MediaInsight 使用说明
电梯直达：MediaInsight
简介
MediaInsight 是一款在线可视化多媒体格式解析工具，专为音视频开发者和学习者打造。无需安装任何软件，打开浏览器即可深入分析各类媒体文件的内部结构。通过直观的树形结构、十六进制数据对照、图表统计等功能，帮助用户快速理解音视频封装格式的原理，定位开发中遇到的各类问题。
核心特性
广泛的格式支持
支持主流的音视频封装格式，包括：
- 视频容器：FLV 、MP4 、fMP4 、MKV/WebM 、MPEG-TS 、MPEG-PS
- 音频格式：MP3 、M4A/AAC
- 流媒体：RTP 、HLS (m3u8)、HTTP-FLV
- 裸流：H.264/H.265 Annex B
多维度解析视图
- 媒体信息总览：快速查看文件的基本属性，如时长、码率、分辨率、编码格式等
- 逐帧分析：深入每一帧的详细信息，包括 PTS/DTS 时间戳、帧类型、帧大小等
- 逐包查看：针对 TS 、RTP 等格式，支持查看原始数据包结构
- 容器结构：可视化展示 MP4 Box 树、FLV Tag 、MKV EBML 元素等容器层级结构
- 字段级详情：每个解析字段都可展开查看，并高亮显示对应的十六进制原始数据
音视频预览
- 视频帧预览：基于 WebCodec 技术，支持逐帧解码显示视频画面
- 音频播放：支持单帧播放和连续播放，覆盖 MP3 、AAC 、G.711 等编码格式
数据可视化
- 码率分布图：直观展示视频码率随时间的变化趋势
- 帧间隔图表：分析帧间隔分布，快速发现卡顿或丢帧问题
- 帧类型统计：I/P/B 帧占比一目了然
各格式详细解析说明
FLV (Flash Video)
FLV 是一种流媒体封装格式，结构简单，常用于直播场景。MediaInsight 提供完整的 FLV 结构解析：
文件头 (FLV Header)
Signature：文件签名，固定为 "FLV"Version：版本号，通常为 1TypeFlags：标志位，指示是否包含音频/视频DataOffset：数据区起始偏移，通常为 9
Tag 结构 每个 FLV Tag 包含以下字段：
TagType：标签类型（ 8=音频，9=视频，18=脚本数据）DataSize：数据区大小（ 3 字节）Timestamp：时间戳（ 3 字节 + 1 字节扩展）StreamID：流 ID ，始终为 0PreviousTagSize：前一个 Tag 的大小
音频 Tag 详情
SoundFormat：音频编码格式（如 10=AAC, 2=MP3, 7=G.711 A-law ）SoundRate：采样率（ 0=5.5kHz, 1=11kHz, 2=22kHz, 3=44kHz ）SoundSize：采样精度（ 0=8bit, 1=16bit ）SoundType：声道数（ 0=单声道, 1=立体声）AACPacketType：AAC 包类型（ 0=序列头, 1=原始数据）
视频 Tag 详情
FrameType：帧类型（ 1=关键帧, 2=非关键帧）CodecID：编码格式（ 7=AVC/H.264, 12=HEVC/H.265 ）AVCPacketType：AVC 包类型（ 0=序列头, 1=NALU, 2=序列结束）CompositionTime：CTS 偏移量
脚本数据 (onMetaData)
-
duration：时长 -
width/height：视频尺寸 -
framerate：帧率 -
videodatarate/audiodatarate：码率
MP4 / fMP4
MP4 基于 ISO Base Media File Format ，采用 Box （也称 Atom ）嵌套结构。MediaInsight 以树形视图展示完整的 Box 层级：
顶层 Box
ftyp：文件类型，包含品牌标识和兼容性信息moov：元数据容器，包含所有轨道信息mdat：媒体数据区，存储实际的音视频数据moof：分片元数据（ fMP4 特有）
moov 内部结构
mvhd：影片头，包含时长、时间刻度、创建时间等-
trak：轨道容器，每个音视频流对应一个 traktkhd：轨道头，包含轨道 ID 、时长、宽高-
mdia：媒体信息容器mdhd：媒体头，包含时间刻度、时长、语言hdlr：处理器类型（ vide=视频, soun=音频）-
minf：媒体信息-
stbl：采样表，核心数据结构stsd：采样描述，包含编码参数（如 avc1, hvc1, mp4a ）stts：时间到采样映射stss：同步采样表（关键帧索引）stsc：采样到 Chunk 映射stsz：采样大小表stco/co64：Chunk 偏移表
