FLV（Flash Video）是 Adobe Flash 平台使用的一种媒体容器格式，曾主宰互联网视频（如 YouTube、优酷等早期在线视频）。它以简单、流式友好著称，至今仍在直播和点播领域广泛使用（尤其在 RTMP 推流中）。下面从文件结构、标签解析、编解码器封装、工程实践等方面深入分析。
1. FLV 设计哲学：极简流式传输
FLV 的设计目标非常明确：在网络带宽受限的环境下，实现低延迟的音视频同步播放。因此，它采用了头部固定 + 时间戳标签的结构，每个媒体单元（音频帧、视频帧、脚本数据）都封装为一个独立标签，按时间顺序写入文件或流中。这种结构使得解封装器可以边下载边解析，无需索引表，天然适合流式传输。
2. FLV 文件整体结构
FLV 文件由一个头部和一个标签序列组成，结构如下：
FLV Header
Tag #1 (音频/视频/脚本)
Tag #2 (音频/视频/脚本)
...
Tag #n
每个标签都包含自己的长度、时间戳和类型，播放器按标签顺序读取，根据时间戳呈现即可。没有索引表，因此随机访问能力较弱（需要从头部开始扫描或构建内存索引）。
3. FLV Header 详解
FLV 头部固定 9 字节（或更长，但通常为 9 字节），结构如下：
| 字段 | 大小 (字节) | 说明 |
|---|---|---|
| Signature | 3 | 固定为 'F' 'L' 'V'（0x46 0x4C 0x56） |
| Version | 1 | FLV 版本号，目前为 1 |
| Flags | 1 | 位掩码，第0位表示是否包含视频标签（1=有），第2位表示是否包含音频标签（4=有） |
| Header Length | 4 | 头部总长度，通常为 9（后续版本可能包含扩展头部） |
示例：46 4C 56 01 05 00 00 00 09 表示 FLV 1.0，包含音频和视频（flags=0x05），头部长度 9 字节。
4. FLV 标签（Tag）结构
标签是 FLV 的核心单元，每个标签由标签头部和标签数据组成。标签紧跟在头部之后，无填充。
4.1 标签头部（Tag Header）
每个标签头部固定 11 字节：
| 字段 | 大小 (字节) | 说明 |
|---|---|---|
| Tag Type | 1 | 8=音频，9=视频，18=脚本数据 |
| Data Size | 3 | 标签数据部分的长度（不包括头部） |
| Timestamp | 3 | 相对时间戳（毫秒），对于视频流，低 24 位存储时间戳 |
| Timestamp Extended | 1 | 时间戳扩展字节，与前三字节组成 32 位有符号整数（实际为无符号） |
| Stream ID | 3 | 总是 0（FLV 设计为单流，但后续扩展可以支持多流，但实际很少用） |
时间戳计算：timestamp = (TimestampExtended << 24) | (24-bit Timestamp)，范围 0~2^32-1 毫秒。
4.2 标签数据（Tag Data）
根据 Tag Type 不同，数据格式不同。
4.2.1 音频标签（Tag Type = 8）
音频标签数据格式如下（前 1 字节为音频参数，后跟音频帧数据）：
| 位 | 字段 | 说明 |
|---|---|---|
| 0-3 | SoundFormat | 音频编码格式（0=Linear PCM，1=ADPCM，2=MP3，3=Linear PCM LE，4=Nellymoser 16kHz，5=Nellymoser 8kHz，6=Nellymoser，7=G.711 A-law，8=G.711 μ-law，9=Reserved，10=AAC，11=Speex，14=MP3 8kHz，15=Device-specific sound） |
| 4-5 | SoundRate | 采样率（0=5.5kHz，1=11kHz，2=22kHz，3=44kHz）。对于 AAC，固定为 3（44kHz） |
| 6 | SoundSize | 位深（0=8-bit，1=16-bit）。对于 AAC，固定为 1 |
| 7 | SoundType | 声道类型（0=单声道，1=立体声）。对于 AAC，固定为 1 |
对于 AAC（SoundFormat=10），音频数据的前 1 字节为 AACPacketType：
0：AAC sequence header（存放 AudioSpecificConfig）1：AAC raw frame（AAC 音频帧）
其他格式（如 MP3）直接存放音频帧数据。
4.2.2 视频标签（Tag Type = 9）
视频标签数据格式如下（前 1 字节为视频参数，后跟视频帧数据）：
| 位 | 字段 | 说明 |
|---|---|---|
| 0-3 | FrameType | 帧类型（1=关键帧，2=非关键帧，3=视频信息帧，4=保留，5=视频信息帧（仅用于 H.264）） |
| 4-7 | CodecID | 视频编码格式（1=JPEG，2=Sorenson H.263，3=Screen video，4=On2 VP6，5=On2 VP6 with alpha，6=Screen video v2，7=AVC/H.264，8=HEVC/H.265（非标准，但某些实现支持）） |
对于 AVC（CodecID=7），视频数据的前 1 字节为 AVCPacketType：
0：AVC sequence header（存放 SPS、PPS）1：AVC NALU（一个或多个 NAL 单元，前 4 字节表示 NALU 长度）2：AVC end of sequence
紧随其后是 CompositionTime（3 字节，有符号整数），用于 B 帧的 PTS 偏移。对于普通帧（无 B 帧），该值为 0。计算公式：pts = timestamp + composition_time，其中 timestamp 来自标签头部。
AVC sequence header 通常只在流开始和参数变化时发送一次，包含 AVCDecoderConfigurationRecord（类似 MP4 的 avcC）。对于 H.265，类似处理。
4.2.3 脚本数据标签（Tag Type = 18）
