做音视频开发要掌握哪些知识？

最近有读者留言，说“想转行音视频开发，怎么做”，正巧，前几天我还在某乎上，看到有人在问音视频的学习资料，还是个大一的学生。

想说一句：真有眼光。

如今这个时代，想赚钱，一个共识是， 得先* 选对赛道*。有些行业和领域，终其一生的天花板也不过如此。但有的朝阳行业，你一进去就可以获得大量的机会，就是“ROI（投入产出比）”很高。

那就聊聊为啥从事音视频技术，未来会很赚钱。

要说音视频技术，在这两年迎来爆发期。首先 5G 的发展提供了硬件条件，又受疫情的影响， 生活场景线上化 ，大量的线上办公、线上教育、线上娱乐等需求，让几亿人涌入各类线上互动平台。比如：

• 抖音和快手的 短视频 ，需要应用图像处理和视频编码技术，如何在保持高画质的情况下，尽量减少视频文件的大小；
• 连麦直播 需要 RTC 和直播技术，如何能够保证在各种网络状况下实现超低延时、降低卡顿率；
• 视频会议 需要 RTC 和转码合流服务等技术，几十上百人的大型视频会议，如何保证流畅度、卡顿率、画质等指标等；
• 随着线上体验的增加，人们对互动中的 音频体验 要求也在提升。除了听得到、听得清，还得好听、音质还原度高等。例如，Facebook 改名 Meta 进军元宇宙，TWS 耳机支持了空间音频渲染和主动降噪等等。

可以说， 音视频技术就如同空气和水 ，无处不在，未来充满无限可能。而且这些真实场景都强调 实时互动 ，延迟必须控制在毫秒级别内，如果在这个过程中，出现延时高、卡顿、画面模糊、杂音大等情况，你可以想象会出现什么样的体验吗？别说李佳琪双 11 直播带货 100 亿了，正常打一把沟通流畅的王者荣耀都不一定。

其实，早在疫情初期，很多 SaaS 平台甚至大厂都出现过卡顿问题，主要对突如其来的流量没有做好充分准备，而如今大家都看到了线上的市场，自然对音视频技术人才的需求就多了。

所以不夸张地说，音视频开发是一片 蓝海，人少，钱多 。而且未来，会更加炙手可热。

这张图供参考。但也能看出来，整体薪资待遇比普通开发者要优厚很多。不仅如此，从网上随手一搜，就能看到某某安卓转音视频，真香了、突破就业危机等等。

如今除了大厂，很多小公司也在寻找音视频的人才，稍微好点的音视频人才可能同时 3～4 家公司抢着要。就是因为从业人才基数低，高端人才缺乏，最重要的是，音视频技术有开发门槛，不好培养，也很难自学。 但这也意味着，你跟别人相比有技术上的核心竞争优势，有分水岭。

快速入门音视频技术的方法，有吗？

音视频技术学起来并不容易，要懂的东西太多：音视频的采集、编码、传输、解码、渲染…等等，网上也少见体系化的资料。

但就像左耳朵耗子所说， “要去知识的源头学习” 。对学习者来说，找到优质的 信息源 可以让你事半功倍，不是二手加工的，也不会有信息损失或有误。

而在音视频技术教育领域，不得不提的就是 【零声学院】 的course，在音视频课程里面可以说是最系统全面的，并且提供一次报名永久学习服务。

内容分为音视频基础、FFmpeg实战、流媒体客户端、流媒体服务器、WebRTC音视频通话和Android NDK开发六大块内容, 包含9个开源项目、60+自研项目和案例分析，提供全套的课件、代码、资料。 对标大厂音视频高级开发岗位技术栈。

现如今的音视频技术可以说无处不在。未来，也将作为一种基础技术应用到更广泛的的场景中，音视频技术人才也会成为新宠儿。虽然很难精通，但这个领域知识更新慢， 学的东西不容易淘汰 ，积累的经验将会是撬动你更大未来的一个支点。

