1. 项目概述与核心价值

最近在做一个需要集成实时音频录制的桌面应用，核心需求是从系统麦克风采集原始PCM数据，然后编码成高质量的AAC格式，最终封装成MP3或MP4文件。网上关于FFmpeg命令行使用的教程很多，但深入到C++ API层面，特别是处理实时音频采集和编码的完整流程，资料就变得零散且坑点密布。我花了相当一段时间，从环境搭建、API调用到各种异常处理，踩遍了能踩的坑，才把这条链路跑通。今天就把这个完整的实现过程，包括背后的原理、每一步的关键代码、以及那些官方文档里不会写的“血泪教训”整理出来。无论你是想为你的C++应用添加录音功能，还是单纯想学习FFmpeg在音频处理领域的实战应用，这篇内容都能给你提供一个清晰、可复现的路线图。

简单来说，这个项目就是用C++调用FFmpeg库，实现一个高性能的音频录制引擎。它跳过了系统自带录音API的格式限制，直接利用FFmpeg强大的编解码和封装能力，让你能灵活地控制从采集到输出的每一个环节。最终，你会得到一个可以直接编译运行的示例，它能够录制麦克风声音，输出为AAC编码的MP4文件或MP3文件。下面，我们就从最磨人但最重要的环境准备开始。

2. 开发环境搭建与FFmpeg库集成

在开始写代码之前，一个稳定、配置正确的开发环境是成功的一半。对于C++结合FFmpeg的项目，环境搭建主要围绕FFmpeg库的获取、链接以及IDE的配置展开。

2.1 FFmpeg开发库的获取与选择

FFmpeg官网提供了源代码，但对我们而言，直接使用编译好的开发库（Development Libraries）更高效。这里有一个关键选择：使用官方构建（如gyan.dev）还是自己编译？对于Windows平台，我强烈推荐使用来自gyan.dev的 “Essentials” 构建包。原因有三：第一，它提供了完整的、分离的dev（开发）和shared（运行时）文件，结构清晰；第二，其编译选项通常开启了大多数常用编码器（包括我们需要的AAC编码器libfdk_aac或aac）；第三，省去了自己配置MSVC编译环境的巨大时间成本。

具体操作是，访问相关网站，下载名为 “ffmpeg-版本号-essentials_build.7z” 的压缩包。解压后，你会看到bin,include,lib三个关键文件夹。include和lib就是我们集成到C++项目中所必需的。

2.2 Visual Studio项目配置详解

假设我们使用Visual Studio 2022。创建一个新的C++控制台应用项目后，需要配置项目属性，让编译器能找到FFmpeg。

1. 包含目录（Include Directories）：在项目属性 -> C/C++ -> 常规 -> 附加包含目录中，添加FFmpeg的include文件夹路径。这一步是告诉编译器在哪里查找libavcodec/avcodec.h等头文件。

2. 库目录（Library Directories）：在链接器 -> 常规 -> 附加库目录中，添加FFmpeg的lib文件夹路径。这是告诉链接器在哪里寻找.lib文件。

3. 附加依赖项（Additional Dependencies）：这是最容易出错的一步。在链接器 -> 输入 -> 附加依赖项中，需要添加具体的库文件名。对于音频录制，我们至少需要以下库：

   avcodec.lib avformat.lib avutil.lib avdevice.lib swresample.lib

   • avdevice.lib至关重要，它提供了访问音频（视频）输入设备的API，没有它就无法采集麦克风。
   • swresample.lib用于音频重采样，确保采集的音频格式与编码器要求的格式匹配。

注意：库的添加顺序有时有依赖关系，但现代链接器大多能自动处理。如果遇到“无法解析的外部符号”错误，首先检查库文件名是否拼写正确，以及lib目录下是否存在对应的.lib文件。Debug和Release配置要分别配置，通常使用Release版本的库即可。

4. 运行时库（Runtime Library）：确保你的项目运行库设置（C/C++ -> 代码生成 -> 运行库）与FFmpeg库的编译设置匹配。通常FFmpeg官方构建使用/MT（静态链接运行时库），所以你的项目也应设置为/MT（Release）或/MTd（Debug），否则可能导致运行时冲突。

2.3 动态链接库（DLL）的部署

编译链接成功后，运行程序可能会提示找不到avcodec-60.dll等文件。这是因为我们的程序是动态链接到FFmpeg的。解决方案是将FFmpegbin目录下的所有.dll文件复制到你的可执行文件（.exe）所在的目录下。这是Windows程序运行的常规操作。你也可以选择将bin目录路径添加到系统的PATH环境变量中，但为了程序分发方便，直接拷贝DLL是更稳妥的做法。

