FLV 是 Adobe 推出的一个视频容器格式，主要用于 Flash 的在线视频播放。虽然说 Flash 已经日薄西山，但是还是有很多直播平台选择 Flash + FLV 进行在线播放。
本文希望能够通过正常人类的语言，较详细地描述 FLV (内含 AVC + AAC) 的文件格式。
FLV 文件
FLV 文件开头为 FLV Header，后接数个 FLV Tag，直到文件末尾。
FLV 文件中的数据均使用 Big-Endian（Network Order）储存。
所有的时间戳均使用毫秒数储存。
FLV Header
| 数据大小 | 名称 | 备注 |
|---|---|---|
| byte | Signature | 总是 ASCII 字符 ‘F’ |
| byte | Signature | 总是 ASCII 字符 ‘L’ |
| byte | Signature | 总是 ASCII 字符 ‘V’ |
| byte | Version | 总是 1 (0x1) |
| bit[5] | reserved | 总是 0 (0b00000) |
| bit | Audio Bit | 1 (0b1) - 文件含有音频 0 (0b0) - 文件不含音频 |
| bit | reserved | 总是 0 (0b0) |
| bit | Video Bit | 1 (0b1) - 文件含有视频 0 (0b0) - 文件不含视频 |
| uint32 | Header Size | 总是 9 (0x9) |
FLV Tag
文件的最后一个 Tag：
| 数据大小 | 名称 | 备注 |
|---|---|---|
| uint32 | Previous Tag Size | 倒数第二个 Tag 的大小 |
非最后一个 Tag：
| 数据大小 | 名称 | 备注 |
|---|---|---|
| uint32 | Previous Tag Size | 上一个 Tag 的大小； 如为第一个 _Tag_，则为 0 |
| byte | Type | 8 (0x8) - 音频 Tag 9 (0x9) - 视频 Tag 18 (0x12) - 元数据 Tag |
| uint24 | Payload Size | Data 的字节大小 |
| uint24 | Timestamp Low | 时间戳低 24 位 |
| uint8 | Timestamp High | 时间戳高 8 位（按照 Big-Endian，这不就是个 uint32 吗？） |
| uint24 | Stream ID | 总是 0 (0x0) |
| byte[Payload Size] | Data | 根据 Type 不同，以下详细说明 |
Audio Tag
| 数据大小 | 名称 | 备注 |
|---|---|---|
| bit[4] | Sound Format | 2 (0x2) - MP3 3 (0x3) - PCM 10 (0xA) - AAC 其它省略，以下仅说明 AAC |
| bit[2] | Sample Rate | 0 (0x0) - 5500Hz 1 (0x1) - 11025Hz 2 (0x2) - 22050Hz 3 (0x3) - 44100Hz |
| bit | Sample Size | 0 (0x0) - 8bit 1 (0x1) - 16bit |
| bit | Channel Count | 0 (0x0) - Mono 1 (0x1) - Stereo |
| byte[Payload Size - 1] | Sound Data | 音频数据，随 Sound Format 不同，格式亦不同 |
如果 Sound Format 为 0xA (AAC)，Sound Data 为：
| 数据大小 | 名称 | 备注 |
|---|---|---|
| byte | Type | 0 (0x0) - Sequence Header 1 (0x1) - Raw 一般 Sequence Header 为第一个 Audio Tag，并且全文件只出现一次 |
| bit[5] | Object Type | 如果 Type 为 0 (Sequence Header)，这里开始就是 AudioSpecificConfig 了，到处是位操作，设计的人真是脑残。 1 (0x1) - AAC Main 2 (0x2) - AAC LC 31 (0xFE) - Escape 其它省略，一般既然是 AAC 了，常用编码方式就只有 Main 和 LC（Low Complexity）两种了 |
| bit[6] | Extend Object Type | 如果 Object Type 为 0xFE (Escape)，此处才是扩展 Object Type，否则表示的是以下的数据 |
| bit[4] | Sample Frequency Index | 采样率索引 0 ~ 12 分别为 96000, 88200, 64000, 48000, 44100, 32000, 24000, 22050, 16000, 12000, 11025, 8000, 7350； 15 - 下一数据 |
| uint24(unaligned) | Sample Frequency | 如果 Sample Frequency Index 为 15，此处才是 Sample Frequency。 |
| bit[4] | Channel Count | 声道数，4 为 Stereo |
