FFMPEG:具有不同持续时间的多路复用流

我正在多路复用视频和音频流。视频流来自生成的图像数据。音频流来自 aac 文件。某些音频文件比我设置的总视频时间长，因此我的策略是在音频流复用器的时间大于总视频时间时停止其策略(最后一个我通过数字编码的视频帧控制)。

我不会在这里放置整个设置代码，但它类似于最新 FFMPEG 存储库中的 muxing.c 示例。唯一的区别是我使用来自文件的音频流，正如我所说，而不是来自合成生成的编码帧。我很确定问题出在复用器循环期间我的错误同步中。这是我的工作：

void AudioSetup(const char* audioInFileName)
{
AVOutputFormat* outputF = mOutputFormatContext->oformat;
auto audioCodecId = outputF->audio_codec;
if (audioCodecId == AV_CODEC_ID_NONE) {
return false;
}
audio_codec = avcodec_find_encoder(audioCodecId);
avformat_open_input(&mInputAudioFormatContext,
audioInFileName, 0, 0);
avformat_find_stream_info(mInputAudioFormatContext, 0);
av_dump_format(mInputAudioFormatContext, 0, audioInFileName, 0);

for (size_t i = 0; i < mInputAudioFormatContext->nb_streams; i++) {
if (mInputAudioFormatContext->streams[i]->codecpar->codec_type == AVMEDIA_TYPE_AUDIO) {
inAudioStream = mInputAudioFormatContext->streams[i];
AVCodecParameters *in_codecpar = inAudioStream->codecpar;
mAudioOutStream.st = avformat_new_stream(mOutputFormatContext, NULL);
mAudioOutStream.st->id = mOutputFormatContext->nb_streams - 1;
AVCodecContext* c = avcodec_alloc_context3(audio_codec);
mAudioOutStream.enc = c;
c->sample_fmt = audio_codec->sample_fmts[0];
avcodec_parameters_to_context(c, inAudioStream->codecpar);
//copyparams from input to autput audio stream:
avcodec_parameters_copy(mAudioOutStream.st->codecpar, inAudioStream->codecpar);
mAudioOutStream.st->time_base.num = 1;
mAudioOutStream.st->time_base.den = c->sample_rate;
c->time_base = mAudioOutStream.st->time_base;
if (mOutputFormatContext->oformat->flags & AVFMT_GLOBALHEADER) {
c->flags |= CODEC_FLAG_GLOBAL_HEADER;
}
break;
}
}
}
void Encode()
{
int cc = av_compare_ts(mVideoOutStream.next_pts, mVideoOutStream.enc->time_base,
mAudioOutStream.next_pts, mAudioOutStream.enc->time_base);
if (mAudioOutStream.st == NULL || cc <= 0) {
uint8_t* data = GetYUVFrame();//returns ready video YUV frame to work with
int ret = 0;
AVPacket pkt = { 0 };
av_init_packet(&pkt);
pkt.size = packet->dataSize;
pkt.data = data;
const int64_t duration = av_rescale_q(1, mVideoOutStream.enc->time_base, mVideoOutStream.st->time_base);
pkt.duration = duration;
pkt.pts = mVideoOutStream.next_pts;
pkt.dts = mVideoOutStream.next_pts;
mVideoOutStream.next_pts += duration;
pkt.stream_index = mVideoOutStream.st->index;
ret = av_interleaved_write_frame(mOutputFormatContext, &pkt);
} else
if(audio_time <  video_time) {
//5 -  duration of video in seconds
AVRational r = {  60, 1 };
auto cmp= av_compare_ts(mAudioOutStream.next_pts, mAudioOutStream.enc->time_base, 5, r);
if (cmp >= 0) {
mAudioOutStream.next_pts = (int64_t)std::numeric_limits<int64_t>::max();
return true; //don't mux audio anymore
}
AVPacket a_pkt = { 0 };
av_init_packet(&a_pkt);
int ret = 0;
ret = av_read_frame(mInputAudioFormatContext, &a_pkt);
//if audio file is shorter than stop muxing when at the end of the file
if (ret == AVERROR_EOF) {
mAudioOutStream.next_pts = (int64_t)std::numeric_limits<int64_t>::max(); 
return true;
}
a_pkt.stream_index = mAudioOutStream.st->index;
av_packet_rescale_ts(&a_pkt, inAudioStream->time_base, mAudioOutStream.st->time_base);
mAudioOutStream.next_pts += a_pkt.pts;
ret = av_interleaved_write_frame(mOutputFormatContext, &a_pkt);
}
}

现在，视频部分完美无缺。但是，如果音轨比视频持续时间长，我的总视频长度会延长约 5% - 20%，很明显，音频对此做出了贡献，因为视频帧正好在应该有的地方完成。

我最接近的"黑客"是这部分：

AVRational r = {  60 ,1 };
auto cmp= av_compare_ts(mAudioOutStream.next_pts, mAudioOutStream.enc->time_base, 5, r);
if (cmp >= 0) {
mAudioOutStream.next_pts = (int64_t)std::numeric_limits<int64_t>::max();
return true;
} 

在这里，我试图将音频流的next_pts与视频文件设置的总时间进行比较，即 5 秒。通过设置r = {60,1}我正在通过音频流的time_base转换这些秒数。至少我相信我正在做的事情。通过这个技巧，当使用标准 AAC 文件时，我与正确电影长度的偏差非常小，即 44100，立体声的采样率。但是，如果我使用更多有问题的样本进行测试，例如 AAC 采样率 16000，单声道 - 那么视频文件的大小几乎增加了一整秒。 如果有人能指出我在这里做错了什么，我将不胜感激。

重要说明：我没有为任何上下文设置持续时间。我控制基于视频帧数的复用会话的终止。当然，音频输入流有持续时间，但它对我没有帮助，因为视频持续时间是定义电影长度的原因。

更新：

这是第二次赏金尝试。

更新 2：

实际上，我的音频时间戳 {den，num} 是错误的，而 {1,1} 确实是要走的路，正如答案所解释的那样。阻止它工作的是这一行中的一个错误(我的坏)：

mAudioOutStream.next_pts += a_pkt.pts;

必须是：

mAudioOutStream.next_pts = a_pkt.pts;

该错误导致 pts 呈指数级增长，这导致非常早地到达流的末尾(以 pts 为单位)，因此导致音频流比预期提前终止。