Media Kit简介

Media Kit（媒体服务）用于开发音视频播放或录制的各类功能。在Media Kit的开发指导中，将详细介绍音视频多个模块的开发方式，指导开发者如何使用系统提供的音视频API实现对应功能。比如使用SoundPool实现简单的提示音，当设备接收到新消息时，会发出短促的“滴滴”声；使用AVPlayer实现音乐播放器，循环播放一首音乐。

Media Kit提供的模块有：

• [AVPlayer]：播放音视频
• [SoundPool]：播放短音频
• [AVRecorder]：录制音视频
• [AVScreenCapture]：录制屏幕
• [AVMetadataExtractor]：获取音视频元数据
• [AVImageGenerator]：获取视频缩略图
• [AVTranscoder]：视频转码

亮点/特征

• 使用轻量媒体引擎

  使用较少的系统资源（线程、内存），可支持音视频播放/录制，支持pipeline灵活拼装，支持插件化扩展source/demuxer/codec。

• 支持HDR视频

  系统原生数据结构与接口支持hdr vivid的采集与播放，方便三方应用在业务中使用系统的HDR能力，为用户带来更炫彩的体验。

• 支持音频池

  针对开发中常用的短促音效播放场景，如相机快门音效、系统通知音效等，应用可调用SoundPool，实现一次加载，多次低时延播放。

开发说明

本开发指导仅针对音视频播放或录制本身，由media模块提供相关能力，不涉及UI界面、图形处理、媒体存储或其他相关领域功能。

在开发音乐、视频播放功能之前，建议了解流媒体播放的相关概念包括但不限于：

• 播放过程：网络协议 > 容器格式 > 音视频编解码 > 图形/音频渲染
• 网络协议：比如HLS、HTTP-FLV、HTTP/HTTPS
• 容器格式：比如mp4、mkv、mpeg-ts
• 编码格式：比如h264/h265

AVPlayer

AVPlayer主要工作是将Audio/Video媒体资源（比如mp4/mp3/mkv/mpeg-ts等）转码为可供渲染的图像和可听见的音频模拟信号，并通过输出设备进行播放。

AVPlayer提供功能完善一体化播放能力，应用只需要提供流媒体来源，不负责数据解析和解码就可达成播放效果。

音频播放

当使用AVPlayer开发音乐应用播放音频时，AVPlayer与外部模块的交互关系如图所示。

音乐类应用通过调用JS接口层提供的AVPlayer接口实现相应功能时，框架层会通过播放服务（Player Framework）将资源解析成音频数据流（PCM），音频数据流经过软件解码后输出至音频服务（Audio Framework），由音频服务输出至音频驱动渲染，实现音频播放功能。完整的音频播放需要应用、Player Framework、Audio Framework、音频HDI共同实现。

上图中，数字标注表示需要数据与外部模块的传递。

1. 音乐应用将媒体资源传递给AVPlayer接口。
2. Player Framework将音频PCM数据流输出给Audio Framework，再由Audio Framework输出给音频HDI。

视频播放

当使用AVPlayer开发视频应用播放视频时，AVPlayer与外部模块的交互关系如图所示。

应用通过调用JS接口层提供的AVPlayer接口实现相应功能时，框架层会通过播放服务（Player Framework）解析成单独的音频数据流和视频数据流，音频数据流经过软件解码后输出至音频服务（Audio Framework），再至硬件接口层的音频HDI，实现音频播放功能。视频数据流经过硬件（推荐）/软件解码后输出至图形渲染服务（Graphic Framework），再输出至硬件接口层的显示HDI，完成图形渲染。

完整的视频播放需要：应用、XComponent、Player Framework、Graphic Framework、Audio Framework、显示HDI和音频HDI共同实现。

图中的数字标注表示需要数据与外部模块的传递。

1. 应用从XComponent组件获取窗口SurfaceID，获取方式参考[XComponent]。
2. 应用把媒体资源、SurfaceID传递给AVPlayer接口。
3. Player Framework把视频ES数据流输出给解码HDI，解码获得视频帧（NV12/NV21/RGBA）。
4. Player Framework把音频PCM数据流输出给Audio Framework，Audio Framework输出给音频HDI。
5. Player Framework把视频帧（NV12/NV21/RGBA）输出给Graphic Framework，Graphic Framework输出给显示HDI。

