MPEG全名Moving Pictures Experts Group，动态图像专家组，简单说就是一个专家组，专门研究一些音视频规范的，所以才叫专家，不是我们国家的“砖家”哦。

这个专家组是在ISO/IEC（International Standards Organization/International Electrotechnical Commission,国际标准化组织/国际电工委员会）联合指导下成立的。

这个组，专门去研究出一个数字音视频的压缩相关的规范，所以最后研究出适用于不同应用环境的N多规范。

和事物发展的过程类似，研究出这么多的规范也是，不同时期，不同的版本，针对不同的应用。也是由简到繁。

并且，命名规则都是，按照阿拉伯数字从小到大的：MPEG1，MPEG2，MPEG4，MPEG-7，最新版本，好像都有MPEG-21了。

估计有人纳闷了，中间的MPEG3咋没了呢？

是没MPEG3，当然，不是被刘谦变魔术变没了，而是由于当时设计者没有规划好，导致已经设计好的MPEG2，性能太好了，都能干本来打算让MPEG3干的活了，所以后来干脆就不去再设计MPEG3了，原定计划就取消了，也就没了MPEG3。

看来这个MPEG3，待遇貌似不比胎死腹中好多少。对于很多人误解的，以为MP3就是MPEG-3，也就错的离谱了。

关于MP3的名称来历，下面会再解释。

MPEG2.5，简单说就是出身不正，不是官方推出的规范。MPEG 2.5是针对MPEG2的一个非官方的扩展版本，支持更低的采样率。关于其更多解释，网上找到这些：MPEG声音标准提供三个独立的压缩层次：Layer I、Layer II和Layer III。用户具体选哪个Layer，可以根据自己的要求，在权衡复杂性和声音质量之后，做出自己的选择。

对于Layer I和Layer II，不同的帧之间，是互相独立的。也就意味着，你可以任意截取MPEG的音频文件，然后找到第一个正确的帧头，后开始解码，对于余下的帧，都是同样的处理，解码后，进行播放，这样都可以正确的播放。

而对于Layer III，所有帧不保证都是互相独立的。此处不保证完全独立，指的是当前的帧和前后临近的那些帧，不一定完全独立，有可能有一定关系。这是由于可能用到“字节蓄水池（byte reservoir）”的技术，即内部的一个数据缓存，当前帧和其后的一些帧，都是相关的，最差情况下，要连续缓冲保存9个帧，才能对第一帧解码。

注意，这个MP3，不是MPEG-3，但是为何叫MP3，是因为：

MPEG规范中规定了，每一个版本的MPEG，比如MPEG1，MPEG2等，都有三种不同的Layer，不同Layer的序号命令是以罗马数字的，所以叫做Layer I， Layer II， Layer III。其中，MPEG-1或MPEG-2的Layer III，被称为MP3，而其中最常见的是MPEG 1 的Layer III，所以，被大家所熟知的MP3，一般都指的是MPEG-1的Lay III。

即MPEG-1的Layer III被简称为MP3。

根据事物发展由简到繁的规律，我们知道，Layer III，相对Layer I和Layer II，有着更复杂的压缩算法。正是其相对复杂，用了很多算法，比如声学上的掩蔽效应（masking effect），Huffman压缩等，才使得可以实现，在尽可能保持音质的前提下，极大地减少了音频文件大小，也就是说，尽量让你听上去音频声音和音质都没啥变化，但是MP3的文件大小，相对于原先没处理的音频数据或者其他格式的，比如WAV格式等，要小很多。

音质满足大家的要求，文件又小，在互联网时代，就非常方便大家互相交流传播。

这也是MP3如此流行的主要原因之一。

MPEG2/2.5 也常被简称为LSF（Low Sampling Frequencies），低采样率。

帧，即数据帧，通俗点说，就是一段数据，一块数据，数据块。

对于MPEG音频文件本身，并没有什么文件头，而是由很多数据块所组成，这样的单个的数据块，就叫做一个（数据/音频）帧（frame）。

而MP3文件，就是由很多个帧所组成。

帧，也是其他很多音视频技术中的基本单位。

每一个帧里面，包含了帧头和音频数据。帧头，就是在帧的头部，有一定长度的数据，用于描述改帧音频的一些参数，用于解码器识别相关音频参数，用于对音频帧解码。

对于MPEG的帧头，是固定的32 比特，即4字节。

CBR（Constant BitRate）固定(/不变)比特率，VBR（Variable BitRate ），不定(/可变)比特率。此处的固定与可变，指的是MP3的比特率，而不是指采样率。