如果 Type 为 1 (Raw)，Type 的后面就是 Raw AAC Packet。不管是以上 AudioSpecificConfig 还是 Raw AAC Packet，长度均为 Payload Size - 2，即后方不再有其它数据。
因为包含的是 RAW AAC，所以如果你的解码器必须要 AAC ADTS 的话，就需要记住第一个 Sequence Header 的 AudioSpecificConfig，并根据它构造出 ADTS 头，加在 RAW 数据之前送给解码器。至于怎么构造 ADTS 头，下回分解。
Video Tag
| 数据大小 | 名称 | 备注 |
|---|---|---|
| byte | Type | 0 (0x0) - Keyframe 1 (0x1) - Interframe 还有 2 和 3，AVC 并不会用到 |
| byte | Video Format | 7 (0x7) - AVC 其它省略 |
在 Video Format 为 0x7 (AVC) 时，接下来的数据为：
| 数据大小 | 名称 | 备注 |
|---|---|---|
| byte | Type | 0 (0x0) - SequenceHeader 1 (0x1) - NALU 2 (0x2) - SequenceEnd |
| uint24 | Decode Timestamp | 并没有什么卵用 |
如果 Type 为 0 (Sequence Header)，一般是第一个 Video Tag，且文件中仅有一个，接下来是 AVCDecoderConfigurationRecord，又是位操作，这些做 C++ 开发的为什么都这么喜欢位操作：
| 数据大小 | 名称 | 备注 |
|---|---|---|
| byte | Version | 没注意过值是什么 |
| byte | AVC Profile Indication | 没注意过值是什么 |
| byte | Profile Compatibility | 没注意过值是什么 |
| bit[6] | reserved | 没注意过值是什么 |
| bit[2] | NALU Size Length Minus One | 接下来要用的，表示每个 NALU 的长度的长度的，而且要 +1 使用 一般为 3，所以 NALU 的长度的长度就是 4 |
| bit[3] | reserved | 没注意过值是什么 |
| bit[5] | Number Of SequenceParameterSets | 接下来的 SequenceParameterSets (SPS) 的个数，虽然不知道 SPS 是什么鬼，但是有用 一般是一个，如果有多个，下面的 SequenceParameterSets Length 和 SequenceParameterSets 也会依次出现多次。 |
| uint16 | SequenceParameterSet Length | 下一个 SPS 的长度 |
| byte[SequenceParameterSet Length] | SequenceParameterSet | SPS |
| uint8 | Number Of PictureParameterSets | 和上面的 Number Of SequenceParameterSets 类似的功能 |
| uint16 | PictureParameterSet Length | 下一个 PPS 的长度 |
| byte[PictureParameterSet Length] | PictureParameterSet | PPS |
一般 AVC 解码器使用的则是 CodePrivateData，从 AVCDecoderConfigurationRecord 到 CodePrivateData，需要用 0x00000001 连接 SPS 和 PPS，即：
CodePrivateData = 0x00000001 concat SPS 1 concat 0x00000001 concat SPS 2 …
CodePrivateData = CodePrivateData concat 0x00000001 concat PPS 1 concat 0x00000001 concat PPS 2 …
如果 Type 为 1 (NALU)，接下来是 NALU：
| 数据大小 | 名称 | 备注 |
|---|---|---|
| byte[NALU Size Length Minus One + 1] | NALU Size | 如果 NALU Size Length Minus One 为 1，本数据为 uint16； 如果为 3，本数据为 uint32 |
| byte[NALU Size] | NALU Data | 数据 |
Windows 的 AVC 解码器，需要在第一帧前面加上 CodePrivateData，第二帧开始的数据是 0x00000001 concat NALU Data 1 concat 0x00000001 concat NALU Data 2 …，一个 Video Tag 中至少包含一帧的 NALU Data，相连传输给 AVC 解码器即可。
基于以上的定义，就可以分离 AVC + AAC 编码的 FLV 了，如果有对应的解码器即可播放；如果加上 MP4 Box 之类的库，即可无损转换 FLV 为 MP4 文件。