Enhanced-Rtmp支持H265

千呼万唤使出来，rtmp/flv算是有统一支持H265的国际版本。本文介绍一下：

• 现存rtmp/flv支持H265的方式;
• Enhanced-Rtmp协议如何支持H265;
• ffmpeg/obs/srs/media-server各个开源的实现;
• 国内方案与国外方案的兼容性问题;

1. rtmp/flv封装视频方式

准确的说，rtmp是传输协议，传输协议内部的封装是flv格式，其实我们所说的支持H265，是在flv封装格式里面支持H265编码数据。

flv对视频的封装格式, 原有VideoTagHeader定义如下:

------------------------------------------------------------------------------------
| FrameType(4bits) | CodecID(4bits) | AVCPacketType(8bits)| CompositionTime(24bits)|
------------------------------------------------------------------------------------

其中：

• FrameType: 4个bits, 1: keyframe, 也就是I帧; 2: inter frame, 非I帧，B帧或P帧；
• CodecID: 4个bits,

1: JPEG (currently unused); 
2: Sorenson H.263; 
3: Screen video; 
4: On2 VP6; 
5: On2 VP6 with alpha channel; 
6: Screen video version 2; 
7: AVC;

这里如果是H264，就是7。

• AVCPacketType: 8个bits，也就是一个字节，0: AVC sequence header; 1: AVC NALU
• CompositionTime: 3个字节(24bits)，表示pts与dts的差值；

举例:

• 如果视频数据是H264的sequence header(也就是包含sps/pps的Avcc Header)，就应该是0x17 00;
• 如果视频数据是H264的Iframe，就应该是0x17 01;
• 如果视频数据是H264的非Iframe，就应该是0x27 01

flv的标准中，只设定了H264的codecId为7，之后的flv标准就没在针对video的codecId进行增加，这也就是导致后面rtmp/flv没有支持H265的标准。

1.1. 国内rtmp/flv对H265的支持

随着国内前10年移动互联网对直播需求的增加，对高清画质的需求与日俱增，支持H265直播的需求很早就在各家CDN和云厂商成为top需求。

因此，国内云厂商和CDN厂商对H265很早就支持，支持的方式比较简单，就是自定义H265的CodecID=0xC，也就是CodecID值为12。

1: JPEG (currently unused); 
2: Sorenson H.263; 
3: Screen video; 
4: On2 VP6; 
5: On2 VP6 with alpha channel; 
6: Screen video version 2; 
7: AVC;
12: H265(国内自定义H265的CodecID);

这样的自定义的好处：迅速解决了国内统一rtmp/flv支持H265的格式标准；国内的cdn厂家的服务都遵循CodecID=12来实现rtmp/flv直播服务。

举例:

• 如果视频数据是H265的sequence header，就应该是0x1c 00;
• 如果视频数据是H265的Iframe，就应该是0x1c 01;
• 如果视频数据是H265的非Iframe，就应该是0x2c 01

国内的多个开源也都遵循国内的H265标准：

• SRS
• media-server
• ffmpeg_rtmp_h265 自定义补丁

但是，同样有其局限性：CodecID是自定义的，并且对CodecID只有4个bits的局限性没能解决，后面对新增的编码方式无法适用，如新增VP8，VP9, AV1，或未来的H266，扩展会很难。

国外为准的流媒体开源，并未支持CodecId=12为H265，如：

• ffmpeg: 未支持CodecId=12为H265;
• obs: 未支持CodecId=12为H265;

2. Enhanced-Rtmp

Enhanced-Rtmp公布支持H265的标准，彻底解决在rtmp/flv支持H265的编码。

2.1 Enhanced-Rtmp规范

Enhanced-Rtmp规范: 原文

flv对视频的封装格式, 原有VideoTagHeader定义如下:

------------------------------------------------------------------------------------
| FrameType(4bits) | CodecID(4bits) | AVCPacketType(8bits)| CompositionTime(24bits)|
------------------------------------------------------------------------------------

