FFmpeg+SDL2 PCM播放器：解码、重采样与环形缓冲实战

简介：围绕 FFmpeg 与 SDL2 的音频播放实现，这份资源面向音视频开发初学者与需要补齐 PCM 播放链路的进阶学习者，提供可运行的 MP3 播放工程。代码以链表队列在解码与播放线程间传递数据，便于理解解封装、解码、重采样与 SDL2 音频回调之间的协作关系，也适合作为课程实验、项目原型或二次开发的基础模板。压缩包共 231 个文件，约 15.45 MB，包含 151 个 C/C++ 头文件、预编译动态库与静态库、DLL、Visual Studio 解决方案及工程配置、示例 MP3/AAC 音频和批处理脚本，覆盖源码、依赖与构建环境。已有 1124 人学习下载。读者可从中获得完整工程结构、线程队列实现思路、FFmpeg 与 SDL2 的链接配置参考，以及编译运行所需的库文件和测试素材，便于对照调试、替换音源并扩展到其他音频格式。

1. 一段 PCM 躺在内存里，离「能听见」只差一个 SDL2

第一次写 ffmpeg SDL2 PCM Player 的人，八成都是从命令行起步的：把 mp3 转成 wav，双击一听，成了，心里觉得播放器不过如此。真动手把avcodec_receive_frame吐出来的frame->data直接塞进声卡回调，耳机里立刻给你一记爆豆般的杂音——采样格式不对、通道布局没转、采样率对不上，三个坑随便踩中一个都够查一下午。这个项目干的就是把「解封装 → 解码 → 重采样 → 环形缓冲 → 声卡」这条链路完整串起来，做成一个能播本地音频、能暂停能拖进度、挂机几个小时不炸的小播放器。适合已经会用 FFmpeg 命令行、想往播放器内核再走一步的人，也适合想给自己项目加个音频播放能力、又不愿意拖进一整套重型框架的人。

2. 技术选型与工程骨架：解封装、解码、重采样、出声四层怎么分

为什么不是直接用 SDL_mixer，或者干脆调系统命令？因为一旦你要做「任意格式 + 精确 seek + 自己控制音量」这三件事，上层封装很快就撑不住了。FFmpeg 负责把世界上几千种容器和编码格式碾成统一的原始采样，SDL2 负责把这堆字节稳定地推给操作系统音频子系统，中间用 libswresample 做格式归一化。这个分工是整个项目的地基，地基没划清，后面每一处 bug 都会长成玄学。

2.1 四层职责边界：谁管什么，谁绝对不碰什么

第一层是解封装，库是 libavformat。它的产出物是AVPacket，一包压缩数据，附带stream_index、pts、dts。这一层完全不懂声音，它只知道「这个文件里有几条流，每条流按顺序给你一包一包的数据」。要注意一个 mp3 文件里可能有封面图（视频流），所以后面一定要按stream_index过滤。

第二层是解码，库是 libavcodec。它把AVPacket变成AVFrame，帧里躺的是原始采样：format可能是AV_SAMPLE_FMT_FLTP（mp3、aac 基本都是这个），也可能是S16、S32（wav、flac 常见），ch_layout可能是单声道、立体声，也可能是 5.1，sample_rate从 8k 到 96k 都有。这一层吐出来的东西，几乎不可能直接喂给声卡。

第三层是重采样，库是 libswresample。职责只有一句话：把所有奇形怪状的输入，统一成声卡认的那一种。项目里统一成S16、双声道、48000Hz，因为这是兼容性最好的组合，几乎任何设备都吃得下。这一层是新手最容易跳过的一层，也是所有爆音问题的源头。

第四层是输出，SDL2。它只认一段裸 PCM 字节流，不知道什么叫容器、什么叫帧、什么叫 pts。你告诉它freq=48000, format=AUDIO_S16SYS, channels=2，它就按这个规格打开设备，然后每隔十几毫秒回调一次，问你要len个字节。

