一、引言
在《音视频入门基础：RTP专题（3）——SDP简介》中对SDP协议进行了简介，以H.264为例介绍了视频的SDP的媒体描述。本文对该文章进行补充，以AAC为例，讲述音频的SDP媒体描述。
二、文档下载
《RFC 3640》和《RFC 6416》分别定义了两种对MPEG-4流的RTP封包方式，这两个文档都可以从RFC官网下载：» RFC Editor
本文主要对《RFC 3640》中的音频的SDP媒体描述进行简介。《RFC 3640》总共有43页，本文下面所说的“页数”是指在pdf阅读器中显示的页数：
三、rtpmap
由 《音视频入门基础：RTP专题（3）——SDP简介》可以知道，SDP协议中，
a=rtpmap属性将 RTP有效载荷类型编号（如 “m=”行中使用的）映射到表示有效载荷格式的编码名称。它还提供有关时钟速率和编码参数的信息。格式为：
a=rtpmap:<payload type> <encoding name>/<clock rate> [/<encoding parameters>]
encoding name参数跟音视频压缩编码格式相关联。根据《RFC 4566》第26页，对于音频，clock rate参数指定音频采样频率，encoding parameters参数指定音频声道数：
示例：
a=rtpmap:97 MPEG4-GENERIC/48000/2上述例子表示映射PT值（有效载荷类型）为97的负载类型到AAC编码。音频的采样频率为48000Hz，音频声道数为2。
关于“MPEG4-GENERIC”有两种说法，第一种说法是：它可以用来描述MPEG-4标准中的多种不同类型的媒体编码，但它本身并不特指AAC。具体可以参考：《MPEG-4 Generic》。
第二种说法是：SDP协议中出现“MPEG4-GENERIC”就是指AAC。因为在FFmpeg源码（FFmpeg7.0.1的libavformat/rtpdec_mpeg4.c）中，“MPEG4-GENERIC”对应的就是AAC：
const RTPDynamicProtocolHandler ff_mpeg4_generic_dynamic_handler = {.enc_name = "mpeg4-generic",.codec_type = AVMEDIA_TYPE_AUDIO,.codec_id = AV_CODEC_ID_AAC,.priv_data_size = sizeof(PayloadContext),.parse_sdp_a_line = parse_sdp_line,.close = close_context,.parse_packet = aac_parse_packet,
};关于上面哪种说法正确，我查阅了SDP的官方文档，但没发现对应说明。所以就目前而已，我更倾向于第二种说法正确，因为在FFmpeg源码中，“MPEG4-GENERIC”对应的就是AAC。
同理，通过阅读FFmpeg源码，可以发现"opus"对应的是Opus：
static const RTPDynamicProtocolHandler opus_dynamic_handler = {.enc_name = "opus",.codec_type = AVMEDIA_TYPE_AUDIO,.codec_id = AV_CODEC_ID_OPUS,
};"X-MP3-draft-00"对应MP3ADU：
static const RTPDynamicProtocolHandler realmedia_mp3_dynamic_handler = {.enc_name = "X-MP3-draft-00",.codec_type = AVMEDIA_TYPE_AUDIO,.codec_id = AV_CODEC_ID_MP3ADU,
};四、fmtp
由 《音视频入门基础：RTP专题（3）——SDP简介》可以知道：SDP协议中，a=fmtp属性允许以SDP所不具备的方式传递特定格式的参数。格式为：
a=fmtp:<format> <format specific parameters>
对于音频，格式一般为：a=fmtp:XX profile-level-id=X;mode=XXX;sizelength=XX;indexlength=X;indexdeltalength=X; config=XX
其中：
（一）profile-level-id
根据《RFC 3640》第28页，profile-level-id参数为MPEG-4配置文件级别指示的十进制表示。该参数必须在能力交换或会话设置程序中使用，以指示相关MPEG-4媒体编解码器能够处理的MPEG-4配置文件和级别组合。对于MPEG-4音频流，该参数是《ISO/IEC 14496-1》 Table 5（audioProfileLevelIndication Values）中的十进制值，表示解码音频流需要哪些MPEG-4音频工具子集：
