
url 內部是一個UTF-8編碼的0結尾的字符串
string location;
url里面則是兩個
string name;
string location;
這兩個都被稱為DataEntryBox.
dref里面是一個url或者urn的列表.首先它有一個字段
unsigned int(32) entry_count;DataEntryBox的列表的個數.
然后就是DataEntryBox的列表

STBL是一個普通的box,也是一個容器,里面包含了很多媒體采樣信息.

STTS是一個fullbox里面包含了采樣的時間長度信息
內部的數據首先是列表長度
unsigned int(32) entry_count;
然后就是采用時長列表.
列表每一項都由兩個字段組成.
unsigned int(32) sample_count;采樣個數
unsigned int(32) sample_delta;每個采樣的時間長度.

在認識stsd之前我們首先要了解一個數據結構SampleEntry和它的子類AudioSampleEntry,VisualSampleEntry和HintSampleEntry

SampleEntry 是一個繼成box的抽象的數據結構模型.
除了size,type外它包括兩個字段,如下:
+[4]-+[4]-+[6]---+--+
|size|type|resved|di|
+----+----+------+--+
resved:reserved,保留字段
di:data_reference_index,序號.
從這個抽象數據結構繼承下來的三個子類分別增加了幾個獨特的新字段.

HintSampleEntry
+[4]-+[4]-+[6]---+--+[n]-+
|size|type|resved|di|data|
+----+----+------+--+----+
resved:reserved,保留字段
di:data_reference_index,序號.
data:是一個0結尾的utf8編碼的字符串.
VisualSampleEntry
+[4]-+[4]-+[6]---+--+--+--+[12]---------+--+--+[4]-+[4]-+[4]-+--+[32]----...---+--+--+
|size|type|resved|di|pd|rs|pre_defined |wd|ht|hrsl|vrsl|resv|fc|compressorname|dp|pd|
+----+----+------+--+--+--+-------------+--+--+----+----+----+--+--------...---+--+--+
size:box長度
type:box:類型
resved:reserved,保留字段
di:data_reference_index,序號.
pd: pre_defined 保留字段
rs: reserved 保留字段
pd: pre_defined 保留字段
wd: width 視頻的寬
ht: height 視頻的高
hrsl: horizresolution 水平分辨率如0x00480000; // 72 dpi
vtsl: vertresolution 垂直分辨率如0x00480000; // 72 dpi
rd: reserved 保留字段
fc: frame_count 每個采樣里面的貞數,一般是1;
cmpn: compressorname 是一個數字開頭的字符串.并且末尾有填料.對齊到32位.
??+-+[n]-+[x]-+
??|n|data|xpad|
??+-+----+----+
n:number of data.數據的長度,x+n+1=32
dp: depth 視頻的色深 0x18 表示24位色
pd: pre_defined 保留字段

AudioSampleEntry
+[4]-+[4]-+[6]---+--+[8]-----+--+--+--+--+[4]-+
|size|type|resved|di|reserved|cc|ss|pd|rs|sprt|
+----+----+------+--+--------+--+--+--+--+----+

resved:reserved,保留字段
di:data_reference_index,序號.
reserved:保留字段
cc: channelcount 聲道數1或者2;
ss: samplesize 采樣位數大小 8bit 8 ;16bit 16;
pd: pre_defined 保留字段
rs: reserved保留字段
sprt:samplerate 采樣率

stsd是一個采樣包(SampleEntry)的列表,一般來講同一個列表中只有一種SampleEntry.
可以通過hdlr里面的handler_type來判斷屬于哪種SampleEntry.
內部的數據首先是列表長度,一個32位無符號整數 entry_count;
然后就是采樣包列表.
采樣包有很多具體的實現.如下:

附錄：

?