AVAssetWriterInput - 捕获音频的视频帧不足

Question

我有一个相当复杂的 AVAssetWriterInput 设置，我正在使用它来在录制时翻转相机。基本上运行两个会话，当用户点击翻转相机时，我将会话 1 从输出断开并附加会话 2。

这真的很棒。我可以导出视频，它可以正常播放。

现在我正在尝试对生成的视频进行更高级的处理，因此出现了一些问题，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 但大部分时间最终会出现全黑帧，有时在视频的开头，有时在视频的尾部，会出现一瞬间.时间不同，但总是小于一帧（见下面的日志，1/30 或 0.033333333s）

我做了一些来回调试，并设法使用我的录像机录制了一个视频，该录像机始终产生一个尾随黑框，但是 使用教程代码我无法创建一个视频产生一个尾随的黑框。我在教程代码中添加了一些类似的日志记录（下面粘贴的内容），我看到的增量不超过 2/100 秒。所以最多大约是 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我的视频，两个资产输入开始吞噬数据，然后当我说“停止”时它们停止。视频输入在最后一个完整帧处停止，音频输入也类似。但是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，我最终得到的音频比视频多。这不是问题，直到我用两条轨道组合资产，然后组合引擎认为我的意思是“是的，即使存在不匹配，实际上所有轨道都使用 100% 的时间”，这会导致黑屏.

（编辑：这基本上是正在发生的事情 - 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，与其担心构图结构和时间安排并确保一切正常，不如让捕获的音频和视频尽可能匹配。理想情况下为 0，但我可以处理大约 1/10 帧的任何内容。

所以我的问题是：如何使两个 AVAssetWriterInputs，一个音频和一个视频，连接到 AVAssetWriter 更好地排列？有地方设置吗？我会弄乱帧率吗？我应该将导出的资产修剪到视频轨道的长度吗？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的时间停止 - 基本上先停止音频然后等待视频“赶上”然后停止视频？还有什么？我在这里不知所措：|

我的日志记录

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**

教程日志

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 - 不要只是AVAssetWriter.finishWriting {}，因为最后写入的帧是 T_End。而是使用AVAssetWriter.endSession(atSourceTime:) 将 T_End 设置为最后写入视频帧的时间。

AVCaptureVideoDataOutputSampleBuffer 委托救援！！

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

一旦会话开始并且你的输出开始了，他们就会不断地向这个代表吐出数据

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，我们需要确保第一个帧是视频帧。直到我们得到一个视频帧，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，使其只进行帧处理//写入，并保证在读取lastVideoFrameWrite 时停止记录（将从main 队列触发）不会发生冲突或内存问题

现在是有趣的部分！

4. 为了防止出现黑帧，我们让 AVAssetWriter 在 T_lastVideoFrameTime 结束其会话。这将丢弃在 T_lastVideoFrameTime 之后写入的所有帧（音频和视频），确保 AVAssetWriter 中的两个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！！！！！！所有亚毫秒。很不错。

代码

录制

    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)
    }
}

停止录制

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
             ...
        }
    ...
    }
}