而Enhanced-Rtmp对上面的格式进行修改：
首先FrameType第一个bit变为IsExHeader，如下

-------------------------------------
| IsExHeader(1bit)FrameType(3bits) |
-------------------------------------

也就是在原FrameType的最高位加了1bit的IsExHeader标志位，如果IsExHeader使能，表示Enhanced-Rtmp格式使能，后面的定义是Enhanced-Rtmp格式；否则还遵循之前的rtmp/flv传统规范。

格式的具体逻辑如下，UB代表bit的站位符(举例: UB[4]表示站位4bits)

IsExHeader = (UB[4] & 0b1000 != 0) ? true : false;
FrameType = UB[4] & 0b0111; //1 = key frame, 2 = inter frame

if (IsExHeader == 0)
{
    //如果IsExHeader未使能， 还遵循之前的rtmp/flv传统规范
    CodecId = UB[4];//4bits的codecId，H264的值为7.
    AVCPacketType = UB[8];//8bits的AVCPacketType， 0: sequence header; 1: NALU
    CompositionTime = UB[24];//24bits的CompositionTime，表示pts与dts的差值

    DATA = [H264 NALU]; //后续数据为常规的视频数据
}
else // IsExHeader使能，表示Enhanced-Rtmp格式使能
{
    PacketType = UB[4];// 0 = PacketTypeSequenceStart
                       // 1 = PacketTypeCodedFrames
                       // 2 = PacketTypeSequenceEnd
                       // 3 = PacketTypeCodedFramesX
                       // 4 = PacketTypeMetadata
                       // 5 = PacketTypeMPEG2TSSequenceStart
    FourCC = UB[32];// 4字节的FourCC，如下字符表示对应的视频CodecId
                    // AV1 = { 'a', 'v', '0', '1' }
                    // VP9 = { 'v', 'p', '0', '9' }
                    // HEVC = { 'h', 'v', 'c', '1' }, 也就是h265

    // 如果类型是HEVC， 也就是H265，后续规范如下
    if (FourCC == HEVC)
    {
        if (PacketType == PacketTypeSequenceStart)
        {
            //如果PacketType是PacketTypeSequenceStart，表示后续H265的数据内容是DecoderConfigurationRecord，也就是常说的sequence header;
            DATA = [HEVCDecoderConfigurationRecord]
        }
        else if (PacketType == PacketTypeCodedFrames || PacketType == PacketTypeCodedFramesX)
        {
            if (PacketType == PacketTypeCodedFrames)
            {
                //如果PacketType是PacketTypeCodedFrames，就是pts与dts有差值
                CompositionTime = UB[24];//24bits，表示pts与dts的差值
            }
            else //如果PacketType是PacketTypeCodedFramesX
            {
                //无CompositionTime，节省3字节的空间
            }
            //随后是正常的H265数据
            DATA = [HEVC NALU]
        }
    }
}

2.2 ffmpeg6.1实现Enhance Rtmp

ffmpeg在version6.1中正式支持enhance rtmp，以此支持H265 in rtmp/flv。这里介绍其对应的实现。

首先下载对应的ffmpeg6.1版本源码：

git clone https://git.ffmpeg.org/ffmpeg.git ffmpeg
cd ffmpeg
git fetch origin release/6.1
git checkout release/6.1

flv封装的实现，对应文件: libavformat/flvenc.c

static int flv_write_packet(AVFormatContext *s, AVPacket *pkt) {
    //......
    // 如果编码格式是H265, 使用如下的实现
    if (par->codec_id == AV_CODEC_ID_HEVC) {
        // 如果报文pts和dts不一样，packettype为PacketTypeCodedFrames；
        // 否则packettype为PacketTypeCodedFramesX
        int pkttype = (pkt->pts != pkt->dts) ? PacketTypeCodedFrames : PacketTypeCodedFramesX;