线程上的划法是：解封装 + 解码 + 重采样全在一条独立解码线程里跑，SDL 的回调跑在 SDL 自己创建的音频线程里，两者之间靠一个带锁的环形缓冲解耦。这样磁盘 IO 抖动、解码耗时波动，都不会直接砸到声卡上。

提示：SDL 从 2.0.4 开始提供SDL_QueueAudio，不用回调、自己往里塞也行，代码量能少一半。但队列长度不可控、seek 时要SDL_ClearQueuedAudio、拿不到「已经播了多少字节」这个时钟。要进度条和淡入淡出，还是回调 + 自有缓冲更顺手。

2.2 工程骨架与构建：CMake 把四个 FFmpeg 库拉齐

目录结构我一般这么摆，职责一眼看得清：

pcm-player/ ├── CMakeLists.txt ├── include/ │ ├── player.h # Player 结构体，open/decode/seek 接口 │ └── audio_queue.h # 环形缓冲接口 └── src/ ├── main.c # 命令行入口、事件循环、进度打印 ├── decoder.c # avformat / avcodec / swr 三件套 ├── audio_queue.c # 环形缓冲实现 └── sdl_out.c # SDL 设备打开与回调

构建用 CMake + pkg-config，Linux 和 macOS 上基本一次过：

cmake_minimum_required(VERSION 3.16) project(pcm_player C) set(CMAKE_C_STANDARD 11) find_package(PkgConfig REQUIRED) # FFmpeg 拆成多个库，少写一个就是链接期 undefined reference pkg_check_modules(FFMPEG REQUIRED libavformat libavcodec libavutil libswresample) pkg_check_modules(SDL2 REQUIRED sdl2) add_executable(pcm_player src/main.c src/decoder.c src/audio_queue.c src/sdl_out.c) target_include_directories(pcm_player PRIVATE ${FFMPEG_INCLUDE_DIRS} ${SDL2_INCLUDE_DIRS}) target_link_directories(pcm_player PRIVATE ${FFMPEG_LIBRARY_DIRS} ${SDL2_LIBRARY_DIRS}) target_link_libraries(pcm_player PRIVATE ${FFMPEG_LIBRARIES} ${SDL2_LIBRARIES} m) # m 是 libswresample 的隐式依赖

参数说明：pkg_check_modules前缀FFMPEG会生成FFMPEG_LIBRARIES、FFMPEG_INCLUDE_DIRS一组变量；REQUIRED的意思是找不到就直接让 CMake 配置阶段失败，而不是等到链接期给你一堆看不懂的符号缺失。Windows + MSVC 上，SDL2 官方开发包要求链接SDL2main，并且main要写成int main(int argc, char *argv[])，否则会报SDL_main重定义，这是踩过一次就忘不掉的血泪经验。

2.3 版本对齐：FFmpeg 4 / 5 / 6 的 API 分水岭

这个项目最容易被版本坑到的地方是声道布局。FFmpeg 5.1 之前，AVCodecContext上用的是channel_layout（uint64_t）和channels（int）；5.1 之后换成了AVChannelLayout ch_layout结构体，配套的swr_alloc_set_opts2也是那时候才有的。写代码时我习惯用库版本号做条件编译，避免换台机器就得改源码：

#include <libswresample/swresample.h> static int resample_init(Player *p) { AVChannelLayout out_layout = AV_CHANNEL_LAYOUT_STEREO; // 统一双声道 #if LIBSWRESAMPLE_VERSION_MAJOR >= 4 /* FFmpeg >= 5.1 */ int ret = swr_alloc_set_opts2(&p->swr, &out_layout, AV_SAMPLE_FMT_S16, 48000, &p->dec->ch_layout, p->dec->sample_fmt, p->dec->sample_rate, 0, NULL); if (ret < 0) return ret; #else /* FFmpeg 4.x */ int64_t in_layout = p->dec->channel_layout; if (!in_layout) // 某些编码器不给 layout，得按声道数推 in_layout = av_get_default_channel_layout(p->dec->channels); p->swr = swr_alloc_set_opts(NULL, AV_CH_LAYOUT_STEREO, AV_SAMPLE_FMT_S16, 48000, in_layout, p->dec->sample_fmt, p->dec->sample_rate, 0, NULL); if (!p->swr || swr_init(p->swr) < 0) return -1; return 0; #else return 0; #endif return swr_init(p->swr); }