3. 核心流程设计与FFmpeg API概览

在动手编码前，我们必须理解FFmpeg处理媒体流的“管道”模型。整个录制流程可以抽象为一条生产线：输入设备 -> 解码（对于原始数据是格式转换）-> 编码 -> 封装 -> 输出文件。对应到FFmpeg的核心数据结构，这条生产线是这样的：

1. AVFormatContext：格式上下文，是统领全局的核心结构。我们至少需要两个：一个用于输入设备（麦克风），一个用于输出文件（MP4/MP3）。
2. AVInputFormat：指定输入格式。对于麦克风，我们使用dshow（Windows）或avfoundation（macOS）。
3. AVCodecContext：编解码器上下文。我们需要两个：一个对应输入流的“解码器上下文”（用于理解原始PCM格式），另一个对应输出流的“编码器上下文”（用于配置AAC编码参数）。
4. AVPacket：压缩编码后的数据包。在编码后和写入文件前使用。
5. AVFrame：未压缩的原始数据帧。从设备读取的原始PCM数据，以及送入编码器前的数据，都以帧的形式存在。
6. SwsrContext/SwrContext：虽然SwsrContext常用于视频，但音频对应的是SwrContext，即重采样上下文。因为麦克风采集的音频参数（采样率、声道布局、样本格式）可能与AAC编码器要求的不完全一致，需要用它进行转换。

整个程序的逻辑骨架如下：打开输入设备 -> 查找并配置编码器 -> 打开输出文件并写入头信息 -> 进入循环，不断从设备读取帧 -> 重采样（如果需要）-> 编码帧 -> 将编码后的数据包写入文件 -> 循环结束，写入文件尾。

4. 实战步骤分解：从采集到封装

接下来，我们按照逻辑顺序，一步步实现每个环节。

4.1 初始化与打开音频输入设备

首先，我们需要注册所有FFmpeg组件，尤其是设备组件。

#include <libavformat/avformat.h> #include <libavcodec/avcodec.h> #include <libavdevice/avdevice.h> #include <libswresample/swresample.h> int main() { // 注册所有格式和编解码器，并显式注册设备 avdevice_register_all(); avformat_network_init();

接下来是打开麦克风设备。在Windows上，我们使用dshow。你需要知道音频设备的名称。可以通过FFmpeg命令行ffmpeg -list_devices true -f dshow -i dummy来列出所有设备。假设我们的麦克风叫“麦克风 (Realtek Audio)”。

AVFormatContext* input_ctx = nullptr; AVDictionary* options = nullptr; // 设置一些采集参数，例如采样率、音频缓冲区大小 av_dict_set(&options, "sample_rate", "44100", 0); // 设置采集采样率 av_dict_set(&options, "audio_buffer_size", "20", 0); // 缓冲区大小（毫秒） const char* input_format_name = "dshow"; const char* device_name = "audio=麦克风 (Realtek Audio)"; // 你的设备名 // 构建输入URL，格式为 `[输入格式]:[设备名]` char input_url[256]; snprintf(input_url, sizeof(input_url), "%s:%s", input_format_name, device_name); // 打开输入设备 int ret = avformat_open_input(&input_ctx, input_url, nullptr, &options); if (ret < 0) { char errbuf[AV_ERROR_MAX_STRING_SIZE]; av_strerror(ret, errbuf, sizeof(errbuf)); fprintf(stderr, "无法打开输入设备: %s\n", errbuf); av_dict_free(&options); return -1; } av_dict_free(&options); // 获取流信息 if (avformat_find_stream_info(input_ctx, nullptr) < 0) { fprintf(stderr, "无法获取流信息\n"); avformat_close_input(&input_ctx); return -1; } // 查找音频流 int audio_stream_index = -1; for (int i = 0; i < input_ctx->nb_streams; i++) { if (input_ctx->streams[i]->codecpar->codec_type == AVMEDIA_TYPE_AUDIO) { audio_stream_index = i; break; } } if (audio_stream_index == -1) { fprintf(stderr, "未找到音频流\n"); avformat_close_input(&input_ctx); return -1; }

实操心得：av_dict_set设置的参数因设备而异。如果打开失败，可以尝试不设置任何参数，或者调整sample_rate为设备支持的常见值（如48000）。错误处理至关重要，av_strerror能将错误码转换为可读信息，是调试的利器。

