MediaInsight 使用说明

电梯直达：MediaInsight

简介

MediaInsight 是一款在线可视化多媒体格式解析工具，专为音视频开发者和学习者打造。无需安装任何软件，打开浏览器即可深入分析各类媒体文件的内部结构。通过直观的树形结构、十六进制数据对照、图表统计等功能，帮助用户快速理解音视频封装格式的原理，定位开发中遇到的各类问题。

核心特性

广泛的格式支持

支持主流的音视频封装格式，包括：

• 视频容器：FLV 、MP4 、fMP4 、MKV/WebM 、MPEG-TS 、MPEG-PS
• 音频格式：MP3 、M4A/AAC
• 流媒体：RTP 、HLS (m3u8)、HTTP-FLV
• 裸流：H.264/H.265 Annex B

多维度解析视图

• 媒体信息总览：快速查看文件的基本属性，如时长、码率、分辨率、编码格式等
• 逐帧分析：深入每一帧的详细信息，包括 PTS/DTS 时间戳、帧类型、帧大小等
• 逐包查看：针对 TS 、RTP 等格式，支持查看原始数据包结构
• 容器结构：可视化展示 MP4 Box 树、FLV Tag 、MKV EBML 元素等容器层级结构
• 字段级详情：每个解析字段都可展开查看，并高亮显示对应的十六进制原始数据

音视频预览

• 视频帧预览：基于 WebCodec 技术，支持逐帧解码显示视频画面
• 音频播放：支持单帧播放和连续播放，覆盖 MP3 、AAC 、G.711 等编码格式

数据可视化

• 码率分布图：直观展示视频码率随时间的变化趋势
• 帧间隔图表：分析帧间隔分布，快速发现卡顿或丢帧问题
• 帧类型统计：I/P/B 帧占比一目了然

---

各格式详细解析说明

FLV (Flash Video)

FLV 是一种流媒体封装格式，结构简单，常用于直播场景。MediaInsight 提供完整的 FLV 结构解析：

文件头 (FLV Header)

• Signature：文件签名，固定为 "FLV"
• Version：版本号，通常为 1
• TypeFlags：标志位，指示是否包含音频/视频
• DataOffset：数据区起始偏移，通常为 9

Tag 结构 每个 FLV Tag 包含以下字段：

• TagType：标签类型（ 8=音频，9=视频，18=脚本数据）
• DataSize：数据区大小（ 3 字节）
• Timestamp：时间戳（ 3 字节 + 1 字节扩展）
• StreamID：流 ID ，始终为 0
• PreviousTagSize：前一个 Tag 的大小

音频 Tag 详情

• SoundFormat：音频编码格式（如 10=AAC, 2=MP3, 7=G.711 A-law ）
• SoundRate：采样率（ 0=5.5kHz, 1=11kHz, 2=22kHz, 3=44kHz ）
• SoundSize：采样精度（ 0=8bit, 1=16bit ）
• SoundType：声道数（ 0=单声道, 1=立体声）
• AACPacketType：AAC 包类型（ 0=序列头, 1=原始数据）

视频 Tag 详情

• FrameType：帧类型（ 1=关键帧, 2=非关键帧）
• CodecID：编码格式（ 7=AVC/H.264, 12=HEVC/H.265 ）
• AVCPacketType：AVC 包类型（ 0=序列头, 1=NALU, 2=序列结束）
• CompositionTime：CTS 偏移量

脚本数据 (onMetaData)

• duration：时长

• width/height：视频尺寸

• framerate：帧率

• videodatarate/audiodatarate：码率

  

---

MP4 / fMP4

MP4 基于 ISO Base Media File Format ，采用 Box （也称 Atom ）嵌套结构。MediaInsight 以树形视图展示完整的 Box 层级：

顶层 Box

• ftyp：文件类型，包含品牌标识和兼容性信息
• moov：元数据容器，包含所有轨道信息
• mdat：媒体数据区，存储实际的音视频数据
• moof：分片元数据（ fMP4 特有）

moov 内部结构

• mvhd：影片头，包含时长、时间刻度、创建时间等
• trak：轨道容器，每个音视频流对应一个 trak
  • tkhd：轨道头，包含轨道 ID 、时长、宽高
  • mdia：媒体信息容器
    • mdhd：媒体头，包含时间刻度、时长、语言
    • hdlr：处理器类型（ vide=视频, soun=音频）
    • minf：媒体信息
      • stbl：采样表，核心数据结构
        • stsd：采样描述，包含编码参数（如 avc1, hvc1, mp4a ）
        • stts：时间到采样映射
        • stss：同步采样表（关键帧索引）
        • stsc：采样到 Chunk 映射
        • stsz：采样大小表
        • stco/co64：Chunk 偏移表