这里有个细节值得单拎出来说：p->dec->channel_layout有可能是 0，尤其是某些容器里没写布局信息的时候，直接传给 swr 会导致输出声道错乱、只有一边有声。所以低版本分支里补了一句av_get_default_channel_layout。高版本上ch_layout一般会被avcodec_parameters_to_context填好，但保险起见也可以在order == AV_CHANNEL_ORDER_UNSPEC时调av_channel_layout_default兜底。

SDL2 这边相对稳定，2.0.x 全系可用。需要留意的是 SDL3 把音频 API 整个换掉了（SDL_OpenAudioDevice变成SDL_OpenAudioDeviceStream），两套头文件不要混着包含，否则编译期就会告诉你函数签名对不上。

3. 核心链路拆解：一个 mp3 帧从 av_read_frame 到扬声器的完整路径

链路本身不长，五个函数调用就能串完，但每个函数的返回值含义、缓冲区归属、失败后怎么办，全是坑。这一段我按调用顺序拆开写，代码可以直接抄。

3.1 打开输入与挑流：avformat_open_input 之后必须做的事

typedef struct { AVFormatContext *fmt; AVCodecContext *dec; SwrContext *swr; AVPacket *pkt; // 复用，避免每帧 malloc AVFrame *frame; int stream_index; int64_t duration_ms; } Player; int player_open(Player *p, const char *path) { if (avformat_open_input(&p->fmt, path, NULL, NULL) < 0) return -1; // 文件不存在或格式不认 if (avformat_find_stream_info(p->fmt, NULL) < 0) return -1; // 拿不到流信息，读不了 const AVCodec *codec = NULL; // 参数 -1 表示"自动挑"：有默认流用默认流，否则选声道/码率最合适的那条 p->stream_index = av_find_best_stream( p->fmt, AVMEDIA_TYPE_AUDIO, -1, -1, &codec, 0); if (p->stream_index < 0) return -1; // 这个文件里没有音频 p->dec = avcodec_alloc_context3(codec); avcodec_parameters_to_context( p->dec, p->fmt->streams[p->stream_index]->codecpar); // seek 时要把毫秒换算成流时间基，这里先存好 p->dec->pkt_timebase = p->fmt->streams[p->stream_index]->time_base; if (avcodec_open2(p->dec, codec, NULL) < 0) return -1; p->pkt = av_packet_alloc(); p->frame = av_frame_alloc(); p->duration_ms = p->fmt->duration / (AV_TIME_BASE / 1000); return 0; }

av_find_best_stream的第三个参数wanted_stream_nb传 -1 是「你自己看着办」，第四个related_stream传 -1 表示没有关联流（比如视频流），最后一个flags一般传 0。它回来的不只是索引，还把解码器指针写进了codec，省得你再去avcodec_find_decoder一次。

avcodec_parameters_to_context这一步也不能省。文件里的codecpar是给解复用用的轻量参数，解码器真正需要的上下文在AVCodecContext里，必须拷过去，不拷就会出现sample_rate = 0这种诡异状态。

