MP3文件格式：

MP3的全稱是MPEG Audio Layer3，它是一種高效的計算機音頻編碼方案闭翩，它以較大的壓縮比將音頻文件轉(zhuǎn)換成較小的擴展名為.MP3的文件坡垫，基本保持原文件的音質(zhì)。MP3是ISO/MPEG標準的一部分咽白，ISO/MPEG標準描述了使用高性能感知編碼方案的音頻壓縮页响，此標準一直在不斷更新以滿足“質(zhì)高量小”的追求篓足，現(xiàn)已形成MPEGLayer1、Layer2闰蚕、Layer3三個音頻編碼解碼方案栈拖。MPEGLayer3壓縮率可達1:10至1:12，1M的MP3文件可播放1分鐘陪腌，而1分鐘CD音質(zhì)的WAV文件(44100Hz,16bit,雙聲道,60秒)要占用10M空間辱魁，這樣算來烟瞧，一張650M的MP3光盤播放時間應(yīng)在10小時以上诗鸭，而同樣容量的一張CD盤播放時間在70分鐘左右。

文件結(jié)構(gòu)：

MP3的文件大體分為三部分：TAG_V2参滴、幀集合强岸、TAG_V1。
TAG_V2通常在文件的首部砾赔，包含了作者蝌箍、作者青灼、專輯等信息，長度不固定妓盲，有專門的頭部進行指示杂拨。
幀集合通常在文件的中間，緊挨TAG_V2悯衬，由一系列的音頻幀組成弹沽，每個幀包括4個字節(jié)的幀頭，和不定長的壓縮后的媒體筋粗。
TAG_V1通常在文件尾部策橘，包含了作者、作者娜亿、專輯等信息丽已，長度固定為128字節(jié)。
在以上三部分中买决，嚴格上說只有幀集合是必須的沛婴，因此出于知識的關(guān)聯(lián)性，我這里只對幀信息做一些基本的介紹督赤。

幀結(jié)構(gòu)：

每個MP3音頻幀包括兩部分：4字節(jié)的幀頭 和 不定長的壓縮媒體瘸味。為了說明每個位的含義，下面我簡單表列如下：

--------------------------------------------------------------------------------------------------------
| 長度(位) | 位置(位) | 描述
--------------------------------------------------------------------------------------------------------
|    11      |  31~21  |  11位的幀同步標識够挂，全為1
--------------------------------------------------------------------------------------------------------
|    2       |   20~19  |  MPEG音頻版本ID旁仿，對MP3來說取值11
--------------------------------------------------------------------------------------------------------
|    2       |   18~17  |  Layer標識，對MP3來說取值01孽糖，表示Layer III
--------------------------------------------------------------------------------------------------------
|    1       |      16     |  校驗位枯冈，通常取值1，表示沒有校驗
--------------------------------------------------------------------------------------------------------
|    4       |   15~12  |  位率標識办悟，對MP3來說取值0101表示64kpbs尘奏，取值1001表示128kpbs，其他值請查表
--------------------------------------------------------------------------------------------------------
|    2       |   11~10  |  采樣率病蛉，對MP3來說取值：00-44.1K炫加，01-48K，10-32K铺然，11-保留
--------------------------------------------------------------------------------------------------------
|    1       |       9      |  填充位俗孝，0表示沒有填充，1表示有填充魄健，對MP3來說赋铝，表示增加1字節(jié)的填充
--------------------------------------------------------------------------------------------------------
|    1       |       8      |  私有位，可以被應(yīng)用程序用來做特殊用途
--------------------------------------------------------------------------------------------------------
|    2       |    7~6     |  聲道標識沽瘦，取值：00-立體聲革骨，01-聯(lián)合立體聲农尖，10-雙聲道，11-單聲道
--------------------------------------------------------------------------------------------------------
|    2       |    5~4     |  擴展模式（僅在聯(lián)合立體聲時有效）
--------------------------------------------------------------------------------------------------------
|    1       |       3      |  版權(quán)標識良哲，取值：0-無版權(quán)盛卡，1-有版權(quán)
--------------------------------------------------------------------------------------------------------
|    1       |       2      |  原創(chuàng)標識，取值：0-原創(chuàng)拷貝筑凫，1-原創(chuàng)
--------------------------------------------------------------------------------------------------------
|    2       |    1~0     |  強調(diào)標識窟扑，通常取值00
--------------------------------------------------------------------------------------------------------