-
编码配置解析
avcC：H.264 解码配置，包含 SPS/PPShvcC：H.265 解码配置，包含 VPS/SPS/PPSesds：AAC 音频配置，包含 AudioSpecificConfig
MKV / WebM
MKV 采用 EBML (Extensible Binary Meta Language) 结构，类似 XML 的二进制格式：
顶层元素
EBML：EBML 头，包含版本和文档类型Segment：片段容器，包含所有媒体数据
Segment 内部结构
SeekHead：索引表，快速定位其他元素-
Info：片段信息TimestampScale：时间戳精度（纳秒）Duration：总时长MuxingApp/WritingApp：创建工具信息
-
Tracks：轨道定义-
TrackEntry：轨道条目TrackNumber：轨道编号TrackType：类型（ 1=视频, 2=音频, 17=字幕）CodecID：编码标识（如 V_MPEG4/ISO/AVC ）CodecPrivate：编码私有数据Video：视频参数（宽高、显示尺寸）Audio：音频参数（采样率、声道数、位深）
-
-
Cluster：数据簇，包含实际媒体数据Timestamp：簇时间戳SimpleBlock/BlockGroup：数据块
MPEG-TS
MPEG-TS 是广播电视和流媒体常用的传输流格式，采用固定 188 字节的包结构：
TS 包头 (4 字节)
sync_byte：同步字节，固定为 0x47transport_error_indicator：传输错误标志payload_unit_start_indicator：负载单元起始标志transport_priority：传输优先级PID：包标识符（ 13 位）transport_scrambling_control：加扰控制adaptation_field_control：自适应域控制continuity_counter：连续计数器（ 4 位）
自适应域 (Adaptation Field)
adaptation_field_length：自适应域长度discontinuity_indicator：不连续标志PCR_flag：PCR 存在标志PCR：节目时钟参考（ 42 位）
random_access_indicator：随机访问点标志 PSI 表
PAT(PID=0x0000)：节目关联表，映射节目号到 PMT PID-
PMT：节目映射表，定义节目内的流program_number：节目号PCR_PID：PCR 所在的 PIDstream_type：流类型（ 0x1B=H.264, 0x24=H.265, 0x0F=AAC ）elementary_PID：基本流 PIDdescriptors：描述符
PES 包
packet_start_code_prefix：起始码前缀 (0x000001)stream_id：流标识PES_packet_length：包长度PTS/DTS：显示/解码时间戳
MPEG-PS
MPEG-PS 是节目流格式，常用于 DVD 和监控录像（如 GB28181 ）：
Pack Header
pack_start_code：包起始码 (0x000001BA)system_clock_reference：系统时钟参考 (SCR)program_mux_rate：复用速率pack_stuffing_length：填充长度
System Header
system_header_start_code：系统头起始码 (0x000001BB)rate_bound：速率上限audio_bound：音频流数量上限video_bound：视频流数量上限stream_id/buffer_bound_scale/buffer_size_bound：流缓冲信息
Program Stream Map (PSM)
stream_type：流类型elementary_stream_id：基本流 ID- 支持的编码：H.264, H.265, G.711, AAC 等
PES 包 与 MPEG-TS 中的 PES 结构相同
RTP
RTP (Real-time Transport Protocol) 用于实时音视频传输：
RTP 头 (12 字节)
V：版本号（ 2 位），固定为 2P：填充标志（ 1 位）X：扩展标志（ 1 位）CC：CSRC 计数（ 4 位）M：标记位（ 1 位），通常表示帧结束-
PT：负载类型（ 7 位）- 0 = PCMU (G.711 μ-law)
- 8 = PCMA (G.711 A-law)