脚本数据标签用于存放元数据（如时长、分辨率、编码信息）或自定义事件，使用 AMF（Action Message Format） 编码。最常见的是 onMetaData 事件，其中包含一组键值对。典型内容如下：
{
"duration": 120.0,
"width": 1920,
"height": 1080,
"videocodecid": 7, // AVC
"audiocodecid": 10, // AAC
"framerate": 25.0,
"filesize": 12345678
}
解析时需要实现 AMF0（或 AMF3）解码器。FFmpeg 内部通过 ff_amf_parse 实现。
5. FLV 与 H.264 / AAC 的封装细节
5.1 H.264 封装
对于 H.264 视频流，FLV 的封装方式如下：
-
发送 AVC sequence header（AVCPacketType=0）：
- 数据部分为
AVCDecoderConfigurationRecord（包含 SPS 和 PPS 的完整 NAL 单元）。 - 通常紧随 FLV 头部，作为第一个视频标签。
- 数据部分为
-
发送视频帧（AVCPacketType=1）：
- 视频帧数据由多个 NAL 单元组成，每个 NAL 单元前加 4 字节长度（大端序），顺序拼接。
- 帧类型（FrameType）必须正确：关键帧（IDR 或非 IDR I 帧）标记为 1，非关键帧标记为 2。
- 对于 B 帧，
CompositionTime用于调整显示时间。
-
发送 AVC end of sequence（AVCPacketType=2，可选）。
关键点：FLV 不直接存储 PPS/SPS 与帧数据混排的 Annex B 格式（00 00 00 01 start code），而是使用长度前缀 + 配置记录，这与 MP4 的存储方式一致。
5.2 AAC 封装
AAC 音频封装类似：
- AAC sequence header（AACPacketType=0）：发送
AudioSpecificConfig（1-2 字节），包含采样率、声道数等信息。 - AAC raw frame（AACPacketType=1）：发送 ADTS 帧去除 ADTS 头部后的原始 AAC 数据（即 raw AAC frame）。
6. FLV 的流式传输特性
FLV 天然支持流式传输，主要得益于：
- 无索引依赖：播放器只需按顺序解析标签，无需文件末尾的索引。
- 独立标签：每个标签包含完整的时间戳，即使丢包也能恢复后续播放。
- 头部前置：所有元数据（编码格式、参数等）均在文件开头（sequence header），播放器可快速初始化解码器。
RTMP 与 FLV：RTMP（Real-Time Messaging Protocol）的媒体流封装就是 FLV，将 FLV 标签封装在 RTMP 消息中传输。推流端（如 OBS）将音视频编码为 H.264/AAC，打包成 FLV 标签，再通过 RTMP 发送到服务器。
7. 局限性
尽管 FLV 流行多年，但它存在一些先天不足：
| 问题 | 说明 |
|---|---|
| B 帧 PTS/DTS 处理繁琐 | 通过 CompositionTime 字段修正，但并非所有解码器都支持，且容易出错。 |
| 不支持多音频/视频流 | 每个 FLV 只能包含一个音频流和一个视频流（理论上可扩展，但极少支持）。 |
| 不支持字幕、章节等 | 只能通过脚本标签传递简单信息，无标准化字幕支持。 |
| 比特率自适应弱 | 无内置多比特率切换机制（HLS 替代方案）。 |
| 时间戳精度 | 时间戳单位为毫秒，对于高帧率视频（如 120fps）精度不够，且 32 位时间戳最长约 49 天，对于长直播可能溢出（需额外处理）。 |
| 安全性 | 无内置加密或 DRM，需依赖传输层（如 RTMPS）。 |
随着 Flash 的淘汰，FLV 在 Web 端已让位给 HLS、MPEG-DASH 和 MP4。但在直播推流（RTMP）和某些嵌入式设备中，FLV 仍被广泛使用。
8. 工程实践与 FFmpeg 使用
8.1 FFmpeg 中的 FLV 支持
FFmpeg 通过 libavformat/flvdec.c 和 libavformat/flvenc.c 提供解复用和复用功能。常用命令：
# 查看 FLV 信息
ffprobe input.flv
# 将 MP4 转封装为 FLV（不重新编码）
ffmpeg -i input.mp4 -c copy -f flv output.flv
# 从 RTMP 拉流并保存为 FLV
ffmpeg -i rtmp://example.com/live/stream -c copy output.flv
# 将 FLV 推送到 RTMP 服务器
ffmpeg -i input.flv -c copy -f flv rtmp://example.com/live/stream
8.2 工具与库
- flvparser：简单的 Python/JavaScript 解析器，用于调试 FLV 结构。
- flvtool2：旧版 FLV 元数据注入工具。
- FFmpeg 自带 flv 解复用器：生产环境中最常用的实现。
8.3 自定义解析
若需自行解析 FLV，流程如下：
- 读取 FLV 头部，验证签名、版本，获取 flags 判断包含的流类型。
- 循环读取标签：
- 读取 11 字节标签头，获取类型、长度、时间戳。
- 根据类型读取标签数据。
- 如果是音频/视频，解析头部并提取编码参数和帧数据。
- 如果是脚本，解析 AMF 并提取元数据。
- 处理完所有标签即完成解封装。
9. 总结
FLV 是专为网络流媒体设计的容器，其简洁的头部 + 标签结构、无索引依赖的设计，使其成为 RTMP 传输的基础。尽管随着 Flash 退出历史舞台，FLV 在 Web 播放端不再主流，但它在直播推流、老旧系统兼容、以及某些专用领域仍不可或缺。理解 FLV 的封装细节（特别是 H.264/AAC 的 sequence header 和帧封装）对音视频开发人员而言依然重要，因为 RTMP 推流和许多嵌入式设备仍广泛使用 FLV。
