AVI 格式分析笔记AVI（Audio Video Interleaved）是微软于1992年推出的多媒体容器格式，是

AVI（Audio Video Interleaved）是微软于1992年推出的多媒体容器格式，是Windows平台最经典的音视频封装格式之一。其名称“交错”直指核心设计思想：将音频数据与视频数据交替存储，使得播放器在读取时能够连续、低延迟地回放。下面从格式结构、数据组织、局限性与扩展、工程实践等方面详细分析。

1. 文件结构基础：RIFF 与 AVI

AVI 基于 RIFF（Resource Interchange File Format） 体系，这是微软为多媒体数据定义的一种通用容器规范。RIFF 文件由若干 块（Chunk） 组成，每个块包含：

块标识（4字节 ASCII）
块大小（4字节，小端序）
块数据（长度由块大小指定）

AVI 文件整体是一个 RIFF 块，其类型标识为 'AVI '（注意空格），结构如下：

RIFF ('AVI '
      hdrl LIST ...
      movi LIST ...
      idx1      (可选)
)

即：

一个 RIFF 头部，类型为 AVI
包含三个主要子块：hdrl 列表、movi 列表、可选的 idx1 块

2. 主要块详解

2.1 `hdrl` 列表（Header List）

hdrl 是存放所有元数据的列表，其子块包括：

2.1.1 `avih` —— AVI 主头部

一个固定大小的结构体（56字节），定义文件全局属性：

字段	类型	说明
`dwMicroSecPerFrame`	DWORD	每帧的微秒数，决定了视频帧率
`dwMaxBytesPerSec`	DWORD	最大数据传输率（字节/秒）
`dwPaddingGranularity`	DWORD	填充粒度（通常为0）
`dwFlags`	DWORD	标志位（如是否包含索引、是否交错等）
`dwTotalFrames`	DWORD	视频总帧数
`dwInitialFrames`	DWORD	初始帧数（用于音视频同步，通常为0）
`dwStreams`	DWORD	文件中的流数量（至少1个视频流）
`dwSuggestedBufferSize`	DWORD	建议的解码缓冲区大小
`dwWidth` / `dwHeight`	DWORD	视频宽高（像素）
`dwReserved`	DWORD[4]	保留字段

2.1.2 `strl` 列表（Stream List）

每个媒体流对应一个 strl 列表，包含流的头部、格式、名称等子块。

strh（Stream Header）：定义流类型（视频 vids、音频 auds、文本等）、处理方式、缓冲区大小、帧率（对于视频）等。关键字段：
- fccType：流类型（如 vids、auds）
- fccHandler：编解码器四字符码（如 'DIB '、'H264'、'XVID'）
- dwScale / dwRate：定义时间刻度（如视频为 dwRate/dwScale = 帧率）
- dwStart / dwLength：起始帧和总帧数（对于音频为样本数）
strf（Stream Format）：流格式结构，直接存放编解码器所需的数据结构：
- 对于视频流：通常是 BITMAPINFOHEADER（包含宽、高、位深度、压缩类型等）
- 对于音频流：通常是 WAVEFORMATEX（包含采样率、声道数、比特率等）
strn（可选）：流的名称

2.1.3 其他可选子块

odml：用于 OpenDML 扩展，支持大于4GB的文件（见后文）。
vprp：视频属性（如逐行/隔行）。

2.2 `movi` 列表（Movie Data）

movi 列表存放所有实际的音视频数据。其内部由一系列 数据块（data chunk） 组成，每个数据块具有如下格式：

字段	大小	说明
块标识	4字节	如 `00dc`（视频帧）、`00wb`（音频帧）
块大小	4字节	数据长度（不含块标识和大小字段）
数据	可变	编码后的帧数据（如 H.264 NAL 单元、PCM 数据）

块标识规则：

前两个字符表示流索引（00 表示第一个流，01 表示第二个，依此类推）
后两个字符表示数据类型：
- dc：视频压缩数据（compressed video）
- db：视频未压缩数据（uncompressed video）
- wb：音频压缩/未压缩数据
- pc：调色板数据（palette change）

交错存储：AVI 的核心特性。在 movi 中，音频和视频数据块按照时间顺序交替放置，例如：

00dc (视频帧1)
00wb (音频数据块对应视频帧1)
00dc (视频帧2)
00wb (音频数据块对应视频帧2)
...

这种交错使得播放器在读取时，无需大量缓冲即可实现音视频同步，也适合 CD-ROM 等顺序读取设备。

2.3 `idx1` 块（Index）

idx1 是可选的索引块，位于文件末尾（或 movi 之后），为每个数据块记录其在文件中的位置、大小和类型，用于快速随机访问。索引条目结构：

字段	类型	说明
`ckid`	DWORD	数据块的标识（如 `00dc`）
`dwFlags`	DWORD	标志位（指示该块是否为关键帧）
`dwChunkOffset`	DWORD	数据块相对于文件起始的偏移
`dwChunkLength`	DWORD	数据块的大小

