AVAssetWriterInput - 捕获音频的视频帧不足

Question

我有一个中等复杂的 AVAssetWriterInput 设置，我可以使用它在录制时翻转相机。基本上运行两个会话，当用户点击翻转相机时，我会断开会话 1 与输出的连接并附加会话 2。

这真的很棒。我可以导出视频并且播放得很好。

现在，我尝试对生成的视频执行更高级的操作，但突然出现了一些问题，特别是导出的 AVAsset 内部的 AVAssetTrack 略有不匹配（始终小于 1 帧）。具体来说，我正在尝试这样做：https://www.raywenderlich.com/6236502-avfoundation-tutorial-adding-overlays-and-animations-to-videos，但很多时候最终都是全黑的帧，有时在视频的头部，有时在视频的尾部，出现一瞬间。时间各不相同，但总是小于一帧（参见下面的日志，1/30或0.033333333s）

我进行了一些来回调试，并设法使用我的录像机录制了一个视频，该视频始终产生尾随黑帧，但使用教程代码我无法创建产生尾随黑帧的视频。我在教程代码中添加了一些类似的日志记录（与下面粘贴的内容相同），我看到增量不超过 2/100 秒。所以最多大约 1 帧的 1/10。有一次甚至是完美的 0。

所以我现在的感觉是，正在发生的事情是我录制视频，两个 assetInput 都开始吞噬数据，然后当我说“停止”时，它们就停止了。视频输入在最后一个完整帧处停止，音频输入也类似。但由于音频输入的采样率比视频高得多，因此它们没有完美同步，最终得到的音频比视频多。这不是问题，直到我用两个轨道合成一个资产，然后合成引擎认为我的意思是“是的，实际上所有轨道都使用 100% 的时间，即使存在不匹配”，这会导致黑屏。

（编辑：这基本上就是发生的事情 - https://blender.stackexchange.com/questions/6268/audio-track-and-video-track-are-not-the-same-length）

我认为正确的解决方案是，不要担心构图结构和时间安排并确保一切正常，而是让捕获的音频和视频尽可能匹配。理想情况下为 0，但我对 1/10 帧左右的任何内容都可以。

所以我的问题是：如何使两个 AVAssetWriterInput（一个音频和一个视频）附加到 AVAssetWriter 上更好地排列？某处有设置吗？我是否搞乱了帧速率？我应该将导出的资源修剪为视频轨道的长度吗？停止录制时可以复制最后捕获的帧吗？我可以让输入在不同时间停止 - 基本上让音频先停止，然后等待视频“赶上”，然后停止视频吗？还有别的事吗？我在这里不知所措：|

我的记录

BUFFER | VIdeo SETTINGS: Optional(["AVVideoCompressionPropertiesKey": {
    AllowFrameReordering = 1;
    AllowOpenGOP = 1;
    AverageBitRate = 7651584;
    **ExpectedFrameRate = 30;**
    MaxKeyFrameIntervalDuration = 1;
    MaxQuantizationParameter = 41;
    MinimizeMemoryUsage = 1;
    Priority = 80;
    ProfileLevel = "HEVC_Main_AutoLevel";
    RealTime = 1;
    RelaxAverageBitRateTarget = 1;
    SoftMinQuantizationParameter = 18;
}, "AVVideoCodecKey": hvc1, "AVVideoWidthKey": 1080, "AVVideoHeightKey": 1920])

BUFFER | AUDIO SETTINGS Optional(["AVNumberOfChannelsKey": 1, "AVFormatIDKey": 1633772320, **"AVSampleRateKey": 48000**])


BUFFER | asset duration: 0.5333333333333333
BUFFER | video track duration: 0.5066666666666667
BUFFER | Audio track duration: 0.5333333333333333
**BUFFER | Asset Delta: -0.026666666666666616**

BUFFER | asset duration: 0.384
BUFFER | video track duration: 0.37333333333333335
BUFFER | Audio track duration: 0.384
**BUFFER | Asset Delta: -0.010666666666666658**

BUFFER | asset duration: 0.9405416666666667
BUFFER | video track duration: 0.935
BUFFER | Audio track duration: 0.9405416666666667
**BUFFER | Asset Delta: -0.005541666666666667**

教程记录

COMPOSE | asset duration: 0.7333333333333333
COMPOSE | video track duration: 0.7333333333333333
COMPOSE | audio track duration: 0.7316666666666667
**Delta: ~0.01667**

COMPOSE | asset duration: 1.3333333333333333
COMPOSE | video track duration: 1.3333333333333333
COMPOSE | audio track duration: 1.3316666666666668
**Delta: ~0.01667**

