在音视频开发中，音频编码的选择直接影响传输效率和音质表现。今天我们来聊聊两种常见编码格式：G.711和AAC，从实际应用角度分析它们的差异和适用场景。

背景痛点

实时音频传输面临三个核心需求：

1. 带宽效率：移动网络环境带宽有限，需要压缩音频数据
2. 低延迟：语音通话等场景要求端到端延迟低于200ms
3. 音质保障：需要保持足够的声音清晰度和自然度

技术对比

通过表格对比两种编码的关键指标：

| 特性 | G.711(PCMU/PCMA) | AAC-LC | |------------|------------------|---------------| | 码率 | 64kbps | 128kbps | | 算法延迟 | 0ms | 60ms | | 压缩类型 | 无损 | 有损 | | 专利授权 | 免版税 | 需要授权 | | 适用场景 | 语音通话 | 音乐流媒体 |

FFmpeg实战示例

1. G.711转AAC

   ffmpeg -i input.wav -c:a aac -b:a 128k -ar 44100 -ac 2 output.aac

2. AAC转G.711

   ffmpeg -i input.aac -c:a pcm_mulaw -ar 8000 -ac 1 output.wav

关键参数说明：

• -ar：设置采样率（Hz）
• -ac：设置声道数
• -b:a：设置音频比特率

避坑指南

1. AAC处理注意事项
2. 必须正确处理ADTS头，否则可能导致播放器无法识别

3. 建议使用-f adts参数确保格式正确

4. G.711在WebRTC中的使用

5. 每个RTP包建议携带20ms的音频数据
6. 需要正确设置payload type(0对应PCMU，8对应PCMA)

Python示例代码

import av

def convert_audio(input_file, output_file, codec):
    try:
        with av.open(input_file) as container:
            stream = container.streams.audio[0]
            frame = next(container.decode(stream))

            with av.open(output_file, 'w') as out_container:
                out_stream = out_container.add_stream(codec, rate=44100)
                out_stream.channels = 2
                out_stream.bit_rate = 128000

                for packet in out_stream.encode(frame):
                    out_container.mux(packet)
    except Exception as e:
        print(f"转换失败: {str(e)}")

性能对比

| 指标 | G.711 | AAC | |------------|--------|--------| | CPU占用率 | 2% | 15% | | MOS评分 | 3.8 | 4.5 |

思考题

在实际应用中，如何根据网络条件（如带宽变化）动态切换编码格式？这个功能在视频会议系统中特别有用，你有什么实现思路吗？

希望这篇指南能帮助你理解音频编码的选择要点。在实际项目中，没有最好的编码，只有最适合的编码，需要根据具体场景权衡各种因素。