支持的格式与协议

推荐使用以下主流的播放格式，音视频容器、音视频编码属于内容创作者所掌握的专业领域，不建议应用开发者自制码流进行测试，以免产生无法播放、卡顿、花屏等兼容性问题。若发生此类问题不会影响系统，退出播放即可。

支持的协议如下：

协议类型	协议描述
本地点播	协议格式：支持file descriptor，禁止file path
网络点播	协议格式：支持http/https/hls/dash
网络直播	协议格式：支持hls/http-flv

支持的音频播放格式如下：

音频容器规格	规格描述
m4a	音频格式：AAC
aac	音频格式：AAC
mp3	音频格式：MP3
ogg	音频格式：VORBIS
wav	音频格式：PCM
amr	音频格式：AMR

说明：

视频播放支持的视频格式分为必选规格和可选规格。必选规格为所有厂商均支持的视频格式。对于可选规格，厂商将基于实际情况决定是否实现。建议开发者做对应的兼容处理，保证应用功能全平台兼容。

视频格式	是否必选规格
H26510+	是
H264	是

支持的视频播放格式和主流分辨率如下：

视频容器规格	规格描述	分辨率
mp4	视频格式：H26510+/H264 音频格式：AAC/MP3	主流分辨率，如4K/1080P/720P/480P/270P
mkv	视频格式：H26510+/H264 音频格式：AAC/MP3	主流分辨率，如4K/1080P/720P/480P/270P
ts	视频格式：H26510+/H264 音频格式：AAC/MP3	主流分辨率，如4K/1080P/720P/480P/270P

支持的字幕格式如下：

字幕容器规格	支持的协议	支持的加载方式
srt	本地点播(fd)/网络点播(http/https/hls/dash)	外挂字幕
vtt	本地点播(fd)/网络点播(http/https/hls/dash)	外挂字幕
webvtt	网络点播(dash协议)	内置字幕

说明：

当dash协议存在内置字幕时，不支持添加外挂字幕。

SoundPool

SoundPool主要工作是将音频媒体资源（比如mp3/m4a/wav等）转码为音频模拟信号，并通过输出设备进行播放。

SoundPool提供短音频的播放能力，应用只需要提供音频资源来源，不负责数据解析和解码就可达成播放效果。

当使用SoundPool开发应用播放音频时，SoundPool与外部模块的交互关系如图所示。

音乐类应用通过调用JS接口层提供的SoundPool接口实现相应功能时，框架层会通过播放服务（Player Framework）将资源解析成音频数据流（PCM），音频数据流经过软件解码后输出至音频服务（Audio Framework），由音频服务输出至音频驱动渲染，实现音频播放功能。完整的音频播放需要应用、Player Framework、Audio Framework、音频HDI共同实现。

图中的数字标注表示需要数据与外部模块的传递。

1. 音乐应用将媒体资源传递给SoundPool接口。
2. Player Framework将音频PCM数据流输出给Audio Framework，再由Audio Framework输出给音频HDI。

支持的格式与协议

推荐使用以下主流的播放格式，音视容器、音频编码属于内容创作者所掌握的专业领域，不建议应用开发者自制码流进行测试，以免产生无法播放、卡顿等兼容性问题。若发生此类问题不会影响系统，退出播放即可。

支持的协议如下：

协议类型	协议描述
本地点播	协议格式：支持file descriptor，禁止file path

支持的音频播放格式如下：

音频容器规格	规格描述
m4a	音频格式：AAC
aac	音频格式：AAC
mp3	音频格式：MP3
ogg	音频格式：VORBIS
wav	音频格式：PCM

AVRecorder

AVRecorder主要工作是捕获音频信号，接收视频信号，完成音视频编码并保存到文件中，帮助开发者轻松实现音视频录制功能，包括开始录制、暂停录制、恢复录制、停止录制、释放资源等功能控制。它允许调用者指定录制的编码格式、封装格式、文件路径等参数。

