编码与格式 / 系统课时

换算时间基、PTS 与 DTS

换算时间基、PTS 与 DTS

读取 MP4、MKV 或 MPEG-TS 中的音视频数据包时,PTS 和 DTS 往往只是整数,并不是直接以秒表示的时间。本篇通过时间基换算、B 帧重排序和 FFprobe 实测,教你算出数据包的解码时刻、播放时刻,以及判断音视频时间戳是否合理。

学习目标

  • 理解时间基 time_base、显示时间戳 PTS 和解码时间戳 DTS 的含义。
  • 能把整数时间戳换算为秒,并解释包含 B 帧时 PTS 与 DTS 的差异。
  • 能使用 FFprobe 检查实际媒体包的时间戳并识别常见误用。

时间基决定时间戳的实际单位

媒体时间戳通常表示为整数计数值,必须结合时间基(time base)才能得到实际时间。时间基是一个有理数,通常写成 num/den,表示每个时间戳单位对应多少秒。

换算公式为:

t=timestamp×numdent = timestamp \times \frac{num}{den}

例如视频流的时间基为 1/90000,某个数据包的 PTS 为 180000,那么显示时间是:

180000×190000=2 s180000 \times \frac{1}{90000}=2\text{ s}

常见时间基及其换算如下:

时间基 时间戳数值 换算结果 典型场景
1/90000 180000 2 秒 MPEG-TS 常用时钟
1/1000 2500 2.5 秒 毫秒级时间轴
1/48000 96000 2 秒 48 kHz 音频采样时钟
1/12800 25600 2 秒 部分 MP4 视频流

这些只是示例,不能根据封装格式直接认定某条流的时间基。实际应读取流信息中的 time_base。

还要区分时间基与帧率。25 fps 表示平均每秒播放 25 帧,恒定帧率下每帧间隔为 0.04 秒;1/90000 则表示时间戳计数的最小刻度是 1/90000 秒。因此,如果时间基为 1/90000,25 fps 视频相邻帧的 PTS 通常相差 3600 个刻度,而不是 1。

PTS 与 DTS 分别控制什么

PTS(Presentation Timestamp)表示帧应该在什么媒体时间被呈现;DTS(Decoding Timestamp)表示压缩数据包应在什么媒体时间被送入解码过程。两者的单位都由所属流的时间基决定。

没有帧重排序时,两者可能相等;存在 B 帧时,解码器可能需要提前解码未来才会显示的参考帧,因此解码顺序和显示顺序不同。

假设一个简化的视频 GOP 按显示顺序排列为 I0、B1、B2、P3,其中 B1、B2 需要引用 I0 和 P3。解码器必须先得到 P3,才能完成 B1、B2 的解码。

B 帧解码顺序与显示顺序对比

将解码起点设为 0 ms、每帧占用 40 ms,可以得到以下教学示例:

解码顺序 帧 DTS(ms) PTS(ms)
1 I0 0 0
2 P3 40 120
3 B1 80 40
4 B2 120 80

沿解码顺序看,DTS 为 0、40、80、120,单调递增;但 PTS 为 0、120、40、80,并不是单调递增。播放器解码后按 PTS 安排显示,最终仍然按 I0、B1、B2、P3 的顺序呈现。

手动换算一个数据包

假设视频流的时间基为 1/90000,某个数据包具有以下字段:

字段 数值
time_base 1/90000
pts 270000
dts 262800
duration 3600

分别计算显示时间、解码时间和持续时间:

tPTS=270000/90000=3.000 st_{PTS}=270000/90000=3.000\text{ s}
tDTS=262800/90000=2.920 st_{DTS}=262800/90000=2.920\text{ s}
tduration=3600/90000=0.040 st_{duration}=3600/90000=0.040\text{ s}

因此,该包对应的显示时间是 3.000 秒、解码时间是 2.920 秒,包的标称时长为 40 毫秒。两者相差 80 毫秒,即两个 25 fps 帧间隔。

这并不意味着播放器应该让画面固定延迟 80 毫秒,也不能单凭这个差值推断网络延迟。它表示该包在当前媒体时间轴上的两个不同时间位置。

使用 FFprobe 检查真实时间戳

FFprobe 是 FFmpeg 提供的媒体分析工具。以下命令适用于常见 FFmpeg 6.x、7.x 和 8.x 版本,前提是已安装 FFprobe,并且当前目录存在 input.mp4。

先读取第一条视频流的时间基:

bash
ffprobe -v error -select_streams v:0 -show_entries stream=time_base,r_frame_rate,avg_frame_rate -of json input.mp4

预期结果:输出 JSON,包含 time_base、r_frame_rate 和 avg_frame_rate 字段。具体数值取决于媒体文件,不能固定认为是 1/90000。

再读取前五个视频数据包:

bash
ffprobe -v error -select_streams v:0 -show_packets -show_entries packet=pts,pts_time,dts,dts_time,duration,duration_time,flags -of json input.mp4 | head -n 60

预期结果:在支持 head 的 Bash 环境下,终端显示 JSON 输出的前 60 行。每个有效数据包可能包含以下字段,具体数值因文件而异:

json
{
  "pts": 270000,
  "pts_time": "3.000000",
  "dts": 262800,
  "dts_time": "2.920000",
  "duration": 3600,
  "duration_time": "0.040000",
  "flags": "__"
}

以上是根据前一节假设数据构造的字段示例,不是声称运行任意 input.mp4 都会得到这些值。实际命令的 JSON 顶层还包含 packets 数组。部分流可能缺少某些时间戳或持续时间字段。

pts_time 和 dts_time 是 FFprobe 已换算好的秒数,通常以字符串形式输出。可以用它们核验手算是否正确。

在 Windows PowerShell 中,如果没有 head 命令,可使用 ffprobe 的输出直接查看,或将结果通过 Select-Object -First 60 截取显示。

时间戳异常时怎样判断

碰到音画不同步、画面跳动或解码报错时,可以先从以下三种情况排查。

现象 优先检查 处理方向
换算时间大了数十倍 是否误用帧率当时间基 读取实际 time_base 重新换算
视频包解码时间倒退 同一流内 DTS 是否异常回退 检查封装排序和时间戳生成逻辑
音画偏移固定不变 两条流的起始时间和时间戳偏移 统一播放时间轴,再判断同步误差

音视频同步时,还需要考虑每条流的起点和实际播放时钟。比如视频 PTS 为 90000、时间基 1/90000,音频 PTS 为 48000、时间基 1/48000,两者换算后都是 1 秒。在没有额外时间轴偏移时,它们指向同一个媒体时间位置。

判断时间戳时保留三条原则:PTS 决定呈现位置,DTS 决定解码顺序,时间基决定整数的实际单位。先按各自时间基换算,再比较同一时间轴上的时间,才能避免把帧重排序、起始偏移和音视频同步问题混为一谈。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

换算时间基、PTS 与 DTS

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通