        // 第一个字节，最高bit位写入FLV_IS_EX_HEADER；
        // 第一个字节，最高的第3, 4bits写入FLV_FRAME_KEY或FLV_FRAME_INTER
        // 第一个字节，最低2bits位，写入PacketTypeCodedFramesX或PacketTypeCodedFrames
        avio_w8(pb, FLV_IS_EX_HEADER | pkttype | frametype); // ExVideoTagHeader mode with PacketTypeCodedFrames(X)

        // 后4个字节，写入FourCC，写入4个字符: "hvc1"
        avio_write(pb, "hvc1", 4);

        // pkttype为PacketTypeCodedFrames，写入3个字节的pts与dts的差值
        if (pkttype == PacketTypeCodedFrames)
            avio_wb24(pb, pkt->pts - pkt->dts);
    }

    // 写入H264的数据
    avio_write(pb, pkt->data, pkt->size);

    // ......
}

2.3 OBS实现Enhance Rtmp

OBS在Release 29版本正式支持Enhance Rtmp，实现H265 in rtmp/flv的直播推流。
获取版本:

git clone git@github.com:obsproject/obs-studio.git
cd obs-studio
git fetch origin release/29.1
git checkout release/29.1

具体实现在: plugins/obs-outputs/rtmp-stream.c

enum packet_type_t {
	PACKETTYPE_SEQ_START = 0, //表示报文序列开始
	PACKETTYPE_FRAMES = 1,    //表示该帧dts与pts有差值
	PACKETTYPE_SEQ_END = 2,   //flv文件最后一帧
#ifdef ENABLE_HEVC
	PACKETTYPE_FRAMESX = 3,   //表示该帧dts == pts
#endif
	PACKETTYPE_METADATA = 4
};

//函数flv_packet_ex的最后一个参数type为packet_type_t的取值范围
void flv_packet_ex(struct encoder_packet *packet, enum video_id_t codec_id,
		   int32_t dts_offset, uint8_t **output, size_t *size, int type)
{
// ........
    
	// packet ext header
    // 第一个字节，最高bit位写入1, FRAME_HEADER_EX = 8 << 4;
    // 第一个字节，最高的第3, 4bits写入FLV_FRAME_KEY或FLV_FRAME_INTER
    // 第一个字节，最低2bits位，写入PacketTypeCodedFramesX或PacketTypeCodedFrames, dts与pts相等或不等；
    //                       或写入PACKETTYPE_SEQ_START，或PACKETTYPE_SEQ_END
	s_w8(&s,
	     FRAME_HEADER_EX | type | (packet->keyframe ? FT_KEY : FT_INTER));

    // 后4个字节，写入FourCC，写入4个字符: "hvc1"
	s_w4cc(&s, codec_id);

#ifdef ENABLE_HEVC
	// hevc composition time offset
	if (codec_id == CODEC_HEVC && type == PACKETTYPE_FRAMES) {
        // PacketType为PACKETTYPE_FRAMES，写入3个字节的pts与dts的差值
		s_wb24(&s, get_ms_time(packet, packet->pts - packet->dts));
	}
#endif

    // 写入h265的帧数据
	s_write(&s, packet->data, packet->size);
}

2.4 SRS实现Enhance Rtmp

SRS是国内最流行的流媒体服务器，支持多种直播协议rtmp, httpflv, hls，支持webrtc，也支持安放协议28181。SRS也率先支持Enhance Rtmp，服务端能够接受Enhance Rtmp的推流，同时也兼容国内CodecId=12的H265的rtmp方案。

但是在rtmp或httpflv拉流方向，是应用国内CodecId=12的H265的rtmp方案。

SRS的github地址: https://github.com/ossrs/srs.git, 当前支持分支develop。

实现主要在srs_kernel_codec.cpp这个文件中。

srs_error_t SrsFormat::video_avc_demux(SrsBuffer* stream, int64_t timestamp) {
    uint8_t frame_type = stream->read_1bytes();
    bool is_ext_header = frame_type & 0x80;