所有的伟大都来源于一个勇敢的开始。无论是现在从事音视频技术，还是后期转岗，都是很多人为数不多的机遇，能不能抓住就看个人了。

接下来附上详细学习路线：

系统学习咨询点击

第一阶段

音频基础知识

1. 如何采集声音-模数转换原理

2. 为什么高品质音频采样率>=44.1Khz

3. 什么是PCM

4. 一个采样点用多少位表示

5. 采样值用整数还是浮点数表示 06. 音量大小和采样值大关系

6. 多少个采样点作为一帧数据

7. 左右通道的采样数据如何排列

8. 什么是PCM（脉冲编码调制）

9. 音频编码原理

视频基础知识

1. RGB彩色原理

2. 为什么需要YUV格式

3. 什么是像素

4. 分辨率、帧率、码率

5. YUV数据存储格式区别

注：具体H264编码格式见FFmpeg章节 06. YUV内存对齐问题

7. 为什么画面显示绿屏

8. H264编码原理

9. H264 I P B帧的关系

解复用基础知识

1. 什么是解复用，比如MP4格式

2. 为什么需要不同的复用格式

注：具体复用格式详解见FFmpeg章节 03. 常见的复用格式MP4/FLV/TS

FFmpeg开发环境搭建

1. Windows、Ubuntu、MAC三大平台

2. QT安装

3. FFmpeg命令行环境 04. FFmpeg API环境

4. FFmpeg编译

5. vs2019安装（win平台）

音视频开发常用工具

1. MediaInfo，分析视频文件

2. VLC播放器，播放测试

3. EasyICE，分析TS流

4. flvAnalyser，分析FLV 05. mp4box，分析mp4

5. audacity，分析音频PCM

6. Elecard_streamEye，分析H264

第二阶段 FFmpeg实战

FFmpeg命令

1. 音频PCM/AAC文件提取

2. 视频YUV/H264文件提取

3. 解复用、复用

4. 音视频录制 05. 视频裁剪和合并

5. 图片/视频转换

6. 直播推流和拉流

7. 水印/画中画/九宫格滤镜

注：掌握FFmpeg的目的：1.快速掌握FFmpeg能做什么；2.加深对音视频的理解

SDL跨平台多媒体开发库实战

1. SDL环境搭建

2. SDL事件处理

3. SDL线程处理 04. 视频YUV画面渲染

4. 音频PCM声音输出

注：SDL兼容Win、Ubuntu、Mac三大平台，主要用于后续项目的画面显示和声音输出

FFmpeg基石精讲

1. FFmpeg框架

2. FFmpeg内存引用计数模型

3. 解复用相关AVFormat XXX等

4. 编解码相关AVCodec XXX等 05. 压缩数据AVPacket

5. 未压缩数据AVFrame

6. FFmpeg面向对象思想

7. Packet/Frame数据零拷贝

注：目的熟悉FFmpeg常用结构体和函数接口

FFmpeg音视频解复用+解码

1. 解复用流程

2. 音频解码流程

3. 视频解码流程

4. FLV封装格式分析

5. MP4封装格式分析

6. FLV和MP4 seek有什么区别

7. 为什么FLV格式能用于直播

8. 为什么MP4不能用于直播

9. MP4能否用来做点播

10. AAC ADTS分析 11. H264 NALU分析

11. AVIO内存输入模式

12. 音频重采样实战

13. 重采样后的数据播放时长是否一致

14. 重采样后PTS如何表示

15. 视频解码后YUV内存对齐问题

16. 音频解码后PCM排列格式问题

18. 硬件解码dxva2/nvdec/cuvid/qsv

19. 硬件gpu数据转移到cpu

20. H265解码

注：FFmpeg API学习：视频解复用 -> 解码 -> 编码 -> 复用合成视频

18/19/20部分为2022年新增内容

FFmpeg音视频编码+复用合成视频

1. AAC音频编码

2. H264视频编码

3. PCM+YUV复用合成MP4/FLV

4. H264编码原理

5. IDR帧和I帧区别

6. 动态修改编码码率

7. GOP间隔参考值

8. 复用合成MP4音视频不同步问题 09. 编码、复用timebase问题

9. MP4合成IOS不能播放问题

10. 重采样后PTS如何表示

11. 视频编码YUV内存对齐问题

13. 硬件编码dxva2/nvenc/cuvid/qsv

14. H265编码原理

15. H264、H265编码互转

注： 13/14/15部分为2022年新增

FFmpeg过滤器

1. FFmpeg过滤chain框架

2. 音频过滤器框架

3. 视频过滤器框架

4. 多路音频混音amix 05. 视频水印watermark

5. 视频区域裁剪和翻转

6. 视频添加logo

ffplay播放器

1. 掌握ffplay.c的意义

2. ffplay框架分析

3. 解复用线程

4. 音频解码线程

5. 视频解码线程

6. 声音输出回调

7. 画面渲染时间间隔

8. 音频重采样

9. 画面尺寸格式变换

10. 音频、视频、外部时钟同步区别

11. 以视频为基准时音频重采样补偿 12. 音量静音、调节大小的本质

12. 音视频packet队列大小限制

13. 音视频packet队列线程安全

14. 音视频frame队列大小限制

15. 音视频frame队列线程安全

16. 暂停、播放实现机制

17. seek播放导致的画面卡住问题

18. seek播放数据队列、同步时钟处理

19. 如何做到逐帧播放

20. 播放器退出的流程要点

注： ffplay.c是ffplay命令的源码，掌握ffplay对于我们自己开发播放器有事半功倍的效果。

ffmpeg多媒体视频处理工具

1. 掌握ffmpeg.c的意义

2. ffmpeg框架分析

3. 音视频编码

4. 封装格式转换

5. 提取音频

6. 提取视频

7. logo叠加 08. 音视频文件拼接

8. filter机制

9. 命令行解析流程

10. MP4转FLV不重新编码逻辑

11. MP4转FLV重新编码逻辑

12. MP4转FLV timebase

13. MP4转FLV scale

注： ffmpeg.c是ffmpeg命令的源码，掌握ffmpeg.c的大体框架对于我们要实现一些不知道怎么编写代码的功能（用ffmepg命令行可以但不知道怎么调用ffmpeg api时可以参考ffmepg.c的逻辑）有极大的帮助，比如要裁剪视频长度。

FFmpeg+QT QMplay2播放器(2022新增)

1. QMplay2开源播放器讲解

2. QMplay2框架分析

3. 播放器模块划分

4. 解复用模块

5. 音视频解码

6. 播放器控制

7. 音视频同步 08. CUVID/D3D11VA硬解

8. 音量频谱展示

9. 音频均衡器

10. 画面旋转、翻转

11. 画面亮度、饱和度调节

12. 画面4:3 16:9切换

13. 码流信息分析

注： 该项目难度较大，供深入学习播放器的学员参考，老师以提供课后技术支持为主，附加少量视频。

OBS推流录制源码分析(2022新增)