《ISO/IEC 14496-1》文档的免费版可以在 http://netmedia.zju.edu.cn/multimedia2013/mpeg-4/ISO%20IEC%2014496-1%20MPEG-4%20System%20Standard.pdf 下载。
根据《ISO/IEC 14496-1》第38页，audioProfileLevelIndication（音频配置文件级别指示）为Table 5中定义的指示，表示处理与此InitialObjectDescriptor（初始对象描述符）相关的内容所需的音频配置文件和级别：
《ISO/IEC 14496-1》中的Table 5（audioProfileLevelIndication Values）内容如下：
比如，如果SDP协议中，音频媒体描述的profile-level-id的值为1，则根据上表（Table 5），表示其Profile为：Level为L1的Main Profile。
（二）mode
根据《RFC 3640》第30页，mode参数为《RFC 3640》规范使用的模式。可使用以下模式：
mode=generic
mode=CELP-cbr
mode=CELP-vbr
mode=AAC-lbr
mode=AAC-hbr。
其他mode预计将在未来的RFC文档中定义。
比如：
1.generic
根据《RFC 3640》第22页，generic mode可用于任何MPEG-4数据流。在这种模式下，不会应用特定模式的限制；因此，在generic mode下，可以充分发挥《RFC 3640》规范的灵活性。generic mode的标志是：mode=generic：
下面给出一个传输BIFS-Anim流的示例。在此示例中，一个 RTP 数据包中允许传输多个BIFS-Anim的Access Unit（关于Access Unit的概念可以参考：《音视频入门基础：RTP专题（16）——RTP封装音频时，音频的有效载荷结构》）。AU-header包含AU-size字段、CTS-flag 和（如果CTS标志设置为 1）CTS-delta 字段。AU-size和CTS-delta字段的位数分别为10和16。AU-header还包含RAP标志和4位的Stream-state。因此，每个BIFS-Anim AU的AU-header总大小为2 或4个八进制字节。RTP时间戳使用1 kHz时钟。请注意，媒体类型名称是视频，因为BIFS-Anim 流是音视频演示的一部分：
2.AAC-lbr
根据《RFC 3640》第24页，该模式由mode=AAC-lbr标志。该模式支持传输一个或多个大小可变的完整AAC帧。在这种模式下，AAC帧允许交错，因此接收器必须支持去交错。在此模式下，AAC帧的最大大小为63个八位字节。使用该模式时，AAC帧不得分片。因此，使用该模式时，编码器必须确保每个AAC帧的大小最多为63个八进制字节。
该模式的有效载荷配置与《RFC 3640》中定义的可变比特率CELP模式相同。RTP有效载荷由AU Header Section和连接的AAC帧组成。Auxiliary Section必须为空。对于有效载荷中包含的每个AAC帧，一个八位字节的AU-header必须提供以下信息：
a) 有效载荷中每个AAC帧的大小，以及
b) 用于计算每个AAC帧的序列（进而计时）的索引信息。
在AU-header Section，连接的AU-header前面必须有16 位AU-headers-length字段。
除了所需的MIME格式参数外，还必须包含以下参数：sizeLength、indexLength和indexDeltaLength。AAC帧的每个Access Unit总是有固定的持续时间；在此模式下进行交错时，必须用MIME格式参数constantDuration来表示特定的持续时间。此外，交错时必须有maxDisplacement（最大位移）参数。
例子：
注：上述例子中，a=fmtp这一行已被包装，以适应页面大小；它在SDP文件中只占一行。config 参数的十六进制值是《ISO/IEC 14496-3》中定义的AudioSpecificConfig。AudioSpecificConfig指定了采样率为22.05kHz的单声道AAC流。
3.AAC-hbr
根据《RFC 3640》第25页，该模式由mode=AAC-hbr标志发出。该模式支持传输大小可变的AAC 帧。在一个RTP数据包中，既可以传输一个或多个完整的AAC帧，也可以传输AAC帧的单个片段。在这种模式下，AAC帧允许交错，因此接收器必须支持去交错。在此模式下，AAC帧的最大大小为 8191个八进制字节。