3.2 解码循环：send_packet / receive_frame 的正确姿势

老的avcodec_decode_audio4已经废弃了，现在是一送一收的模型。关键认知是：送进去一个 packet，可能吐出 0 帧、1 帧，也可能吐出好几帧（mp3 的比特池就是这样），所以必须是「先 send 一次，再 while receive」。

int player_decode_step(Player *p, AudioQueue *q) { int ret = av_read_frame(p->fmt, p->pkt); if (ret == AVERROR_EOF) { // 关键一步：送 NULL 让解码器把内部残留的帧吐干净 avcodec_send_packet(p->dec, NULL); q->eof = 1; } else if (ret < 0) { return ret; // 真出错了 } else { if (p->pkt->stream_index == p->stream_index) avcodec_send_packet(p->dec, p->pkt); // 只送音频流 av_packet_unref(p->pkt); // 无论送没送，都要 unref } while (avcodec_receive_frame(p->dec, p->frame) == 0) { push_frame_to_queue(p, q, p->frame); // 内部做重采样 + 入队 av_frame_unref(p->frame); // 每帧都要还回去 } return 0; }

三个地方容易翻车。第一，av_read_frame成功后如果stream_index不匹配，包必须av_packet_unref，不 unref 就是裸的内存泄漏，一部长片能吃掉几个 G。第二，avcodec_send_packet返回AVERROR(EAGAIN)是正常的背压信号，意思是「解码器吃撑了，先 receive 几帧」，所以调用顺序最好是「send → while receive → 再 send」，别把 send 的返回值当致命错误。第三，EOF 那次send NULL千万别漏，漏掉的后果是文件最后 0.5 到 2 秒凭空消失，用户只觉得「怎么结尾提前没了」。

解码线程的节奏控制也要写对，否则文件读得比播得快，环形缓冲直接涨爆：

while (!q->eof && audio_queue_free_bytes(q) < 16384) SDL_Delay(5); // 缓冲快满了，让解码线程睡一会

SDL_Delay而不是忙等，是因为解码线程和音频回调共享一把锁，忙等会不停抢锁，反而把回调饿死，听起来就是周期性的咔哒声。

3.3 重采样：swr_convert 把任意格式压成 S16 立体声

void push_frame_to_queue(Player *p, AudioQueue *q, AVFrame *frame) { // 输出样本数要按比例放大，还要加上 swr 内部缓存的那点尾巴 int out_samples = (int)av_rescale_rnd( swr_get_delay(p->swr, p->dec->sample_rate) + frame->nb_samples, 48000, p->dec->sample_rate, AV_ROUND_UP); int16_t *buf = malloc(out_samples * 2 * sizeof(int16_t)); // 2 声道 * 2 字节 if (!buf) return; uint8_t *out[1] = { (uint8_t *)buf }; int got = swr_convert(p->swr, out, out_samples, (const uint8_t **)frame->extended_data, frame->nb_samples); if (got > 0) audio_queue_push(q, (uint8_t *)buf, got * 2 * sizeof(int16_t)); free(buf); // 数据已拷进队列 }

参数说明：swr_get_delay取的是上一次重采样在内部剩下来的输入样本数，不清掉这个值，输出长度会一直算少，攒到后面就是哒哒的断点。AV_ROUND_UP保证向上取整，宁可多算几个样本让 swr 填静音，也别少算导致数据被截断。frame->extended_data一定要用这个而不是frame->data，立体声 planar 格式下data[0]只有左声道，用它等于把右声道喂了两遍。out_samples是每声道的样本数，字节数要乘声道数再乘单个样本字节数。

顺带说一句，swr_convert里 48000 这个硬编码，跟后面 SDL 打开设备的频率必须是同一个数。要么定义成常量，要么把 SDL 的have.freq回填给 swr 重建一次，两处不一致就是慢放或者快放。

3.4 SDL2 设备打开与回调骨架

static void sdl_audio_cb(void *userdata, Uint8 *stream, int len) { AudioQueue *q = (AudioQueue *)userdata; // 这个函数跑在 SDL 自己的音频线程里：不能阻塞、不能 malloc、不能 printf size_t got = audio_queue_pop(q, stream, (size_t)len); if (got < (size_t)len) memset(stream + got, 0, (size_t)len - got); // 欠载补静音，不补就是爆音 } SDL_AudioDeviceID sdl_audio_open(AudioQueue *q, int *out_freq) { SDL_AudioSpec want, have; SDL_zero(want); want.freq = 48000; want.format = AUDIO_S16SYS; // 必须和 swr 的输出格式一致 want.channels = 2; want.samples = 1024; // @48k 约 21ms，太小易欠载，太大延迟高 want.callback = sdl_audio_cb; want.userdata = q; SDL_AudioDeviceID dev = SDL_OpenAudioDevice(NULL, 0, &want, &have, 0); if (!dev) return 0; *out_freq = have.freq; SDL_PauseAudioDevice(dev, 0); // 不置 0 就永远静音，新手最常翻车的一步 return dev; }