    //判断Rtmp Enhance是否支持，从而获取到编码类型
    if (!is_ext_header) {
        // 如果不是Rtmp Enhance，用传统的方式判断
        codec_id = (SrsVideoCodecId)(frame_type & 0x0f);
        frame_type = (frame_type >> 4) & 0x0f;
    } else {
        // 如果使能Rtmp Enhance，获取packet_type和frame_type
        packet_type = (SrsVideoAvcFrameTrait)(frame_type & 0x0f);
        frame_type = (frame_type >> 4) & 0x07;

        // 读取4个字节的FourCC，判断是否是HEVC.
        uint32_t four_cc = stream->read_4bytes();
        if (four_cc == 0x68766331) { // 'hvc1'=0x68766331
            codec_id = SrsVideoCodecIdHEVC;
        }
    }

    //判断Rtmp Enhance是否支持，从而获取到composition_time(dts与pts的差值)
    if (!is_ext_header) {
        // 如果是传统的Rtmp，读取1个字节的packet_type，和3个字节的composition_time
        packet_type = (SrsVideoAvcFrameTrait)stream->read_1bytes();
        composition_time = stream->read_3bytes();
    } else {
        // 如果使能Rtmp Enhance，当packet_type==1的时候，dts才与pts不一致，才读取3个字节的composition_time，
        // 否则没有composition_time字段；
        if (packet_type == 1) {
            composition_time = stream->read_3bytes();
        }
    }
}

2.5 media-server实现Enhance Rtmp

media-server是国内开源库中实现音视频格式和流媒体类型最全的开源之一，支持flv, mp4, mkv, hls, mpeg, rtmp, rtp, rtsp, sip等音视频格式和流媒体协议，并且在各种封装中支持的codec非常丰富，如H264, H265, AV1, H266都有支持。其采用C语言开发，兼容性好，同时适合服务器和嵌入式的开发。

media-server的github地址: https://github.com/ireader/media-server

media-server的Flv模块同时支持demuxer和muxer，对Enhance Rtmp支持比较全，同时支持AV1, H265, H266。(居然还支持H266，并且有H266 annexb to mp4和H266 mp4 to annexb的代码)

Enhance Rtmp的实现主要在flv-header.c这个文件中, 关键的对应代码如下:

// demuxer
int flv_video_tag_header_read(struct flv_video_tag_header_t* video, const uint8_t* buf, size_t len) {
    // 如果第一个bit是1，则Enhance Rtmp使能
    if (len >= 5 && 0 != (buf[0] & 0x80)) {
		video->keyframe = (buf[0] & 0x70) >> 4; //获取到是否keyframe
		video->avpacket = (buf[0] & 0x0F); //获取packettype
		video->cts = 0; // default

        switch(FLV_VIDEO_FOURCC(buf[1], buf[2], buf[3], buf[4]))
        {
		    case FLV_VIDEO_FOURCC_AV1:
		    	video->codecid = FLV_VIDEO_AV1;
		    	return 5;
		    case FLV_VIDEO_FOURCC_HEVC:
		    case FLV_VIDEO_FOURCC_VVC:
            {
                if (video->avpacket == 1) //如果packettype==1，则dts与pts的差值存在
                {
                    video->cts = ((uint32_t)buf[5] << 16) | ((uint32_t)buf[6] << 8) | buf[7];
                }
                return 5;
            }
        }
    }