COMPOSE | asset duration: 1.0316666666666667
COMPOSE | video track duration: 1.0316666666666667
COMPOSE | audio track duration: 1.0316666666666667
**Delta: 0 (wow)**

Answer 1

TL;DR - 不仅仅是AVAssetWriter.finishWriting {}因为最后写入的帧是 T_End。相反，使用AVAssetWriter.endSession(atSourceTime:)将 T_End 设置为最后写入视频帧的时间。

AVCaptureVideoDataOutputSampleBufferDelegate 来救援！

使用 AVCapture(Video|Audio)DataOutputSampleBufferDelegate 将缓冲区写入 AVAssetWriter（将委托附加到 AVCaptureVideoDataOutput 和 AVCaptureAudioDataOutput）

一旦会话开始并且您的输出开始，他们将不断地将数据吐给该代表

1. canWrite 是一个标志，用于跟踪您是否应该记录（将sampleBuffers写入AVAssetWriter）
2. 为了防止出现前导黑帧，我们需要确保第一帧是视频帧。在我们获得视频帧之前，即使我们正在录制，我们也会忽略这些帧。startSession(atSourceTime:) 为资产设置 T0，我们将其设置为第一个视频帧的时间
3. 每次写入视频帧时，将该时间记录在单独的队列中。这释放了 delegateQueue 来只进行帧处理//写入，并保证停止记录（将从队列中触发main）在读取时不会出现冲突或内存问题。lastVideoFrameWrite

现在是有趣的部分！

4. 为了防止拖尾黑帧，我们让 AVAssetWriter 在 T_lastVideoFrameTime 结束其会话。这会丢弃在 T_lastVideoFrameTime 之后写入的所有帧（音频和视频），确保 AVAssetWriter 内的两个 assetTrack 尽可能同步。

结果

BUFFER | asset duration: 1.8683333333333334
BUFFER | video track duration: 1.8683333333333334
BUFFER | Audio track duration: 1.868
BUFFER | Asset Delta: 0.0003333333333332966

BUFFER | asset duration: 1.435
BUFFER | video track duration: 1.435
BUFFER | Audio track duration: 1.4343333333333332
BUFFER | Asset Delta: 0.0006666666666668153

BUFFER | asset duration: 1.8683333333333334
BUFFER | video track duration: 1.8683333333333334
BUFFER | Audio track duration: 1.8682291666666666
BUFFER | Asset Delta: 0.00010416666666679397

BUFFER | asset duration: 1.435
BUFFER | video track duration: 1.435
BUFFER | Audio track duration: 1.4343541666666666
BUFFER | Asset Delta: 0.0006458333333334565

看看那些三角洲！！！！全部亚毫秒。很不错。

代码

记录

    func captureOutput(_ output: AVCaptureOutput, didOutput sampleBuffer: CMSampleBuffer, from connection: AVCaptureConnection) {
    guard CMSampleBufferDataIsReady(sampleBuffer) else {
        return
    }
    if output == audioDataOutput {
        // PROCESS AUDIO BUFFER
    }
    if output == videoDataOutput {
        // PROCESS VIDEO BUFFER
    }
    
    // 1
    let writable = canWrite
    let time = CMSampleBufferGetPresentationTimeStamp(sampleBuffer)
    if writable && sessionAtSourceTime == nil {
        // 2
        if output == videoDataOutput {
            sessionAtSourceTime = time
            videoWriter.startSession(atSourceTime: sessionAtSourceTime!)
        } else {
            return
        }
    }
    
    if output == videoDataOutput && writable {
        if videoWriterInput != nil {
            if videoWriterInput.isReadyForMoreMediaData {
                //Write video buffer
                videoWriterInput.append(sampleBuffer)
                // 3
                WBufferCameraSessionController.finishRecordQueue.async {
                    self.lastVideoFrameWrite = time
                }
            }
        }
    } else if writable,
              output == audioDataOutput,
              audioWriterInput != nil,
              audioWriterInput.isReadyForMoreMediaData {
        //Write audio buffer
        audioWriterInput.append(sampleBuffer)
    }
    if output == videoDataOutput {
        bufferDelegate?.didOuputVideoBuffer(buffer: sampleBuffer)
    }
}

停止录音

func stopRecording() {
    guard isRecording else {
        return
    }
    guard isStoppingRecording == false else {
        return
    }
    isStoppingRecording = true
    WBufferCameraSessionController.finishRecordQueue.async {
        // 4
        if self.lastVideoFrameWrite != nil {
            self.videoWriter.endSession(atSourceTime: self.lastVideoFrameWrite)
        }
        self.videoWriter.finishWriting { 
             // cleanup, do stuff with finished file if writing was successful
             ...
        }
    ...
    }
}