ZLMediaKit MP4录制分片异常问题分析与修复
2025-05-15 17:12:49作者:明树来
问题背景
在ZLMediaKit项目的最新代码更新中,用户反馈了一个关于MP4录制功能的异常现象。当通过RTSP协议拉流并进行MP4录制时,如果设置了自动分片时间为10分钟,系统会出现异常行为:第一个分片录制正常,但从第二个分片开始,会异常地每2-3秒就生成一个新的分片文件。
问题分析
经过技术团队深入排查,发现问题源于MP4Recorder.cpp文件中的时间戳处理逻辑存在缺陷。具体表现为:
- 在视频帧处理过程中,系统需要跟踪记录上一个帧的DTS(解码时间戳)
- 原始代码在处理B帧时,为防止DTS时间戳回退,使用了MIN函数来比较当前帧DTS和上一帧DTS
- 当_last_dts为0(初始状态)时,MIN函数会将_last_dts始终置0,导致后续时间戳计算异常
技术细节
在视频编码中,B帧(双向预测帧)的特殊性会导致DTS时间戳可能出现回退现象。原始代码的处理逻辑是:
if (_last_dts == 0 || _last_dts > frame->dts()) {
_last_dts = MIN(frame->dts(), _last_dts);
}
这种处理方式在_last_dts为0时会导致问题,因为MIN(当前dts, 0)的结果永远是0,使得系统无法正确记录实际的时间戳信息,进而导致分片逻辑判断错误。
解决方案
技术团队提出了以下修复方案:
if (_last_dts == 0 || _last_dts > frame->dts()) {
if(_last_dts == 0){
_last_dts = frame->dts();
}else{
_last_dts = MIN(frame->dts(), _last_dts);
}
}
这个修复方案的关键改进点在于:
- 区分了初始状态(_last_dts==0)和正常状态的处理逻辑
- 初始状态下直接采用当前帧的DTS值
- 正常状态下才使用MIN函数来防止B帧导致的DTS回退
影响与验证
该修复方案:
- 保持了原有对B帧时间戳回退的处理能力
- 解决了初始状态下时间戳记录异常的问题
- 经测试验证,能够确保MP4录制分片功能恢复正常,按预设时间间隔正确分片
总结
这个案例展示了多媒体处理中时间戳管理的重要性,特别是在处理包含B帧的视频流时。ZLMediaKit团队通过细致的代码分析和逻辑修正,快速定位并解决了这个影响录制功能的异常问题,体现了项目对稳定性和功能完整性的高度重视。对于开发者而言,这也是一次很好的经验教训:在处理时间戳相关逻辑时,必须特别注意初始状态和边界条件的处理。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660