在android上面，用avilib.c开源库录制过avi视频加aac音频的同学们，应该都有一段为了aac音频无法正确录制和播放而抓狂的经历。我本人也经历了这样的折磨，现在将踩过的坑记录下来，让后来者少走些弯路。
先从camera app上讲起，在app应用里，要录制一个avi（我这里讲的是利用在系统新增的avi接口，具体参考我前几篇博客。当然纯粹在app上也可以实现，这里侧重讲系统上的坑，其实都差不多的），需要先按下面类似的代码来配置：
Camera camera = mCameraDevice.getCamera();
// If the camera device is null, the camera proxy is stale and recording
// should be ignored.
if (camera == null) {
Log.w(TAG, "null camera within proxy, not recording");
return;
}
MediaRecorder mMediaRecorder;
mMediaRecorder.setCamera(camera);
mMediaRecorder.setAudioSource(MediaRecorder.AudioSource.CAMCORDER);
mMediaRecorder.setVideoSource(MediaRecorder.VideoSource.CAMERA);
mProfile.fileFormat = 10;//avi
mProfile.videoCodec = 5; //V4L2_PIX_FMT_MJPEG
mProfile.audioBitRate = 128000;
mProfile.audioCodec = 3;// AUDIO_ENCODER_AAC;
mProfile.audioSampleRate = 44100;
mProfile.audioChannels = 1;
其中fileFormat和videoCodec，这两个配置项都是我自己在系统里新增的，专门用来录制avi视频。这里需要特别注意的是，在app这里设置的比特率bitrate、采样率audioSampleRate、通道数audioChannels，都必须和avilib里的AVI_set_audio参数保持一致，否则很容易出现录下来的音视频数据索引错乱的问题。
比如按上面的配置，对应的在系统framework里的AVIWriter.cpp里设置音频时，应该如下设置音频参数：
AVI_set_audio(avi_fd, 1, 44100, 16, 255, 128); 这里的16是指的是16位PCM 编码每个声音采样点用16bit表示，对应的有8位的PCM，但8位PCM 编码所使用的数据量小一半，音质要差些。这里的44100和128就分别对应了app里设置的采样率和比特率。这里的255，就对应了app层上的audioCodec，表示AAC音频编码。
这里设置好后，还没有完。如果只录视频，是没什么问题的。但是音频，网上流传的avilib在这一块处理得非常糟糕，起码aac音频的编码，用网上的avilib是无法正常录制和播放的。因为avilib里面，在音频头，对aac没有做处理，导致录制的音频参数有问题。我们需要重新对aac的BlockAlign、a_fmt、Length、Scale、rate做计算。
这个计算过程比较复杂，我将我计算好了的avilib.c已经上传到了我的博客上，有兴趣的可以去下载。这其中有一点特别说明一下，BlockAlign我设置的是768，这个值是怎么来的呢？因为我们android系统解码acc时，调用的是开源的fdk-acc（目录在external\aac)，而fdk-acc在调用aacDecoder_DecodeFrame去解码的时候，会去分配一个过渡性的decoder-internal input buffer，这个buffer大小按RANSPORTDEC_INBUF_SIZE规定，可以任意设定但必须满足两个条件：1：each input channel requires 768 bytes， 2：the whole buffer must be of size ，所以我们这里的BlockAlign必须配置成768。
将这些计算好后，录下来的视频，基本上就可以正常播放了。但是还有一部份视频，是无法播放的。比如有一些同学录制的avi视频，里面的音频第一帧里，没有配置对应的Audio Specific Config。导致用开源的HANDLE_AACDECODER来解码时失败。这个audio specific config是什么东西呢？它是aac的数据头，长度固定为2，数据内容由高位到低位依次为：aacObjectType（5bits）,sampleRateIdx(4bits),numChannels(4bits)，
例如：音频编码参数为：
aacObjectType:AAC_LC,对应值为2，用5bit二进制表示为00010;
sampleRate:44100KHz, 对应的IDX值为4, 用4bit二进制表示为0100;
numChannels:2，对应的值为2，用4bit二进制表示为0010；
将它们由高位到低位串起来：0001,0010,0001,0000，
则，对应的十六进制值为:0x1220
再比如：音频编码参数为：
aacObjectType:AAC_LC,对应值为2，用5bit二进制表示为00010;
sampleRate:44100KHz, 对应的IDX值为4, 用4bit二进制表示为0100;
numChannels:1，对应的值为1，用4bit二进制表示为0001；
将它们由高位到低位串起来：0001,0010,0000,1000，
则，对应的十六进制值为:0x1208
这一点相当重要，如果少了这个头，这个aac音频是没有办法解码出来的。如果大伙手上的avi文件里的音频在电脑上能播放出来，索引也没有乱，但是在手机上播放不出，则可以检查下第一个音频数长度是不是为2，内容是不是自己配置的那些参数。如果不是的话，则可以在解码前加上这个头就可以了。