1. OBS vs2019+QT5.15.2编译

2. 音频配置和初始化分析

3. 音频线程模块采集和编码分析

4. 视频配置和初始化分析

5. 视频线程模块采集和编码分析

6. OBS初始化过程分析 07. 录制流程分析

7. 麦克风采集分析

8. 桌面采集分析

9. X264编码分析

10. 系统声音+麦克风混音

11. 推流模块分析

注： 该项目难度较大，供深入推流项目的学员参考，老师以提供课后技术支持为主，附加少量视频。

第三阶段 流媒体客户端

RTMP推拉流项目实战

1. RTMP协议分析

2. wireshark抓包分析

3. H264 RTMP封装

4. AAC RTMP封装

5. RTMP拉流实战

6. H264 RTMP解析

7. AAC RTMP解析

8. RTMP推流实战

9. 没有MetaData能否播放 10. RTMP推流是否会导致延迟

10. RTMP推流如何动态调整码率

11. RTMP推流如何动态调整帧率

12. RTMP拉流是否会导致延迟

13. 如何检测RTMP拉流延迟

14. 如何解决RTMP播放延迟

15. ffplay、vlc能否用来测试播放延迟

16. RTMP拉流播放变速策略设置

注： RTMP推拉流是我们进入音视频流媒体领域的第一个项目，从数据采集->编码->推流->流媒体服务器转发->拉流->解码->播放等整个逻辑我们必须掌握。

HLS拉流分析

1. HLS协议分析

2. HTTP协议分析

3. TS格式分析

4. m3u8文件解析

5. wireshark抓包分析 06. HLS拉流实战

6. FFmpeg HLS源码分析

7. HLS多码率机制

8. 如何解决HLS延迟高的问题

注： 理解HLS的拉流机制，有助于我们解决HLS播放延迟较高的问题

RTSP流媒体实战

1. RTSP协议分析

2. RTP协议分析

3. H264 RTP封装

4. H264 RTP解析

5. AAC RTP封装

6. AAC RTP解析

7. RTCP协议分析

8. RTSP流媒体服务器搭建

9. RTSP推流实战 10. RTSP拉流实战

10. wireshark抓包分析

11. RTP头部序号的作用

12. RTCP的NTP和RTP的TS的区别

13. RTSP交互过程

14. 花屏可能的原因

15. SPS PPS如何发送

16. SDP封装音视频信息

注：RTSP涉及的技术不但只适用于安防领域，其中的RTCP RTP SDP等协议在WebRTC也有应用。

第四阶段 流媒体服务器

SRS 3.0源码剖析 协程

1. 整体框架分析

2. RTMP推流分析

3. RTMP拉流分析

4. HLS拉流分析

5. HTTP-FLV拉流分析

6. FFmpeg转码分析

7. 首屏秒开技术分析

8. forward集群源码分析

9. edge集群源码分析

10. 负载均衡部署方式 11. 连接和协程的关系

11. 如何更快速掌握SRS源码

12. 流媒体服务器是否导致延迟

13. 如何降低流媒体服务器的延迟

14. 怎么获取流媒体服务器推流信息

15. 怎么获取流媒体服务器拉流信息

16. 首屏秒开能降低延迟吗

17. 推流->服务器转发->拉流延迟分析

注：对于SRS流媒体服务器，我们长期更新，从3.0->4.0->5.0。

ZLMediaKit源码剖析(2022年新增) 多线程

1. 整体框架分析

2. 线程模块划分

3. RTSP推流连接处理

4. RTSP拉流连接处理 05. 数据转发模型

5. SDP解析

6. RTP H264解析

7. RTP AAC解析

注：ZLMediaKit主要讲解RTSP流媒体服务器相关的模块，其他模块RTMP/HLS等参考SRS。

第五阶段 WebRTC项目实战

WebRTC中级开发 手把手写代码

1. WebRTC通话原理分析