- 96-127 = 动态类型（ H.264, H.265, AAC 等）
sequence_number：序列号（ 16 位）timestamp：时间戳（ 32 位）SSRC：同步源标识（ 32 位）
扩展头
extension_profile：扩展配置extension_length：扩展长度extension_data：扩展数据
H.264/H.265 Annex B 裸流
Annex B 是 H.264/H.265 的字节流格式，使用起始码分隔 NAL 单元：
起始码
- 3 字节：0x000001
- 4 字节：0x00000001 （通常用于 SPS/PPS/VPS/IDR ）
NAL Unit Header
H.264:
forbidden_zero_bit：禁止位，必须为 0nal_ref_idc：参考级别（ 2 位）-
nal_unit_type：NAL 类型（ 5 位）- 1 = 非 IDR 图像片
- 5 = IDR 图像片
- 6 = SEI
- 7 = SPS
- 8 = PPS
H.265:
forbidden_zero_bit：禁止位-
nal_unit_type：NAL 类型（ 6 位）- 0-9 = 非 TSA/STSA 片
- 16-21 = BLA/IDR/CRA 片
- 32 = VPS
- 33 = SPS
- 34 = PPS
- 39-40 = SEI
nuh_layer_id：层 ID （ 6 位）nuh_temporal_id_plus1：时域 ID （ 3 位）
SPS 关键字段
profile_idc/level_idc：档次和级别pic_width_in_mbs/pic_height_in_map_units：图像尺寸frame_mbs_only_flag：仅帧编码标志chroma_format_idc：色度格式bit_depth_luma/bit_depth_chroma：位深
MP3
MP3 采用帧结构，每帧独立可解码：
帧头 (4 字节)
sync：同步字（ 11 位全 1 ）-
version：MPEG 版本（ 2 位）- 00 = MPEG 2.5
- 10 = MPEG 2
- 11 = MPEG 1
-
layer：层（ 2 位）- 01 = Layer III
- 10 = Layer II
- 11 = Layer I
protection_bit：CRC 保护bitrate_index：码率索引（ 4 位）sampling_frequency：采样率索引（ 2 位）padding_bit：填充位private_bit：私有位-
channel_mode：声道模式- 00 = 立体声
- 01 = 联合立体声
- 10 = 双声道
- 11 = 单声道
mode_extension：模式扩展copyright：版权标志original：原始标志emphasis：强调模式
帧大小计算
- Layer I:
(12 * bitrate / samplerate + padding) * 4 - Layer II/III:
144 * bitrate / samplerate + padding
字段级详情与十六进制对照
MediaInsight 的一大特色是字段级的详细解析。当您在树形视图中点击任意字段时：
- 字段值显示：显示解析后的值，如数字、字符串、枚举名称
- 位置信息：显示该字段在文件中的字节偏移和位偏移
- 十六进制高亮：右侧的十六进制视图会自动高亮对应的原始字节
- 位级解析：对于位域字段，显示具体的位范围和二进制值
这种对照方式让您能够：
- 验证解析结果的正确性
- 学习各字段的二进制编码方式
- 快速定位异常数据的具体位置
隐私安全
MediaInsight 采用纯前端解析技术，所有文件处理均在浏览器本地完成，不会上传任何数据到服务器，充分保障您的数据隐私和安全。
适用场景
- 音视频入门学习：通过可视化界面直观理解各种封装格式的内部结构
- 开发调试：快速定位编码异常、时间戳错乱、容器结构错误等问题
- 质量分析：评估码率分布、帧间隔稳定性等指标
- 协议分析：分析流媒体协议的数据包结构
快速开始
- 访问 MediaInsight 网站
- 点击「打开文件」选择本地媒体文件，或点击「打开链接」输入流媒体地址
- 等待解析完成，即可浏览各项分析结果
- 点击左侧树形结构中的字段，查看详细信息和十六进制数据
- 切换到「帧列表」查看逐帧信息，点击帧可预览视频画面或播放音频
- 切换到「图表」查看码率分布和帧间隔统计
MediaInsight 让多媒体格式解析变得简单直观。
Select Language