want.samples这个值是延迟和稳定性的直接权衡。512 时延迟大约 10ms，适合做音效；1024 到 2048 更稳，适合放音乐。手机或者蓝牙耳机这类链路本身就有上百毫秒延迟的设备，调小samples一点意义都没有，反而更容易欠载。SDL_OpenAudioDevice的第四个参数传 0 表示「不允许 SDL 改我的规格」，这样have一定等于want；如果传SDL_AUDIO_ALLOW_FREQUENCY_CHANGE，就必须读have.freq去重建 swr，忘了这一步声音就会变调。

4. 缓冲与同步设计：环形队列、音频时钟和回调线程的三方约定

播放器写得稳不稳，八成看缓冲设计。裸回调不加缓冲，等于让解码器直接对着声卡说话，磁盘一卡顿就是断音；缓冲一大，进度条又和声音对不上。这一章讲的是容量怎么估、锁加在哪、seek 时先动谁。

4.1 环形缓冲区的实现与容量估算

容量先算清楚：48000Hz × 2 声道 × 2 字节 = 每秒 192000 字节。想要 400 到 500ms 的余量，就是 76800 到 96000 字节，向上取最近的 2 的幂，得到 131072，也就是约 680ms。取 2 的幂是为了用& (cap - 1)代替取模，回绕更快。

typedef struct { uint8_t *buf; size_t cap; // 必须是 2 的幂 size_t r, w; // 读写下标，只增不回绕，用时再掩码 SDL_mutex *lock; int eof; uint64_t played_bytes; // 供音频时钟使用 } AudioQueue; size_t audio_queue_pop(AudioQueue *q, uint8_t *dst, size_t want) { SDL_LockMutex(q->lock); size_t avail = q->w - q->r; size_t n = want < avail ? want : avail; size_t start = q->r & (q->cap - 1); size_t first = (q->cap - start) < n ? (q->cap - start) : n; memcpy(dst, q->buf + start, first); memcpy(dst + first, q->buf, n - first); // 回绕的第二段 q->r += n; q->played_bytes += n; SDL_UnlockMutex(q->lock); return n; }

写端push逻辑对称，但要多一个判断：返回实际写入的字节数，写不完就说明缓冲区满，调用方（解码线程）应该回去 sleep 而不是丢数据。r、w用单调递增的size_t而不是回绕的索引，好处是w - r直接就是有效字节数，无符号减法天然正确，省掉一堆 if。

锁只在 memcpy 前后持有，临界区里不做任何 IO、不做任何转换，这点很关键。音频回调对时间极度敏感，一旦被锁阻塞超过一个回调周期（1024 样本约 21ms），就是一次爆音。

4.2 暂停、恢复与 seek 的状态机

状态其实只有三个：PLAYING、PAUSED、SEEKING，但顺序错了就出鬼声。

void player_seek(Player *p, AudioQueue *q, int64_t target_ms) { SDL_PauseAudioDevice(p->dev, 1); // 1. 先停声卡，别让旧数据继续播 audio_queue_clear(q); // 2. 清掉还没播的 PCM q->played_bytes = 0; avcodec_flush_buffers(p->dec); // 3. 丢掉解码器内部缓存的帧 // 4. 毫秒 -> AV_TIME_BASE(微秒) -> 流时间基，两级换算缺一不可 int64_t ts = av_rescale_q(target_ms * 1000, AV_TIME_BASE_Q, p->fmt->streams[p->stream_index]->time_base); av_seek_frame(p->fmt, p->stream_index, ts, AVSEEK_FLAG_BACKWARD); swr_convert(p->swr, NULL, 0, NULL, 0); // 5. 清 swr 残留的几十个采样 SDL_PauseAudioDevice(p->dev, 0); // 6. 恢复 }