4.2 准备音频编码器与输出上下文

打开输入设备后，我们知道了原始音频的格式（采样率、声道数、样本格式）。接下来需要准备一个AAC编码器，并创建输出文件上下文。

// 从输入流获取编码参数，用于创建解码上下文（实际上我们不解码，但需要知道格式） AVCodecParameters* input_codecpar = input_ctx->streams[audio_stream_index]->codecpar; // 查找AAC编码器。libfdk_aac质量更好，但可能未编译进你的FFmpeg。可以使用`aac`。 const AVCodec* audio_codec = avcodec_find_encoder_by_name("libfdk_aac"); if (!audio_codec) { audio_codec = avcodec_find_encoder(AV_CODEC_ID_AAC); // 回退到默认AAC编码器 fprintf(stderr, "未找到libfdk_aac，使用默认AAC编码器。\n"); } if (!audio_codec) { fprintf(stderr, "未找到AAC编码器\n"); avformat_close_input(&input_ctx); return -1; } AVCodecContext* encoder_ctx = avcodec_alloc_context3(audio_codec); if (!encoder_ctx) { fprintf(stderr, "无法分配编码器上下文\n"); avformat_close_input(&input_ctx); return -1; } // 配置编码器参数 encoder_ctx->sample_rate = 44100; // 输出采样率，常用44100或48000 encoder_ctx->channel_layout = AV_CH_LAYOUT_STEREO; // 输出声道布局，立体声 encoder_ctx->channels = av_get_channel_layout_nb_channels(encoder_ctx->channel_layout); encoder_ctx->sample_fmt = audio_codec->sample_fmts ? audio_codec->sample_fmts[0] : AV_SAMPLE_FMT_FLTP; // AAC通常要求FLTP（浮点平面格式） encoder_ctx->bit_rate = 128000; // 比特率，128kbps是常见质量 // 创建输出格式上下文 AVFormatContext* output_ctx = nullptr; const char* output_filename = "output.mp4"; // 也可以是 .mp3 avformat_alloc_output_context2(&output_ctx, nullptr, nullptr, output_filename); if (!output_ctx) { // 如果根据后缀名无法判断，可以强制指定格式，如 `avformat_alloc_output_context2(&output_ctx, nullptr, "mp4", output_filename);` fprintf(stderr, "无法创建输出上下文\n"); avcodec_free_context(&encoder_ctx); avformat_close_input(&input_ctx); return -1; } // 在输出上下文中创建新的音频流 AVStream* out_stream = avformat_new_stream(output_ctx, nullptr); if (!out_stream) { fprintf(stderr, "无法创建输出流\n"); avformat_free_context(output_ctx); avcodec_free_context(&encoder_ctx); avformat_close_input(&input_ctx); return -1; } out_stream->id = output_ctx->nb_streams - 1; // 将编码器上下文的参数复制到输出流的codecpar中 ret = avcodec_parameters_from_context(out_stream->codecpar, encoder_ctx); if (ret < 0) { fprintf(stderr, "无法复制编码参数到输出流\n"); // 错误处理，释放资源... return -1; } // 打开编码器 ret = avcodec_open2(encoder_ctx, audio_codec, nullptr); if (ret < 0) { char errbuf[AV_ERROR_MAX_STRING_SIZE]; av_strerror(ret, errbuf, sizeof(errbuf)); fprintf(stderr, "无法打开编码器: %s\n", errbuf); // 错误处理，释放资源... return -1; }

关键点解析：这里有两个容易混淆的概念：AVCodecContext和AVCodecParameters。AVCodecContext是用于编解码过程的上下文，包含大量配置和状态信息。AVCodecParameters是流级别的编解码参数，用于描述流的格式（如存储在文件头中的信息）。在输出时，我们需要将encoder_ctx的参数复制到out_stream->codecpar，以便写入文件头。

4.3 初始化音频重采样器

麦克风采集的原始PCM格式（例如AV_SAMPLE_FMT_S16, 采样率48000）很可能与AAC编码器要求的格式（例如AV_SAMPLE_FMT_FLTP, 采样率44100）不匹配。这就需要SwrContext进行重采样。