幀頭之后就是壓縮后的媒體數(shù)據(jù)，它的長度沒有的幀頭直接給出漏健，但是可以通過其他參數(shù)進行計算嚎货，計算公式如下：
幀長度（字節(jié)） = (（每幀采樣數(shù) / 采樣率）* 比特率 ) / 8 + 填充

對MP3來說，每幀采樣數(shù)通常為1152蔫浆，若比特率為128Kbps殖属，按公式計算幀長度為417字節(jié)。

相關(guān)API：

數(shù)據(jù)結(jié)構(gòu)介紹：

音頻樣體格式定義：

enum AVSampleFormat
{
    AV_SAMPLE_FMT_NONE = -1,
    AV_SAMPLE_FMT_U8,          ///< unsigned 8 bits
    AV_SAMPLE_FMT_S16,         ///< signed 16 bits
    AV_SAMPLE_FMT_S32,         ///< signed 32 bits
    AV_SAMPLE_FMT_FLT,         ///< float
    AV_SAMPLE_FMT_DBL,         ///< double

    AV_SAMPLE_FMT_U8P,         ///< unsigned 8 bits, planar
    AV_SAMPLE_FMT_S16P,        ///< signed 16 bits, planar
    AV_SAMPLE_FMT_S32P,        ///< signed 32 bits, planar
    AV_SAMPLE_FMT_FLTP,        ///< float, planar
    AV_SAMPLE_FMT_DBLP,        ///< double, planar
    AV_SAMPLE_FMT_S64,         ///< signed 64 bits
    AV_SAMPLE_FMT_S64P,        ///< signed 64 bits, planar

    AV_SAMPLE_FMT_NB           ///< Number of sample formats. DO NOT USE if linking dynamically
};

包括兩個維度的定義：采樣精度和多通道排列瓦盛。采樣精度包括8位無符號洗显、16位有符號、32位有符號原环、32位浮點數(shù)等挠唆。多通道排列包括交錯排列和非交錯排列，即壓包格式和平面格式嘱吗。這兩種格式有處理單頻數(shù)據(jù)時非常重要玄组，對壓包格式來說，所有通道的樣本是A1B1A2B2...排列的谒麦，并且只使用一個連續(xù)的內(nèi)存俄讹，而對平面格式來說，每個通道單獨使用一塊內(nèi)存绕德，即排布格式為 A1A2...患膛，B1B2... 。

編碼器結(jié)構(gòu)定義：

struct AVCodec 
{
    const char *name;
    const char *long_name;
    enum AVMediaType type;
    enum AVCodecID id;
    const AVRational *supported_framerates;
    const enum AVPixelFormat *pix_fmts;
    const int *supported_samplerates;
    const enum AVSampleFormat *sample_fmts;
    const uint64_t *channel_layouts;
    const char *bsfs;
    const uint32_t *codec_tags;

    int (*init)(struct AVCodecContext *);
    /**
     * Encode data to an AVPacket.
     *
     * @param      avctx          codec context
     * @param      avpkt          output AVPacket
     * @param[in]  frame          AVFrame containing the raw data to be encoded
     * @param[out] got_packet_ptr encoder sets to 0 or 1 to indicate that a
     *                            non-empty packet was returned in avpkt.
     * @return 0 on success, negative error code on failure
     */
    int (*encode2)(struct AVCodecContext *avctx, struct AVPacket *avpkt,
                   const struct AVFrame *frame, int *got_packet_ptr);
    /**
     * Decode picture or subtitle data.
     *
     * @param      avctx          codec context
     * @param      outdata        codec type dependent output struct
     * @param[out] got_frame_ptr  decoder sets to 0 or 1 to indicate that a
     *                            non-empty frame or subtitle was returned in
     *                            outdata.
     * @param[in]  avpkt          AVPacket containing the data to be decoded
     * @return amount of bytes read from the packet on success, negative error
     *         code on failure
     */
    int (*decode)(struct AVCodecContext *avctx, void *outdata,
                  int *got_frame_ptr, struct AVPacket *avpkt);
    int (*close)(struct AVCodecContext *);
    /**
     * Encode API with decoupled frame/packet dataflow. This function is called
     * to get one output packet. It should call ff_encode_get_frame() to obtain
     * input data.
     */
    int (*receive_packet)(struct AVCodecContext *avctx, struct AVPacket *avpkt);