AVSEEK_FLAG_BACKWARD表示定位到目标时间点之前最近的关键帧，音频里通常就是上一个 packet 边界。不用这个标志的话，seek 可能落到一个解不出来的位置，表现是一拖进度条就没声音。第 5 步的swr_convert传空输入是官方推荐的清空方式，等价于把内部 delay 冲掉，不做这一步，seek 之后头几十毫秒会混进上一段音频的尾巴，听起来像「鬼畜回音」。

暂停就简单得多，SDL_PauseAudioDevice(dev, 1)之后回调自然不再被调用，解码线程因为缓冲区满也会自己睡着，整个链路自动停住，不需要额外的条件变量。

4.3 音频时钟：进度条靠已播字节数算

别用av_gettime()减开始时间来算进度，那个时钟会被暂停、seek、缓冲欠载全部带偏。真正靠谱的是「已经交给声卡多少字节」：

int64_t player_clock_ms(AudioQueue *q) { SDL_LockMutex(q->lock); uint64_t bytes = q->played_bytes; SDL_UnlockMutex(q->lock); return (int64_t)(bytes * 1000ULL / (48000ULL * 2 * 2)); }

分母是「每秒字节数」，跟 swr 的输出规格严格对应。这个时钟比真实播放位置略微超前（最多一个回调周期），做进度条完全够用；如果以后要做音视频同步，再减掉SDL_GetQueuedAudioSize对应的时长做补偿就行。

5. 排查手册：爆音、无声、变速、内存涨这四类故障怎么定位

音频问题最难受的地方是没有报错、没有堆栈，只有耳朵。我的做法是先把「事实」打出来：dec->sample_fmt、dec->ch_layout、dec->sample_rate、have.format、have.freq、have.channels，这六个值一贴出来，八成问题当场就定位了。

5.1 一开播就是规律的「哒哒」爆音

现象：数据在走，日志显示解码正常，耳机里是节奏很稳的爆豆声，有时还只有左耳有声音。

原因：通常是三种之一。重采样输出是S16，但want.format写成了AUDIO_F32，字节被错位解释；或者用了frame->data而不是frame->extended_data，planar 格式下右声道是空的；再或者回调里got < len时没有补静音，把上一次回调的残留数据留在了stream里。

解决：把上面那六个值全打出来对一遍，格式必须字面相等；回调末尾无条件memset兜底，这一行几乎零成本；重采样后的字节数检查一遍是不是got * channels * 2，少乘一个系数就会半个声道错位。

5.2 播几秒就静音，但文件明明没放完

现象：进度条停住不动，声卡彻底没声，进程还活着。

原因：解码线程读到AVERROR_EOF就直接break退出循环了，没给解码器送那个NULL包，内部缓存的最后几帧永远出不来；或者环形缓冲的eof标志没置位，主线程一直在等一个永远不来的条件。

解决：EOF 分支里必须avcodec_send_packet(dec, NULL)，然后继续 while 循环调receive_frame直到返回AVERROR_EOF才真正结束；主线程的退出条件写成「q->eof && audio_queue_size(q) == 0」，两个条件缺一不可。

5.3 拖完进度条声音变调，或者听到刚才的片段

现象：seek 之后音调明显偏高或偏低，或者前面几百毫秒是刚才播过的内容。

原因：没调avcodec_flush_buffers，解码器里还压着旧帧；环形缓冲没清，旧的 PCM 还排在新数据前面；swr 内部的 delay 没清；最常见的是时间戳算错——把毫秒直接当成了time_base单位传进av_seek_frame。