当使用AVRecorder开发应用录制视频时，AVRecorder与外部模块的交互关系如图所示。

• 音频录制：应用通过调用JS接口层提供的AVRecorder接口实现音频录制时，框架层会通过录制服务（Player Framework），调用音频服务（Audio Framework）通过音频HDI捕获音频数据，通过软件编码封装后保存至文件中，实现音频录制功能。
• 视频录制：应用通过调用JS接口层提供的AVRecorder接口实现视频录制时，先通过Camera接口调用相机服务（Camera Framework）通过视频HDI捕获图像数据送至框架层的录制服务，录制服务将图像数据通过视频编码HDI编码，再将编码后的图像数据封装至文件中，实现视频录制功能。

通过音视频录制组合，可分别实现纯音频录制、纯视频录制、音视频录制。

图中的数字标注表示需要数据与外部模块的传递。

1. 应用通过AVRecorder接口从录制服务获取SurfaceID。
2. 应用将SurfaceID设置给相机服务，相机服务可以通过SurfaceID获取到Surface。相机服务通过视频HDI捕获图像数据送至框架层的录制服务。
3. 相机服务通过Surface将视频数据传递给录制服务。
4. 录制服务通过视频编码HDI模块将视频数据编码。
5. 录制服务将音频参数设置给音频服务，并从音频服务获取到音频数据。

支持的格式

支持的音频源如下：

音频源类型	说明
mic	系统麦克风作为音频源输入。

支持的视频源如下：

视频源类型	说明
surface_yuv	输入surface中携带的是raw data。
surface_es	输入surface中携带的是ES data。

支持的音视频编码格式如下：

音视频编码格式	说明
audio/mp4a-latm	音频/mp4a-latm类型
video/hevc	视频/hevc类型
video/avc	视频/avc类型
audio/mpeg	音频/mpeg类型
audio/g711mu	音频/g711-mulaw类型

支持的输出文件格式如下：

输出文件格式	说明
mp4	视频的容器格式，MP4。
m4a	音频的容器格式，M4A。
mp3	音频的容器格式，MP3。
wav	音频的容器格式，wav。

AVScreenCapture

AVScreenCapture主要工作是捕获音频信号、视频信号，并通过音视频编码将屏幕信息保存到文件中，帮助开发者轻松实现屏幕录制功能，主要包括录屏存文件和录屏取码流两套接口，它允许调用者指定屏幕录制的编码格式、封装格式和文件路径等参数。

当使用AVScreenCapture开发应用录制屏幕时，AVScreenCapture与外部模块的交互关系如图所示。

• 音频录制：应用通过调用JS/Native接口层提供的AVScreenCapture接口实现音频录制时，框架层会通过录屏框架，调用音频服务（Audio Framework）通过音频捕获音频数据，通过软件编码封装后保存至文件中，实现音频录制功能。
• 屏幕录制：应用通过调用JS/Native接口层提供的AVScreenCapture接口实现屏幕录制时，框架层会通过录屏框架，调用图形图像服务通过视频捕获屏幕数据，通过软件编码封装后保存至文件中，实现屏幕录制功能。

支持的格式

支持的音频源如下：

音频源类型	说明
MIC	系统麦克风作为音频源输入。
ALL_PLAYBACK	系统内录使用作为音频源输入。

支持的视频源如下：

视频源类型	说明
SURFACE_RGBA	输出Buffer是rgba data

支持的音频编码格式如下：

音频编码格式	说明
AAC_LC	AAC_LC类型

支持的视频编码格式如下：

视频编码格式	说明
H264	H264类型

支持的输出文件格式如下：

输出文件格式	说明
mp4	视频的容器格式，MP4。
m4a	纯音频的容器格式，M4A。

AVMetadataExtractor

AVMetadataExtractor 主要用于获取音视频元数据。通过使用 AVMetadataExtractor，开发者可以从原始媒体资源中提取出丰富的元数据信息。以音频资源为例，我们可以获取到关于该音频的标题、艺术家、专辑名称、时长等详细信息。视频资源的元数据获取流程与音频类似，由于视频没有专辑封面，所以无法获取视频资源的专辑封面。

获取音频资源的元数据的全流程包含：创建AVMetadataExtractor，设置资源，获取元数据，获取专辑封面（可选），销毁资源。