    /**
     * Decode API with decoupled packet/frame dataflow. This function is called
     * to get one output frame. It should call ff_decode_get_packet() to obtain
     * input data.
     */
    int (*receive_frame)(struct AVCodecContext *avctx, struct AVFrame *frame);
    /**
     * Flush buffers.
     * Will be called when seeking
     */
    void (*flush)(struct AVCodecContext *);
};

struct AVCodecContext 
{
    enum AVMediaType codec_type; /* see AVMEDIA_TYPE_xxx */
    const struct AVCodec  *codec;
    enum AVCodecID     codec_id; /* see AV_CODEC_ID_xxx */
    unsigned int codec_tag;
    int64_t bit_rate;
    int global_quality;
    int compression_level;
    AVRational time_base;
    int width, height;
    int coded_width, coded_height;
    int gop_size;
    enum AVPixelFormat pix_fmt;
    int max_b_frames;
    int has_b_frames;
    /* audio only */
    int sample_rate; ///< samples per second
    int channels;    ///< number of audio channels
    enum AVSampleFormat sample_fmt;  ///< sample format
    uint64_t channel_layout;
    AVRational framerate;
    enum AVPixelFormat sw_pix_fmt;
};

AVCodec這是一個抽象結(jié)構(gòu)耻蛇，所有的編解碼器實現(xiàn)均基于這個結(jié)構(gòu)進行踪蹬，實現(xiàn)各自的編解碼邏輯。在平常的應(yīng)用開發(fā)過程中臣咖，我們不需要過多關(guān)心該結(jié)構(gòu)實現(xiàn)者的細節(jié)跃捣，只要按相關(guān)的函數(shù)標準使用即可。
AVCodecContext定義了編解碼過程的上下文細節(jié)亡哄，如指定樣本格式枝缔、通道布局、采樣率等蚊惯，同時編解碼過程中的轉(zhuǎn)換流愿卸，該上下文也有保存。

編碼前后的幀結(jié)構(gòu)定義：

struct AVPacket 
{
    AVBufferRef *buf;
    int64_t pts;
    int64_t dts;
    uint8_t *data;
    int   size;
    int   stream_index;
    int64_t duration;
    int64_t pos;
    AVRational time_base;
};

struct AVFrame 
{
    #define AV_NUM_DATA_POINTERS 8
    uint8_t *data[AV_NUM_DATA_POINTERS];
    int linesize[AV_NUM_DATA_POINTERS];
    int width, height;
    int nb_samples;
    int format;
    int key_frame;
    enum AVPictureType pict_type;
    AVRational sample_aspect_ratio;
    int64_t pts;
    int64_t pkt_dts;
    int64_t pkt_duration;
    int64_t pkt_pos;
    int quality; // (between 1 (good) and FF_LAMBDA_MAX (bad))
    int sample_rate;
    uint64_t channel_layout;
    AVDictionary *metadata;
    int channels;
    int pkt_size;
};

AVPacket表示編碼后的包結(jié)構(gòu)截型，AVFrame表示編碼前的包結(jié)構(gòu)趴荸，編解碼過程是兩者互轉(zhuǎn)，編碼是AVFrame->AVPacket宦焦，解碼反過來发钝。相關(guān)字段的用法請參見例子代碼。

函數(shù)介紹：

查找編碼器波闹，ID和名稱兩個版本：

const AVCodec *avcodec_find_encoder(enum AVCodecID id);
const AVCodec *avcodec_find_encoder_by_name(const char *name);

編碼器上下文操作酝豪，在調(diào)用avcodec_open2打開編碼上下文之前，需要先設(shè)置好相關(guān)參數(shù)：

AVCodecContext *avcodec_alloc_context3(const AVCodec *codec);
int avcodec_open2(AVCodecContext *avctx, const AVCodec *codec, AVDictionary **options);
void avcodec_free_context(AVCodecContext **avctx);

分配和釋放編碼后的包結(jié)構(gòu)：

AVPacket *av_packet_alloc(void);
void av_packet_free(AVPacket **pkt);

分配和釋放編碼前的幀結(jié)構(gòu)：

AVFrame *av_frame_alloc(void);
void av_frame_free(AVFrame **frame);

根據(jù)編碼前幀結(jié)構(gòu)中設(shè)置的相關(guān)參數(shù)分配內(nèi)存：

int av_frame_get_buffer(AVFrame *frame, int align);