编码配置解析

• avcC：H.264 解码配置，包含 SPS/PPS
• hvcC：H.265 解码配置，包含 VPS/SPS/PPS
• esds：AAC 音频配置，包含 AudioSpecificConfig

---

MKV / WebM

MKV 采用 EBML (Extensible Binary Meta Language) 结构，类似 XML 的二进制格式：

顶层元素

• EBML：EBML 头，包含版本和文档类型
• Segment：片段容器，包含所有媒体数据

Segment 内部结构

• SeekHead：索引表，快速定位其他元素
• Info：片段信息
  • TimestampScale：时间戳精度（纳秒）
  • Duration：总时长
  • MuxingApp/WritingApp：创建工具信息
• Tracks：轨道定义
  • TrackEntry：轨道条目
    • TrackNumber：轨道编号
    • TrackType：类型（ 1=视频, 2=音频, 17=字幕）
    • CodecID：编码标识（如 V_MPEG4/ISO/AVC ）
    • CodecPrivate：编码私有数据
    • Video：视频参数（宽高、显示尺寸）
    • Audio：音频参数（采样率、声道数、位深）
• Cluster：数据簇，包含实际媒体数据
  • Timestamp：簇时间戳
  • SimpleBlock/BlockGroup：数据块

---

MPEG-TS

MPEG-TS 是广播电视和流媒体常用的传输流格式，采用固定 188 字节的包结构：

TS 包头 (4 字节)

• sync_byte：同步字节，固定为 0x47
• transport_error_indicator：传输错误标志
• payload_unit_start_indicator：负载单元起始标志
• transport_priority：传输优先级
• PID：包标识符（ 13 位）
• transport_scrambling_control：加扰控制
• adaptation_field_control：自适应域控制
• continuity_counter：连续计数器（ 4 位）

自适应域 (Adaptation Field)

• adaptation_field_length：自适应域长度
• discontinuity_indicator：不连续标志
• random_access_indicator：随机访问点标志
• PCR_flag：PCR 存在标志
• PCR：节目时钟参考（ 42 位）

PSI 表

• PAT (PID=0x0000)：节目关联表，映射节目号到 PMT PID
• PMT：节目映射表，定义节目内的流
  • program_number：节目号
  • PCR_PID：PCR 所在的 PID
  • stream_type：流类型（ 0x1B=H.264, 0x24=H.265, 0x0F=AAC ）
  • elementary_PID：基本流 PID
  • descriptors：描述符

PES 包

• packet_start_code_prefix：起始码前缀 (0x000001)
• stream_id：流标识
• PES_packet_length：包长度
• PTS/DTS：显示/解码时间戳

---

MPEG-PS

MPEG-PS 是节目流格式，常用于 DVD 和监控录像（如 GB28181 ）：

Pack Header

• pack_start_code：包起始码 (0x000001BA)
• system_clock_reference：系统时钟参考 (SCR)
• program_mux_rate：复用速率
• pack_stuffing_length：填充长度

System Header

• system_header_start_code：系统头起始码 (0x000001BB)
• rate_bound：速率上限
• audio_bound：音频流数量上限
• video_bound：视频流数量上限
• stream_id/buffer_bound_scale/buffer_size_bound：流缓冲信息

• stream_type：流类型
• elementary_stream_id：基本流 ID
• 支持的编码：H.264, H.265, G.711, AAC 等

PES 包 与 MPEG-TS 中的 PES 结构相同

---

RTP

RTP (Real-time Transport Protocol) 用于实时音视频传输：

RTP 头 (12 字节)

• V：版本号（ 2 位），固定为 2
• P：填充标志（ 1 位）
• X：扩展标志（ 1 位）
• CC：CSRC 计数（ 4 位）
• M：标记位（ 1 位），通常表示帧结束
• PT：负载类型（ 7 位）
  • 0 = PCMU (G.711 μ-law)
  • 8 = PCMA (G.711 A-law)
  • 96-127 = 动态类型（ H.264, H.265, AAC 等）
• sequence_number：序列号（ 16 位）
• timestamp：时间戳（ 32 位）
• SSRC：同步源标识（ 32 位）