SwrContext* swr_ctx = nullptr; // 输入参数（来自设备） int64_t in_ch_layout = input_codecpar->channel_layout; if (!in_ch_layout) { // 如果channel_layout为0，则根据声道数推导一个默认布局 in_ch_layout = av_get_default_channel_layout(input_codecpar->channels); } AVSampleFormat in_sample_fmt = static_cast<AVSampleFormat>(input_codecpar->format); int in_sample_rate = input_codecpar->sample_rate; // 输出参数（编码器要求） int64_t out_ch_layout = encoder_ctx->channel_layout; AVSampleFormat out_sample_fmt = encoder_ctx->sample_fmt; int out_sample_rate = encoder_ctx->sample_rate; swr_ctx = swr_alloc_set_opts(nullptr, out_ch_layout, out_sample_fmt, out_sample_rate, in_ch_layout, in_sample_fmt, in_sample_rate, 0, nullptr); // 日志偏移和参数 if (!swr_ctx) { fprintf(stderr, "无法分配重采样上下文\n"); // 错误处理... return -1; } if (swr_init(swr_ctx) < 0) { fprintf(stderr, "无法初始化重采样器\n"); swr_free(&swr_ctx); // 错误处理... return -1; }

注意事项：重采样是一个计算密集型操作，会消耗CPU。如果输入输出参数完全一致，可以跳过此步骤。但为了代码的通用性，建议总是初始化重采样器，swr_init在参数一致时会将其设置为“直通”模式，开销很小。

4.4 打开输出文件并写入头信息

现在，我们需要打开输出文件，并写入格式头（Header）。

// 如果输出格式需要，则打开输出文件（对于MP4/MKV等需要，对于MP3可能不需要） if (!(output_ctx->oformat->flags & AVFMT_NOFILE)) { ret = avio_open(&output_ctx->pb, output_filename, AVIO_FLAG_WRITE); if (ret < 0) { char errbuf[AV_ERROR_MAX_STRING_SIZE]; av_strerror(ret, errbuf, sizeof(errbuf)); fprintf(stderr, "无法打开输出文件 '%s': %s\n", output_filename, errbuf); // 错误处理... return -1; } } // 写入文件头 ret = avformat_write_header(output_ctx, nullptr); if (ret < 0) { fprintf(stderr, "写入文件头失败\n"); // 错误处理... return -1; }

4.5 主循环：读取、重采样、编码与写入

这是程序的核心循环。我们不断从麦克风读取音频帧，处理它们，然后写入文件。

AVPacket* input_packet = av_packet_alloc(); AVFrame* input_frame = av_frame_alloc(); AVFrame* resampled_frame = av_frame_alloc(); AVPacket* output_packet = av_packet_alloc(); if (!input_packet || !input_frame || !resampled_frame || !output_packet) { fprintf(stderr, "无法分配帧或包\n"); // 错误处理... return -1; } // 设置一个简单的录制时长，例如10秒，或者通过信号控制 const int64_t max_duration = 10 * AV_TIME_BASE; // 10秒，以FFmpeg时间基为单位 int64_t start_time = av_gettime(); // 获取开始时间 while (av_read_frame(input_ctx, input_packet) >= 0) { // 只处理音频流 if (input_packet->stream_index == audio_stream_index) { // 注意：从设备读取的 packet 可能包含多个帧，但dshow通常一包一帧。 // 更通用的做法是使用解码器，但这里采集的是原始PCM，理论上可以直接送重采样。 // 为了清晰，我们假设 packet 可以直接转换为 frame 的参数。 // 实际更稳健的做法是使用 `avcodec_send_packet` 和 `avcodec_receive_frame`，即使对于原始数据。 // 这里为了简化，我们直接填充一个frame。更严谨的实现需要解析packet数据。 // 简化处理：分配一个frame，并设置其参数（实际项目中应从解码器获取frame） // 此处跳过详细的数据拷贝，重点展示流程 // input_frame->data[0] = ...; input_frame->linesize[0] = ...; // input_frame->nb_samples = ...; input_frame->format = in_sample_fmt; ... // 重采样 // 计算输出样本数 int dst_nb_samples = av_rescale_rnd(swr_get_delay(swr_ctx, in_sample_rate) + input_frame->nb_samples, out_sample_rate, in_sample_rate, AV_ROUND_UP); // 配置重采样后的帧 resampled_frame->channel_layout = out_ch_layout; resampled_frame->sample_rate = out_sample_rate; resampled_frame->format = out_sample_fmt; resampled_frame->nb_samples = dst_nb_samples; ret = av_frame_get_buffer(resampled_frame, 0); if (ret < 0) { fprintf(stderr, "无法为音频帧分配缓冲区\n"); break; } // 执行重采样 ret = swr_convert(swr_ctx, resampled_frame->data, dst_nb_samples, (const uint8_t**)input_frame->data, input_frame->nb_samples); if (ret < 0) { fprintf(stderr, "重采样失败\n"); break; } // 实际重采样出的样本数可能小于dst_nb_samples resampled_frame->nb_samples = ret; // 设置帧的PTS（显示时间戳） static int64_t next_pts = 0; resampled_frame->pts = next_pts; next_pts += resampled_frame->nb_samples; // 编码 ret = avcodec_send_frame(encoder_ctx, resampled_frame); if (ret < 0) { fprintf(stderr, "发送帧到编码器失败\n"); break; } while (ret >= 0) { ret = avcodec_receive_packet(encoder_ctx, output_packet); if (ret == AVERROR(EAGAIN) || ret == AVERROR_EOF) { break; // 需要更多输入数据，或者编码器已刷新 } else if (ret < 0) { fprintf(stderr, "从编码器接收包失败\n"); break; } // 设置输出包的时间基和流索引 av_packet_rescale_ts(output_packet, encoder_ctx->time_base, out_stream->time_base); output_packet->stream_index = out_stream->index; // 写入文件 ret = av_interleaved_write_frame(output_ctx, output_packet); if (ret < 0) { fprintf(stderr, "写入帧到文件失败\n"); } av_packet_unref(output_packet); } // 检查是否超过录制时长 int64_t current_time = av_gettime(); if (current_time - start_time > max_duration) { printf("录制时长达到，结束。\n"); break; } } av_packet_unref(input_packet); // 释放输入包 }