这个AudioSpecificConfig，在FLV格式里称为AAC sequence header。在正式播放ADTS AAC数据包之前，需要用AudioSpecificConfig生成一个audio_tag交给播放器。其实AudioSpecificConfig的内容，完全可以通过ADTS的7字节头生成，具体来说，AudioSpecificConfig需要3部分数据：profile(LC,Main,HE)，sample_rate, channel，这3个数据在ADTS头里都可以找到。具体算法见代码。有了这3个数据以后，可以进行合并生成2个字节，就是所谓的AudioSpecificConfig，见代码部分
config1/config2的算法。
//output AAC config header:
var profile:int = ((payload[2]&0xc0)>>6)+1;
var sample_rate:int = (payload[2]&0x3c)>>2;
var channel:int = ((payload[2]&0x1)<<2)|((payload[3]&0xc0)>>6);
var config1:int = (profile<<3)|((sample_rate&0xe)>>1);
var config2:int = ((sample_rate&0x1)<<7)|(channel<<3);
var aacSeqHeader:ByteArray = new ByteArray();
aacSeqHeader.writeByte(config1);
aacSeqHeader.writeByte(config2);根据第一个ADTS包生成的aacSeqHeader，打包到audio_tag里，交给NetStream，后面的ADTS包就可以直接打包成audio_tag播放了。对应的也有视频的avc sequence header。
在做直播流的时候，一般都会先向客户端发送一次avc sequence header和aac sequence header。所以当视频的分辨率和帧率，或者AAC的音频参数发生了变化（比如采样率、通道数等），这时候这两个header的内容也会发生变化。如果不重新拉流，就会出现绿屏或者声音无法播放的现象。如果出现了这个问题，客户端只需要重新拉流，也就是重新接收这两个header，画面和声音就会恢复正常。
上面说的aacObjectType，表示使用哪个级别的AAC，一共有3种：
index profile
0 Main profile
1 Low Complexity profile (LC)
2 Scalable Sampling Rate profile(SSR)
3 (reserved)sampleRateIdx, 表示使用的采样率下标，通过这个下标在 Sampling Frequencies[ ]数组中查找得知采样率的值:
There are 13 supported frequencies:
0: 96000 Hz
1: 88200 Hz
2: 64000 Hz
3: 48000 Hz
4: 44100 Hz
5: 32000 Hz
6: 24000 Hz
7: 22050 Hz
8: 16000 Hz
9: 12000 Hz
10: 11025 Hz
11: 8000 Hz
12: 7350 Hz
13: Reserved
14: Reserved
15: frequency is written explictlynumChannels表示声道数 :
0: Defined in AOT Specifc Config
1: 1 channel: front-center
2: 2 channels: front-left, front-right
3: 3 channels: front-center, front-left, front-right
4: 4 channels: front-center, front-left, front-right, back-center
5: 5 channels: front-center, front-left, front-right, back-left, back-right
6: 6 channels: front-center, front-left, front-right, back-left, back-right, LFE-channel
7: 8 channels: front-center, front-left, front-right, side-left, side-right, back-left, back-right, LFE-channel
8-15: Reserved根据上面的这几个值，就可以准确的配置出对应的Audio Specific Config了。
另外，展迅和高通的AVIExtractor.cpp对avi文件里的aac音频处理得也不太友好，也不能正常播放。我这里参考mtk对它做了修改，使期能正常播放。文件也已经上传到了博客资源里，有兴趣的可以去下载。
补充一点，aac每一帧播放的时间是固定的，计算方法如下：
对采样率为44.1kHz的AAC（Advanced Audio Coding）音频进行解码时，一帧的解码时间须控制在23.22毫秒内。
通常是按1024个采样点一帧。
一个AAC原始帧包含某段时间内1024个采样点相关数据。
用1024主要是因为AAC是用的1024点的mdct。
音频帧的播放时间 = 一个AAC帧对应的采样样本的个数 / 采样频率(单位为s)。
采样率(samplerate)为 44100Hz，表示每秒 44100个采样点, 所以，根据公式,
音频帧的播放时长 = 一个AAC帧对应的采样点个数 / 采样频率
则，当前一帧的播放时间 = 1024 * 1000/44100= 22.32ms(单位为ms)
16kHz采样率，
则，当前一帧的播放时间 = 1024 * 1000/16000= 64ms(单位为ms)
22.05kHz采样率，
则，当前一帧的播放时间 = 1024 * 1000/22050= 46.43ms(单位为ms)
好了，就讲到这里了，如果有什么疑问的，可以留言咱们一块交流。
本文参考了下面几篇博客：