確保幀結(jié)構(gòu)中的內(nèi)存可寫：

int av_frame_make_writable(AVFrame *frame);

編碼的一對函數(shù)精堕，avcodec_send_frame向上下文發(fā)送原始數(shù)據(jù)孵淘，avcodec_receive_packet從上下文中接收編碼后的數(shù)據(jù)。注意歹篓，由于編碼器有自己的實現(xiàn)細節(jié)瘫证，并不過每次avcodec_send_frame調(diào)用后avcodec_receive_packet均能接收編碼結(jié)果，可能上下文中還持有部分緩存庄撮，結(jié)束前需要做尾包處理背捌。

int avcodec_send_frame(AVCodecContext *avctx, const AVFrame *frame);
int avcodec_receive_packet(AVCodecContext *avctx, AVPacket *avpkt);

代碼舉例：

下面這個例子演示了如何生成1K的純音音頻，并編碼生成不包含標簽的裸音頻MP3文件洞斯，代碼不過多解釋毡庆，重點部分已注釋說明，如下：

#include <stdio.h>
#include <stdlib.h>
#include <stdint.h>

extern "C"
{
#include <libavcodec/avcodec.h>
#include <libavutil/channel_layout.h>
}

// 編碼幀
bool encode(AVCodecContext* pCodecCTX, const AVFrame* pFrame, AVPacket* pPacket, FILE* pFile);

int main(int argc, char* argv[])
{
    // 搜索指定的編碼器
    const AVCodec* pCodec = avcodec_find_encoder_by_name("libmp3lame");
    if (pCodec == NULL)
    {
        printf("not support mp3 encoder! \n");
        return 0;
    }

    // 以下打印該編碼器支持的樣本格式烙如、通道布局扭仁、采樣率

    printf("support sample formats: \n");
    const enum AVSampleFormat* pSampleFMT = pCodec->sample_fmts;
    while (pSampleFMT && *pSampleFMT)
    {
        printf("\t %d - %s \n", *pSampleFMT, av_get_sample_fmt_name(*pSampleFMT));
        ++pSampleFMT;
    }

    printf("support layouts: \n");
    const uint64_t* pLayout = pCodec->channel_layouts;
    while (pLayout && *pLayout)
    {
        int nb_channels = av_get_channel_layout_nb_channels(*pLayout);

        char sBuf[128] = {0};
        av_get_channel_layout_string(sBuf, sizeof(sBuf), nb_channels, *pLayout);

        printf("\t %d - %s \n", nb_channels, sBuf);
        ++pLayout;
    }

    printf("support sample rates: \n");
    const int* pSampleRate = pCodec->supported_samplerates;
    while (pSampleRate && *pSampleRate)
    {
        printf("\t %dHz \n", *pSampleRate);
        ++pSampleRate;
    }

    // 根據(jù)編碼器初使化編碼器上下文結(jié)構(gòu)，并設(shè)置相關(guān)默認值 
    AVCodecContext* pCodecCTX = avcodec_alloc_context3(pCodec);
    if (pCodecCTX == NULL)
    {
        printf("alloc aac encoder context failed! \n");
        return 0;
    }

    // 填寫音頻編碼的關(guān)鍵參數(shù)：樣本格式厅翔、通道數(shù)及布局乖坠、采樣率
    pCodecCTX->sample_fmt = AV_SAMPLE_FMT_S16P;
    pCodecCTX->channel_layout = AV_CH_LAYOUT_STEREO;
    pCodecCTX->channels = 2;
    pCodecCTX->sample_rate = 44100;

    // 以設(shè)定的參數(shù)打開編碼器
    int rc = avcodec_open2(pCodecCTX, pCodec, NULL);
    if (rc < 0)
    {
        char sError[128] = {0};
        av_strerror(rc, sError, sizeof(sError));
        printf("avcodec_open2() ret:[%d:%s] \n", rc, sError);
        return -1;
    }

    AVPacket* pPacket = av_packet_alloc();
    AVFrame* pFrame = av_frame_alloc();

    // 設(shè)置音頻幀的相關(guān)參數(shù)：樣本格式、通道數(shù)及布局刀闷、樣本數(shù)量
    pFrame->format = pCodecCTX->sample_fmt;
    pFrame->channel_layout = pCodecCTX->channel_layout;
    pFrame->channels = pCodecCTX->channels;
    pFrame->nb_samples = pCodecCTX->frame_size;