核心难点与技巧：这个循环里有几个关键点。第一，时间戳（PTS）的管理。我们必须为每一帧计算正确的PTS，否则播放时会出现音速过快、过慢或杂音。对于音频，PTS的增量是样本数。第二，avcodec_send_frame和avcodec_receive_packet的调用模式。它是一个“发送-接收”循环，发送一帧后，可能需要多次接收才能拿到所有编码完的数据包（尤其是编码器有内部缓存时）。第三，av_interleaved_write_frame会负责数据包的交错写入（对于音视频混合很重要），并管理包的生命周期，使用它比av_write_frame更简单安全。

4.6 收尾工作：刷新编码器与写入文件尾

循环结束后，编码器内部可能还有缓存的数据没有输出。我们需要“刷新”编码器。

// 刷新编码器：发送NULL帧，表示没有更多输入 avcodec_send_frame(encoder_ctx, nullptr); while (ret >= 0) { ret = avcodec_receive_packet(encoder_ctx, output_packet); if (ret == AVERROR_EOF) { break; // 编码器已完全刷新 } else if (ret < 0) { break; } av_packet_rescale_ts(output_packet, encoder_ctx->time_base, out_stream->time_base); output_packet->stream_index = out_stream->index; av_interleaved_write_frame(output_ctx, output_packet); av_packet_unref(output_packet); } // 写入文件尾 av_write_trailer(output_ctx); // 关闭输出文件（如果已打开） if (output_ctx && !(output_ctx->oformat->flags & AVFMT_NOFILE)) { avio_closep(&output_ctx->pb); }

最后，别忘了释放所有分配的资源：avformat_close_input(&input_ctx),avcodec_free_context(&encoder_ctx),swr_free(&swr_ctx),avformat_free_context(output_ctx), 以及释放AVFrame和AVPacket。

5. 关键问题排查与性能优化

在实际编码中，你几乎一定会遇到下面这些问题。这里是我的排查记录和解决方案。

5.1 常见编译与链接错误

• “无法解析的外部符号”：这是最常见的链接错误。
  • 检查库文件：确认项目属性中附加依赖项里的.lib文件名拼写完全正确，且lib目录下确实存在这些文件。
  • 检查运行库：确认项目属性C/C++ -> 代码生成 -> 运行库与FFmpeg库的编译选项匹配（通常是/MT）。
  • 检查平台：确保你的项目平台（x86/x64）与FFmpeg库的编译平台一致。
• “找不到avdevice-60.dll” 等运行时错误：将FFmpegbin目录下的所有.dll文件拷贝到你的.exe同目录下。