扩展头

• extension_profile：扩展配置
• extension_length：扩展长度
• extension_data：扩展数据

---

H.264/H.265 Annex B 裸流

Annex B 是 H.264/H.265 的字节流格式，使用起始码分隔 NAL 单元：

起始码

• 3 字节：0x000001
• 4 字节：0x00000001 （通常用于 SPS/PPS/VPS/IDR ）

NAL Unit Header

H.264:

• forbidden_zero_bit：禁止位，必须为 0
• nal_ref_idc：参考级别（ 2 位）
• nal_unit_type：NAL 类型（ 5 位）
  • 1 = 非 IDR 图像片
  • 5 = IDR 图像片
  • 6 = SEI
  • 7 = SPS
  • 8 = PPS

H.265:

• forbidden_zero_bit：禁止位
• nal_unit_type：NAL 类型（ 6 位）
  • 0-9 = 非 TSA/STSA 片
  • 16-21 = BLA/IDR/CRA 片
  • 32 = VPS
  • 33 = SPS
  • 34 = PPS
  • 39-40 = SEI
• nuh_layer_id：层 ID （ 6 位）
• nuh_temporal_id_plus1：时域 ID （ 3 位）

SPS 关键字段

• profile_idc/level_idc：档次和级别
• pic_width_in_mbs/pic_height_in_map_units：图像尺寸
• frame_mbs_only_flag：仅帧编码标志
• chroma_format_idc：色度格式
• bit_depth_luma/bit_depth_chroma：位深

---

MP3

MP3 采用帧结构，每帧独立可解码：

帧头 (4 字节)

• sync：同步字（ 11 位全 1 ）
• version：MPEG 版本（ 2 位）
  • 00 = MPEG 2.5
  • 10 = MPEG 2
  • 11 = MPEG 1
• layer：层（ 2 位）
  • 01 = Layer III
  • 10 = Layer II
  • 11 = Layer I
• protection_bit：CRC 保护
• bitrate_index：码率索引（ 4 位）
• sampling_frequency：采样率索引（ 2 位）
• padding_bit：填充位
• private_bit：私有位
• channel_mode：声道模式
  • 00 = 立体声
  • 01 = 联合立体声
  • 10 = 双声道
  • 11 = 单声道
• mode_extension：模式扩展
• copyright：版权标志
• original：原始标志
• emphasis：强调模式

帧大小计算

• Layer I: (12 * bitrate / samplerate + padding) * 4
• Layer II/III: 144 * bitrate / samplerate + padding

---

字段级详情与十六进制对照

MediaInsight 的一大特色是字段级的详细解析。当您在树形视图中点击任意字段时：

1. 字段值显示：显示解析后的值，如数字、字符串、枚举名称
2. 位置信息：显示该字段在文件中的字节偏移和位偏移
3. 十六进制高亮：右侧的十六进制视图会自动高亮对应的原始字节
4. 位级解析：对于位域字段，显示具体的位范围和二进制值

这种对照方式让您能够：

• 验证解析结果的正确性
• 学习各字段的二进制编码方式
• 快速定位异常数据的具体位置

---

隐私安全

MediaInsight 采用纯前端解析技术，所有文件处理均在浏览器本地完成，不会上传任何数据到服务器，充分保障您的数据隐私和安全。

适用场景

• 音视频入门学习：通过可视化界面直观理解各种封装格式的内部结构
• 开发调试：快速定位编码异常、时间戳错乱、容器结构错误等问题
• 质量分析：评估码率分布、帧间隔稳定性等指标
• 协议分析：分析流媒体协议的数据包结构

快速开始

1. 访问 MediaInsight 网站
2. 点击「打开文件」选择本地媒体文件，或点击「打开链接」输入流媒体地址
3. 等待解析完成，即可浏览各项分析结果
4. 点击左侧树形结构中的字段，查看详细信息和十六进制数据
5. 切换到「帧列表」查看逐帧信息，点击帧可预览视频画面或播放音频
6. 切换到「图表」查看码率分布和帧间隔统计

---

MediaInsight 让多媒体格式解析变得简单直观。