    // 根據(jù)參數(shù)設(shè)置熊泵，申請幀空間
    rc = av_frame_get_buffer(pFrame, 0);
    if (rc < 0)
    {   
        char sError[128] = {0};
        av_strerror(rc, sError, sizeof(sError));
        printf("av_frame_get_buffer() ret:[%d:%s] \n", rc, sError);
        return -1;
    }

    FILE* pFile = fopen("test.mp3", "wb");
    if (pFile == NULL)
    {
        printf("open test.mp3 failed! \n");
        return -1;
    }

    // 計算1Khz的正弦波采樣步進
    float fXStep = 2 * 3.1415926 * 1000 / pCodecCTX->sample_rate;

    for (int n = 0; n < pCodecCTX->sample_rate * 10; )
    {
        av_frame_make_writable(pFrame);

        // 下面以平面格式進行音頻格式組裝
        for (int c = 0; c < pFrame->channels; ++c)
        {
            int16_t* pData = (int16_t*)pFrame->data[c];

            for (int i = 0; i < pFrame->nb_samples; ++i)
            {
                pData[i] = (int16_t)(sin(fXStep * (n + i)) * 1000);
            }
        }

        // 編碼生成壓縮格式
        if (!encode(pCodecCTX, pFrame, pPacket, pFile))
        {
            printf("encode() fatal! \n");
            exit(-1);
        }

        n += pFrame->nb_samples;
    }

    // 寫入尾包
    encode(pCodecCTX, NULL, pPacket, pFile);

    printf("test.mp3 write succuss! \n");

    fclose(pFile);

    av_frame_free(&pFrame);
    av_packet_free(&pPacket);
    avcodec_free_context(&pCodecCTX);

    return 0;
}

// 編碼幀
bool encode(AVCodecContext* pCodecCTX, const AVFrame* pFrame, AVPacket* pPacket, FILE* pFile)
{
    int rc = avcodec_send_frame(pCodecCTX, pFrame);
    if (rc < 0)
    {
        char sError[128] = {0};
        av_strerror(rc, sError, sizeof(sError));
        printf("avcodec_send_frame() ret:[%d:%s] \n", rc, sError);

        return false;
    }

    while (true) 
    {
        rc = avcodec_receive_packet(pCodecCTX, pPacket);
        if (rc < 0)
        {
            if (rc == AVERROR(EAGAIN) || rc == AVERROR_EOF)
                return true;
                
            char sError[128] = {0};
            av_strerror(rc, sError, sizeof(sError));
            printf("avcodec_receive_packet() ret:[%d:%s] \n", rc, sError);

            return false;
        }

        fwrite(pPacket->data, 1, pPacket->size, pFile);
        av_packet_unref(pPacket);
    }

    return true;
}

編譯：
g++ -o encode_mp3 encode_mp3.cpp -I/usr/local/ffmpeg/include -L/usr/local/ffmpeg/lib -lavformat -lavcodec -lavutil

運行，輸出如下：

$./encode_mp3
support sample formats:
         7 - s32p
         8 - fltp
         6 - s16p
         -1 - (null)
support layouts:
         1 - mono
         2 - stereo
support sample rates:
         44100Hz
         48000Hz
         32000Hz
         22050Hz
         24000Hz
         16000Hz
         11025Hz
         12000Hz
         8000Hz
test.mp3 write succuss!

查看test.mp3媒體信息：

$ ffprobe.exe -i test.mp3
ffprobe version N-104465-g08a501946f Copyright (c) 2007-2021 the FFmpeg developers
  built with gcc 11.2.0 (Rev6, Built by MSYS2 project)
  configuration: --prefix=/usr/local/ffmpeg --enable-shared --enable-libmp3lame
  libavutil      57.  7.100 / 57.  7.100
  libavcodec     59. 12.100 / 59. 12.100
  libavformat    59.  8.100 / 59.  8.100
  libavdevice    59.  0.101 / 59.  0.101
  libavfilter     8. 16.101 /  8. 16.101
  libswscale      6.  1.100 /  6.  1.100
  libswresample   4.  0.100 /  4.  0.100
[mp3 @ 000001f10bddcbc0] Estimating duration from bitrate, this may be inaccurate
Input #0, mp3, from 'test.mp3':
  Duration: 00:00:10.03, start: 0.000000, bitrate: 128 kb/s
  Stream #0:0: Audio: mp3, 44100 Hz, stereo, fltp, 128 kb/s