2. WebRTC开发环境搭建

3. coturn最佳搭建方法

4. 如何采集音视频数据

5. 一对一通话时序分析

6. 信令服务器设计

7. SDP分析

8. Candidate类型分析

9. Web一对一通话 10. Web和Android通话

10. AppRTC快速演示

11. 如何设置编码器优先级

12. 如何限制最大码率

13. 信令服务器的本质是什么

14. 为什么从接口获取SDP后还要再次设置

15. Web和Android的SDP差异

16. A要和B通话，A怎么知道B的存在

注：学习WebRTC建议从web端入手，可以直接调用js接口（千万别刚接触WebRTC就忙着去编译WebRTC源码），对WebRTC通话流程有清晰的理解再考虑其他端。

WebRTC高级开发-MESH模型多人通话

1. 自定义摄像头分辨率

2. 码率限制

3. 调整编码器顺序

4. Mesh模型多方通话分析 05. 多人通话信令服务器开发

5. 动态分配stun/turn服务器

6. Web客户端源码

7. Android客户端源码

注：该项目

WebRTC高级开发-Janus SFU模型多人通话

1. Janus框架分析

2. Janus信令设计

3. 基于Janus实现会议系统

4. Janus Web客户端源码分析

5. Janus Android客户端源码分析

6. Janus Windows客户端源码分析

7. 基于Full ICE的部署

8. 基于Lite ICE的部署

9. Full ICE和Lite ICE的区别

10. 发布订阅模型

注：Janus是一个非常出名的SFU WebRTC服务器，不少企业基于该开源项目做二次开发，比如学霸君。

WebRTC高级开发-SRS 4.0源码分析

1. RTMP转发WebRTC逻辑

2. WebRTC转发RTMP逻辑

3. WebRTC音视频一对一通话

4. WebRTC多人通话

5. WebRTC SFU模型分析

6. SRTP分析

7. RTCP分析

8. SDP分析

9. NACK分析

10. turn分析

11. stun分析

12. 拥塞控制算法

13. FEC

14. jitter buffer

注：srs著名的流媒体服务器，社区非常活跃。红色为2022年新增内容

第六阶段 Android NDK

Android NDK开发基础

1. So库适配总结

2. GDB调试技巧

3. Makefile工程组织

4. CMake工程组织 05. 生成指定CPU平台的so库

5. JNI基础和接口生成

6. JNI Native层构建 Java 对象

7. JNI异常处理

注：供往移动开发的朋友，红色部分为2022年新增。

Android FFmpeg编译和应用

1. 编译x264

2. 编译x265

3. 编译mp3

4. 编译fdk-aac 05. 编译FFmpeg

5. 使用ffmpeg实现mp4转格式

6. 使用FFmpeg开发播放器

Android RTMP推拉流

1. RTMP推流协议实现

2. RTMP拉流协议实现

3. RTMP拉流音视频同步

4. MediaCodec硬件编码 05. MediaCodec硬件解码

5. OpenSL ES播放音频数据

6. MediaCodec硬件解码

7. OpenGL ES Shader显示视频

Android Ijkplayer源码分析

1. 编译ijkplayer和实践

2. 项目框架分析

3. 播放状态转换

4. 拉流分析

5. 解码分析

6. 音频播放流程

7. 视频渲染流程 08. OpenSL ES播放音频数据

8. MediaCodec硬件解码

9. OpenGL ES Shader显示视频

10. 变速播放实现原理

11. 低延迟播放实现

12. 缓存队列设计机制分析