解决：严格按 4.2 那六步的顺序来，尤其是「先停声卡再清缓冲」，反过来的话清理过程中回调还在读，很容易读到一个刚被清零的下标。时间戳一律走av_rescale_q(ms * 1000, AV_TIME_BASE_Q, tb)，两级换算一次都不能省。

5.4 长时间播放内存缓慢上涨，退出时崩溃

现象：top看 RSS 一点点往上爬，跑一小时能涨几百兆；关窗口时偶尔 segfault。

原因：av_read_frame成功后没av_packet_unref；receive_frame后没av_frame_unref；退出时先free了队列，SDL 回调线程还在跑，读到了野指针。

解决：关停顺序必须是「先SDL_CloseAudioDevice→ 再SDL_QuitSubSystem(SDL_INIT_AUDIO)→ 再 join 解码线程 → 最后swr_free/avcodec_free_context/avformat_close_input」。资源释放永远按打开的逆序来，这条规则在音视频项目里几乎没有例外。

5.5 拖动窗口或者同时拷贝大文件时爆音

现象：平时好好的，一旦系统 IO 繁忙或者窗口被拖动就卡一下。

原因：音频回调里做了重活。有人图省事，把swr_convert甚至av_read_frame塞进了回调，等于让声卡线程去等磁盘。

解决：回调里只允许三件事——加锁、memcpy、补静音，其他一律挪到解码线程。锁的持有时间也要盯住，临界区里出现printf就说明写错了，标准输出在某些终端下会阻塞几十毫秒，足够毁掉一次回调。

6. 二次开发改造：把播放逻辑抽成可复用的音频引擎

代码跑通之后，真正要动的是「怎么让它变成别人项目里能用的东西」。我一般会做三件事：把Player里的AVFormatContext拆成可替换的数据源，把阻塞式解码改成可拉取的接口，把错误码统一成一套自己的枚举。

数据源替换最实用的场景是「播放内存里的音频」——比如从网络下载完的字节流、或者打包进资源的音效。FFmpeg 支持自定义AVIOContext，不用落盘就能播：

typedef struct { const uint8_t *data; size_t size, pos; } MemSrc; static int mem_read(void *opaque, uint8_t *buf, int size) { MemSrc *m = (MemSrc *)opaque; size_t n = m->size - m->pos; if ((size_t)size < n) n = (size_t)size; memcpy(buf, m->data + m->pos, n); m->pos += n; return (int)n; // 返回 0 表示 EOF，千万别返回负数 } // 调用侧：把 fmt->pb 换掉，再 open_input 时传 NULL 作为 url AVIOContext *avio = avio_alloc_context(iobuf, 4096, 0, &mem_src, mem_read, NULL, NULL); fmt->pb = avio; fmt->flags |= AVFMT_FLAG_CUSTOM_IO; avformat_open_input(&fmt, NULL, NULL, NULL);

几个容易忽略的点：avio_alloc_context的缓冲区iobuf必须用av_malloc分配，并且它归AVIOContext所有，最后avio_context_free会一并释放；自定义 IO 时avformat_open_input的 url 参数必须传NULL，传了文件名 FFmpeg 会去重新打开文件，把自定义的pb覆盖掉；mem_read返回 0 才是 EOF，返回负数会被当成 IO 错误，播放直接中断。

再往下走就是接口形态的选择，我整理了一张表，按需求挑：

验证方法我自己有个笨但有效的套路：拿一个 44.1k 单声道 mp3、一个 48k 立体声 flac、一个 96k 的 wav 各跑一遍，三种采样率三种格式，重采样路径全覆盖；再拿一个两小时的有声书做长跑，看 RSS 曲线是不是平的；最后连续 seek 五十次，听有没有残留。这三关过了，基本就敢给别人用了。

从那以后我每次接音频相关的需求，都会先把「回调里只做三件事：加锁、memcpy、补静音」这行注释贴在sdl_out.c文件头上，再动手写别的。这句话救过我至少三次，比任何调试工具都管用。希望帮到你。

本文还有配套的精品资源，点击获取