5.2 设备打开失败与无声问题

• avformat_open_input返回负数：首先使用av_strerror获取错误信息。常见原因：
  • 设备名错误：用FFmpeg命令行-list_devices重新确认设备名称。注意dshow的设备名格式是audio=设备名。
  • 设备被占用：确保没有其他程序（如通讯软件、录音机）正在独占麦克风。
  • 参数不兼容：尝试不传递options字典，或者只设置sample_rate为44100或48000。
• 能录制但文件无声或杂音：
  • 检查重采样：打印输入和输出的音频参数（采样率、格式、声道布局），确认重采样配置正确。一个典型错误是输入是AV_SAMPLE_FMT_S16（有符号16位整型），而AAC编码器要求AV_SAMPLE_FMT_FLTP（浮点平面格式），如果没有正确重采样，编码器会得到错误数据。
  • 检查时间戳PTS：确保为每一帧计算的PTS是单调递增的。错误的PTS会导致播放器解析混乱。音频PTS的计算基础是采样率：pts += frame->nb_samples。
  • 验证原始数据：可以在重采样前，将input_frame的PCM数据写入一个原始的.pcm文件，用Audacity等工具导入（指定正确的采样率、格式）来确认采集本身是否有声音。

5.3 编码质量与延迟优化

• 控制编码质量：AAC编码的bit_rate参数直接影响音质和文件大小。128kbps对于立体声音乐已足够，语音可以降到64kbps或更低。libfdk_aac编码器还支持profile（如aac_low）和vbr模式，可以提供更好的质量。
• 降低延迟：实时录制对延迟敏感。
  • 减少缓冲区：在打开设备时，设置较小的audio_buffer_size（如10毫秒），但太小可能导致丢帧。
  • 调整编码器预设：一些编码器有delay或frame_size参数。对于AAC，帧大小是固定的（1024或960个样本），这是算法延迟，无法避免。
  • 使用独立线程：将采集循环和编码/写入循环放在不同线程，用环形缓冲区连接，可以防止因磁盘I/O慢而阻塞采集，导致丢帧。

5.4 MP3与MP4输出的细微差别

本教程以MP4为输出容器。如果要输出MP3文件，只需做两处修改：

1. 输出文件名：将output_filename改为"output.mp3"。
2. 编码器：将查找AAC编码器的代码改为查找MP3编码器。

   const AVCodec* audio_codec = avcodec_find_encoder(AV_CODEC_ID_MP3); if (!audio_codec) { audio_codec = avcodec_find_encoder(AV_CODEC_ID_LIBMP3LAME); // 也可以使用libmp3lame }

   同时，编码器上下文参数也需要调整，MP3通常使用AV_SAMPLE_FMT_S16P（有符号16位整型平面格式）作为样本格式。

一个隐藏的坑：MP3编码器（如libmp3lame）对输入音频的采样率支持有限（如 44100, 48000, 32000 Hz等）。如果你的采集设备输出一个不常见的采样率（如 22050），重采样到44100再编码是更稳妥的做法。

6. 项目扩展与进阶思路

这个基础框架可以沿多个方向扩展，构建更强大的应用：

1. 图形界面集成：将核心的录制逻辑封装成一个类（例如AudioRecorder），提供Start()、Stop()、Pause()等接口。然后可以在Qt、MFC或WinForms等GUI框架中调用，配合按钮和进度条显示。
2. 实时音频处理：在重采样之后，编码之前，你可以访问AVFrame的data字段，这是原始的PCM数据。你可以在这里插入音频处理算法，如降噪（RNNoise）、增益控制、实时变声等。
3. 音视频同步录制：FFmpeg同样可以采集摄像头。你可以创建另一个线程处理视频流（使用AVMEDIA_TYPE_VIDEO），分别编码视频（H.264）和音频（AAC），然后使用相同的输出上下文，将视频包和音频包交错写入同一个MP4文件。关键在于统一所有流的时间基，并正确设置每个包的PTS/DTS。
4. 网络流输出：除了输出到文件，你还可以将编码后的AVPacket通过RTMP、SRT等协议推送到流媒体服务器。这需要用到FFmpeg的libavformat中对应的网络协议输出格式。

整个项目走下来，最大的体会是FFmpeg的API设计虽然强大，但学习曲线陡峭，细节繁多。成功的关键在于理解其数据流模型（AVFormatContext,AVCodecContext,AVPacket,AVFrame），并耐心地处理每一个函数的返回值。希望这篇详尽的梳理，能帮你绕过我踩过的那些坑，顺利实现你的C++音频录制功能。