    //否则走传统flv的解析流程
    //....
}

// muxer: 通过编译宏控制
int flv_video_tag_header_write(const struct flv_video_tag_header_t* video, uint8_t* buf, size_t len)
{
#ifdef FLV_ENHANCE_RTMP
buf[0] = 0x80 | (video->keyframe << 4) /*FrameType*/;
	buf[0] |= (0 == video->cts && FLV_AVPACKET == video->avpacket) ? FLV_PACKET_TYPE_CODED_FRAMES_X : video->avpacket;

	switch (video->codecid)
	{
	case FLV_VIDEO_AV1:
        SetFourCC(&buf[1], FLV_VIDEO_FOURCC_AV1);
		return 5;

	case FLV_VIDEO_H265:
        SetFourCC(&buf[1], FLV_VIDEO_FOURCC_HEVC);
		if (len >= 8 && FLV_AVPACKET == video->avpacket && video->cts != 0)
		{
            SetCTS(&buf[5], video->cts);
			return 8;
		}
		return 5;

	case FLV_VIDEO_H266:
        SetFourCC(&buf[1], FLV_VIDEO_FOURCC_VVC);
		if (len >= 8 && FLV_AVPACKET == video->avpacket && video->cts != 0)
		{
			SetCTS(&buf[5], video->cts);
			return 8;
		}
		return 5;

	default:
		break; // fallthrough
	}

#endif

    //否则走传统flv的muxer流程
}

3. 国内rtmp支持H265与Enhance rtmp的兼容性问题

因为国内之前支持H265的方案是CodecID=12，现在存在的兼容性其实有两个方向：

• 推流方向(上行)
• 拉流方向(下行)

3.1 推流方向

推流方向的兼容性，主要取决于服务端的兼容性，也就是说服务端必须同时能支持：

• 国内CodecID=12的H265方案
• Enhance Rtmp的H265方案

先说结论，上行推流方向的兼容性是没有问题，只需要在服务端做好兼容性，同时支持国内外的两种方案。

具体我们以SRS服务为例，只需要判断第一bit位是否使能，就能得知后面应该走Rtmp Enhance流程，还是走传统的Rtmp流程

    bool is_ext_header = frame_type & 0x80;

    //判断Rtmp Enhance是否支持，从而获取到编码类型
    if (!is_ext_header) {
        // 如果不是Rtmp Enhance，用传统的方式判断
    } else {
        // 如果使能Rtmp Enhance，获取packet_type和frame_type
        // 如果packet_type == 1，获取composition_time(3字节，dts与pts的差值)
    }

因为第一个bit位就能判断后续的代码处理流程，所以推流上行做兼容性是比较容易的；

上行解包后，形成数据结构的对象，将其传到下行拉流处，因为视频帧数据部分已经去掉flvTagHeader头，所以该对象传递到下行处理。

以下为伪码:

class SrsVideoFrame
{
public:
    SrsVideoAvcFrameType frame_type; // 帧类型: I/非I
    SrsVideoAvcFrameTrait avc_packet_type;// 是否sequenche header等类型
public:
    int nb_samples; // 帧个数，
    SrsSample samples[SrsMaxNbSamples];// 帧数组，每个SrsSample是一个视频帧数据
};

SrsVideoFrame中的SrsSample数据，是去掉flvTagHeader的视频帧数据，这样传递到下行后，可以根据需要再次打包flvTagHeader，下行可以再次打包成传统的CodecId=12的H265格式，也可以打包成Enhance Rtmp格式(因为下行的兼容性问题，不推荐下行打包成Enhance Rtmp格式，下一节会说明原因)

3.2 拉流方向

拉流方向的兼容性，主要取决于客户端的兼容性，也就是rtmp或http-flv拉流播放器端的兼容性。

因为之前国内的大多数已有的播放器，都支持CodecId=12的H265方案，现存市场很多播放器是没能支持Enhanche Rtmp，也就是说即使服务端下行方向支持Enhance Rtmp，把Enhance Rtmp流推给客户端，客户端可能存在不能识别的情况。对于大量存量的Rtmp/http-flv播放器(仅仅支持CodecId=12的H265方案)，向下的流推送只能继续采用CodecId=12的H265方案。

所以，当前国内大多数云服务商和CDN在下行方向，都仅仅支持CodecID=12的国内H265方案。

总结

简单一句话总结兼容性：上行推流国内外两种推流都能兼容，但是下行仅仅提供CodecID=12的国内H265方案支持。