在这种模式下，RTP有效载荷由AU Header Section组成，其后是一个AAC帧、几个连接的AAC帧或一个fragmented（片段）AAC帧。 Auxiliary Section（辅助部分）必须为空。对于有效载荷中包含的每个AAC 帧，AU Header Section必须有一个 AU-header，以提供以下信息：
a) 有效载荷中每个 AAC 帧的大小和
b) 用于计算每个 AAC 帧的序列（以及时序）的索引信息。
对AAC帧的最大尺寸进行编码需要13位。因此，在此配置中，13比特分配给AU-size字段，3比特分配给AU-Index(-delta) 字段。因此，每 AU Header的大小为2个八位字节。每个AU-Index字段的编码值必须为0。在AU Header Section，按照《RFC 3640》第3.2.1节的规定，连接的AU-headers前面必须有一个 16 位的 AU-headers-length字段。
除了所需的MIME 格式参数外，还必须包含以下参数：sizeLength、indexLengthh和indexDeltaLength。每个接入单元的AAC帧总是有固定的持续时间；在此模式下进行交错时，必须用MIME格式参数constantDuration来表示这一特定持续时间。此外，交错时必须有maxDisplacement（最大位移）参数。
例子：
注意：a=fmtp这一行已被包起来以适应页面大小；它在 SDP 文件中只占一行。config 参数的十六进制值是《ISO/IEC 14496-3》中定义的AudioSpecificConfig。AudioSpecificConfig指定了采样率为48kHz的5.1 声道AAC流。
（三）sizelength
根据《RFC 3640》第31页，sizelength参数为AU-header中对AU-size字段进行编码的比特数。sizeLength和constantSize参数不得同时存在：
（四）indexlength
根据《RFC 3640》第31页，indexlength参数为在第一个 AU-header中对AU-Index进行编码的位数。默认值为0，表示每个第一AU-header信息中没有AU-Index字段：
（五）indexdeltalength
根据《RFC 3640》第31页，indexdeltalength参数为在任何非第一AU-header中对AU-Index-delta 字段进行编码的比特数。默认值为0，表示每个非第一AU-header信息中没有 AU-Index-delta字段：
（六）config
根据《RFC 3640》第29页，config参数为媒体有效载荷配置的八进制字符串的十六进制表示。配置数据以MSB优先的方式映射到十六进制八进制串上。配置数据的第一位应位于第一个八位位组的MSB。在最后一个八位位组中，如果需要实现八位位组对齐，配置数据后面应最多有7个零值填充位。
对于MPEG-4音频流，config是《ISO/IEC 14496-3》中定义的音频对象类型特定解码器配置数据 AudioSpecificConfig（关于AudioSpecificConfig可以参考《音视频入门基础：AAC专题（11）——AudioSpecificConfig简介》）。对于结构化音频，AudioSpecificConfig() 可通过本规范未定义的其他方式传递。如果结构化音频的 AudioSpecificConfig() 是通过其他方式传送的，那么配置必须是一个带引号的空十六进制八位字符串，如下所示：config=“”。请注意，未来使用结构化音频 RTP 有效负载格式的模式可能会定义这种其他方式：
例子：
a=fmtp:97 profile-level-id=1;mode=AAC-hbr;sizelength=13;indexlength=3;indexdeltalength=3; config=1190上述例子中：config=1190
0x1190就是二进制的0b0001000110010000。
使用《音视频入门基础：AAC专题（11）——AudioSpecificConfig简介》中的方法进行解析，0b0001000110010000的前5位为：0b00010，也就是十进制的2，所以音频压缩编码格式为：AAC LC (Low Complexity)。
0b0001000110010000中间的4位为：0b0011，也就是十进制的3，所以音频采样频率为48000Hz。
之后的4位为：0010，也就是十进制的2，所以是双声道（立体声）。
