文章目录
- 一、Box 基础结构（核心单元）
- 1. 普通 Box 头
- 2. Full Box（Box 的扩展）
- 二、根级核心 Box（必选/关键）
- 1. ftyp（File Type Box，必选）
- 2. moov（Movie Box，必选，容器 Box）
- 3. mdat（Media Data Box，可选，可多个）
- 4. 其他常见根 Box
- 三、关键设计细节与机制
- 1. 容器 Box vs 叶子 Box
- 2. 时间尺度与时间戳映射
- 3. 快速启动（Fast Start）
- 4. 64 位扩展
- 四、典型文件结构示例
- 五、常见问题与解析要点
- 六、实用工具与命令
MP4（ISO/IEC 14496‑14）基于 ISO 基础媒体文件格式（ISOBMFF，ISO/IEC 14496‑12），整体由Box（或 Atom）嵌套构成，所有数据均封装在 Box 内，无游离数据。
一、Box 基础结构（核心单元）
每个 Box 遵循统一头格式，字节序为大端（Big‑Endian），分为普通 Box 与 Full Box（带版本/标志扩展）。
1. 普通 Box 头
| 字段 | 字节数 | 说明 |
|---|---|---|
| size | 4 | 整个 Box 总字节数（含头）；size=1 时用 8 字节largesize；size=0 表示文件末尾 |
| type | 4 | 4 字符标识（如ftyp、moov） |
| [largesize] | 8 | 可选，size=1 时启用，64 位总长度 |
| body | 可变 | 数据区，可嵌套子 Box（容器 Box）或存储原始数据（叶子 Box） |
2. Full Box（Box 的扩展）
在普通 Box 头后增加：
version（1 字节）：格式版本flags（3 字节）：功能标志位
常见于mvhd、tkhd等核心元数据 Box。
二、根级核心 Box（必选/关键）
根层级 Box 按功能分为三类，必须以ftyp开头，其余顺序可灵活调整（但moov前置可实现“快速启动”）。
1. ftyp（File Type Box，必选）
- 作用：标识文件类型与兼容性，是 MP4 的“身份证”
- 结构：
size(4)+type(4, 'ftyp')+major_brand(4)+minor_version(4)+compatible_brands(n*4) - 示例：
major_brand=mp42表示兼容 MPEG‑4 Part 14；compatible_brands列出支持的品牌（如isom、avc1）。
2. moov（Movie Box，必选，容器 Box）
- 作用：存储媒体元数据（时长、轨道、编码、时间戳映射等），是 MP4 的“索引目录”
- 典型子 Box 结构：
moov ├─ mvhd（Movie Header Box，必选）：全局媒体信息（创建时间、时长、时间尺度） ├─ trak（Track Box，至少 1 个）：单个轨道（视频/音频/字幕） │ ├─ tkhd（Track Header Box）：轨道头（ID、时长、分辨率、音量） │ ├─ mdia（Media Box）：媒体信息容器 │ │ ├─ mdhd（Media Header Box）：媒体时间尺度、时长 │ │ ├─ hdlr（Handler Reference Box）：轨道类型（video/audio） │ │ └─ minf（Media Information Box）：媒体编码与采样信息 │ │ ├─ vmhd/smhd（Video/Audio Media Header）：音视频专属头 │ │ ├─ dinf（Data Information Box）：数据存储位置 │ │ └─ stbl（Sample Table Box，核心）：采样表（帧索引） │ │ ├─ stsd（Sample Description）：编码参数（如 H.264 SPS/PPS、AAC 配置） │ │ ├─ stts（Time‑to‑Sample）：时间戳→采样映射 │ │ ├─ stsc（Sample‑to‑Chunk）：采样→数据块映射 │ │ ├─ stsz（Sample Sizes）：每个采样的字节数 │ │ └─ stco/co64（Chunk Offsets）：数据块在文件中的偏移量 └─ udta（User Data Box，可选）：自定义元数据（标题、作者、封面） - 关键：
stbl子 Box 决定如何从mdat中定位并解码每一帧数据。
3. mdat（Media Data Box，可选，可多个）
- 作用：存储原始媒体数据（视频帧、音频帧），是 MP4 的“数据仓库”
- 结构：
size+type('mdat')+媒体字节流 - 特点：
- 数据无结构，完全由
moov中的stbl描述 - 可通过
stco/co64定位到帧的偏移量与长度 - 支持“外部引用”（无
mdat，数据来自其他文件）。
- 数据无结构，完全由
4. 其他常见根 Box
free/skip：填充/预留空间，不影响播放meta：扩展元数据（如章节、封面）。
三、关键设计细节与机制
1. 容器 Box vs 叶子 Box
- 容器 Box：可嵌套子 Box（如
moov、trak、mdia），负责组织元数据结构 - 叶子 Box：直接存储数据（如
mdat、mvhd），无嵌套。
2. 时间尺度与时间戳映射
mvhd/mdhd中的timescale定义“1 秒包含的时间单位数”（如timescale=90000对应 90kHz）stts将采样时间戳（单位：timescale）映射为实际播放时间- 示例：
timescale=90000，采样时间戳180000→ 播放时间2秒。
3. 快速启动（Fast Start）
- 默认
moov在mdat之后，播放器需读取到文件末尾才能开始播放 - 将
moov移到mdat之前（如用ffmpeg -movflags faststart），播放器可立即解析元数据并启动播放，适合网络分发。
4. 64 位扩展
- 当 Box 长度超过 4GB 时，
size=1并启用largesize（8 字节） co64替代stco存储 64 位偏移量，支持超大文件。
四、典型文件结构示例
[ftyp] → [moov] → [mdat] 或 [ftyp] → [free] → [mdat] → [moov]ftyp：固定开头，标识格式moov：元数据，决定播放逻辑mdat：音视频帧，占文件体积 90%+。
五、常见问题与解析要点
- 文件损坏：
moov丢失或stbl错误会导致无法播放，需修复索引 - 多音轨/字幕：通过多个
trak实现，每个trak对应独立的stbl - H.264/HEVC 编码适配：
stsd中存储avcC/hvcC结构，包含 SPS/PPS/VPS 等编码参数。
六、实用工具与命令
- 查看 Box 结构：
mp4box -info input.mp4或ffprobe -show_streams -show_format input.mp4 - 快速启动优化：
ffmpeg -i input.mp4 -c copy -movflags faststart output.mp4 - 提取 Box：
dd if=input.mp4 of=moov.box skip=$offset count=$size（需先解析moov偏移与长度）。