如果 AVI 文件没有索引，播放器只能顺序播放，无法快进快退。

3. 数据组织与播放流程

一个典型的 AVI 文件播放流程如下：

解析 hdrl 列表，获取流数量、编解码器信息、全局参数。
初始化解码器（使用 strf 中的格式结构）。
定位到 movi 列表，开始顺序读取数据块：
- 根据块标识判断流类型，将数据送入对应解码器。
- 解码后的帧按时间戳（根据 dwScale/dwRate 计算）送显/播放。
如果存在 idx1，支持跳转到任意帧（通过索引查找该帧的数据块位置）。
播放结束。

由于 AVI 没有显式的 PTS/DTS 字段（只有帧序号），且缺乏对 B 帧的明确支持，因此早期编码器通常避免使用 B 帧，或者通过特殊约定来处理。

4. 局限性及 OpenDML 扩展

4.1 标准 AVI 的局限

文件大小限制：由于使用 32 位块大小字段，单个 RIFF 块最大为 4GB（实际可用约 2GB 左右），无法存储大型视频。
时间戳不精确：仅依靠帧序号和帧率计算时间，无法精确表示可变帧率或复杂的 DTS/PTS 关系。
B 帧支持差：缺少显式的解码/显示时间戳，导致 B 帧处理困难（需依赖解码器约定）。
不支持流媒体：头部必须在文件开头，且需要完整索引才能随机访问，不适合流式传输。
编解码器配置受限：strf 只能容纳有限的格式结构，对于现代编解码器（如 H.265）需要额外扩展。

4.2 OpenDML（AVI 2.0）

为了解决大文件问题，微软联合 IBM 于 1996 年推出 OpenDML 扩展（即 AVI 2.0）。主要改进：

引入 dmlh 块（位于 hdrl 中），提供 64 位索引支持。
允许使用多个 movi 块，或使用 ixxx 索引块代替 idx1，使文件可以突破 4GB 限制。
增强时间戳和 B 帧支持（但仍不如 MP4 完善）。

目前大多数现代 AVI 文件（尤其是超过 2GB 的）实际都是 OpenDML AVI。

5. 与 MP4、ASF 的对比

特性	AVI	MP4	ASF
设计初衷	本地播放（尤其是 Windows 平台）	通用存储与流媒体	流媒体传输
文件结构	RIFF 块 + `movi` 数据列表	ISO BMFF（盒子嵌套）	对象（GUID）
交错方式	数据块按时间顺序交错	样本按时间顺序存放，索引表单独	固定大小数据包，可交错
索引	`idx1` 或 OpenDML 索引	`stbl` 系列表	简单索引对象
时间戳支持	基于帧序号，无独立 DTS/PTS	精确 DTS/PTS	数据包内嵌时间戳
B 帧支持	弱（依赖解码器约定）	完整支持	完整支持
文件大小限制	标准 AVI <4GB，OpenDML 无限制	无限制	无限制
流媒体友好	差（需完整索引）	一般（需 `moov` 前置）	优秀
编解码器支持	通过 `strf` 扩展（有限）	通过 `avcC`、`hvcC` 等盒子	通过流属性对象
现代应用	老旧设备、数字摄像机、游戏录屏	通用 Web/移动端	传统 Windows 生态

6. 工程实践

6.1 FFmpeg 中的 AVI 支持

FFmpeg 通过 libavformat/avidec.c 和 libavformat/avienc.c 实现 AVI 的读写。

常用命令：

# 封装为 AVI
ffmpeg -i input.mp4 -c copy output.avi

# 生成带索引的 AVI（默认）
ffmpeg -i input.mp4 -c copy -write_idx 1 output.avi

# 强制使用 OpenDML（支持大文件）
ffmpeg -i input.mkv -c copy -f avi -openglobal 1 output.avi

6.2 生成兼容性最好的 AVI

为了让 AVI 在老旧播放器上兼容，通常建议：

使用简单视频编解码器（如 MJPEG、DivX、Xvid）
音频使用 PCM 或 MP3
避免 B 帧（使用 -bf 0）
使用 -packetsize 控制数据块大小

6.3 工具与库

Avilib：一个轻量级 C 库，专门用于读写 AVI 文件，常被嵌入到游戏或嵌入式设备中。
VirtualDub：经典的 AVI 处理工具，支持滤镜、重编码、索引修复等。
Windows 原生 API：如 AVIFile 系列函数（avifile.dll），用于创建和读取 AVI。

6.4 现代应用场景

尽管 AVI 在 Web 和移动端已基本被 MP4 取代，但在以下场景仍有应用：

数字摄像机/采集卡：许多设备仍输出 AVI 格式（尤其是未压缩 AVI）
游戏录屏：一些游戏录制软件默认使用 AVI（如 Fraps）
教学视频/光盘：部分老旧教学光盘使用 AVI 格式
简单嵌入式系统：资源受限的设备使用 avilib 等轻量库处理 AVI

7. 总结

AVI 作为多媒体容器格式的先行者，其“音频视频交错”的设计思想深刻影响了后续容器（如 MP4、MKV）。尽管在现代互联网流媒体环境中已不再主流，但它结构简单、实现容易，在特定领域（如嵌入式、遗留系统）仍具生命力。理解 AVI 的结构，有助于掌握 RIFF 体系、数据交错原理以及早期多媒体开发的技术脉络。

AVI 格式分析 笔记