音频文件可以被编码器编码成CBR或VBR。

VBR意思就是，每一帧的比特率都不一定相同（当然，很有可能临近的一些帧的比特率相同）。由于VBR在编码的时候，根据当前采样的声音数据的复杂度，去判断是采用何种比特率。比如对于很复杂的声音，那么就用更多的比特位去编码，如果是很简单的声音甚至是无声（silence）的数据，那么就可以用很少的比特位去编码，这样不同情况下，所产生的MP3音频数据的大小，是不同的，但是却可以一直保持同样的音质。

因此，总体来说，对于同样大小的MP3文件，VBR的音质一般要比CBR的好。

很多种音视频文件，都可以按照VBR来压缩，比如MP3、WMA、OGG Vorbis、AAC，MPEG-2的视频等。

VBR的优点是，和CBR相比，用更小的空间，即文件更小，实现更高的音质。缺点是，编码复杂度增加，编码和解码都需要更长时间，而且很早之前，有些硬件编码器可能和VBR不兼容。不过现在一般硬件的音频解码器，都可以很好的兼容VBR了。

即每秒包含了多少个比特的数据。比特率常用Kbps（kilo bits per second，千比特每秒）表示。注意，此处的千比特=1000 bits，而不是1024.

在MPEG音频的帧头的后面，有一些解码器会用到的一些信息，用于解码器控制音频流的播放，它就叫做 边信息。

MP3文件中，会在一些位置（文件最开始或者是最后，或者其他某个固定位置），存放一些TAG，即标签，用于描述文件的相关信息，其中最常见的一些，比如，MP3音乐的歌手名，专辑名，专辑年份，曲风等等。

关于MP3的TAG，现在常见的有ID3v1（ID3的第一版），ID3v2（ID3的第二版），APEv2等。

同一文件中，一般只存在某一种TAG， 即，是ID3v2或 APEv2或ID2v1或其他。

与此相关的应用方面，我们用千千静听去播放MP3的时候，播放器中点击文件属性，还可以看到有MP3标签的读取优先级方面的设置，默认设置为APEv2 > ID3v2 > ID3v1。

如果MP3文件中存在ID3的TAG话：

ID3v1会放在音频文件的最后，大小128个字节，其中前三个字节是字符“TAG”。

ID3v2 一般放在音频文件的开头处，前三个字节是字符“ID3”。

关于ID3的具体格式，请参考附录中的引用文献。

MP3的TAG，只是用于存储歌曲等方面的辅助描述信息，与MP3的解码，没啥关系，故此处不在过多介绍。

MPEG音频的三种Layer的，尽管他们的压缩方法各不相同，但是帧头格式都一样。

先说一下大小，MPEG帧头，共32bit=4字节。

然后再看具体的格式及含义，如下所示：

	双声道
	双声道文件由两个独立的单声道所组成。大多数解码器把双声道输出成立体声，但是实际上，不是所有的双声道都是立体声的。

	常见MP3的比特率
	强调部分：就是我们此处所关心的MP3（MPEG-1，Layer III）的比特率。 红色部分：即128kbps，192kbps，320kbps等，就是我们常见的MP3的比特率。

	常见MP3采样率
	强调部分：就是我们最常见的MP3（MPEG-1）的采样率44100Hz=44.1K Hz

从上面MPEG帧头的格式中可以看出，MPEG的音频，都是有相对固定的比特率，采样率等参数，关于这每一帧的这些参数的具体值，都是找到索引值，然后查对应的索引表，而得知具体的值。

不过，顺便提一点，在MPEG标准中，也描述了一种自由格式（free format），这种自由格式意思为用一个固定比特率对文件进行编码，而此固定的比特率不是我们那些索引表中所预定义好的。对于这类自由格式的MPEG音频，一般的解码器都无法解码。

3.1.1. 举例说明MPEG帧头的含义

下图给出了一般MP3的格式及举例说明了MPEG的帧头所对应的信息：

图 3.1. MPEG帧头含义举例

MPEG帧，除了开始部分的MPEG帧头外，余下的就是MPEG的音频数据。

需要注意的，MP3中的帧，是MPEG帧，其中的音频数据部分，是经过MP3的相关算法压缩后的数据，而不是原始采样过来的数据。

MPEG音频数据部分，包含了固定数目的 音频采样（Audio Sample）。

其中关于采样个数：

MPEG的不同规范（MPEG-1/2/3），以及同一规范中不同的Layer(Layer I/II/III)，每一帧所对应的采样数，都是固定的，其具体的值参见下表：

	常见MP3每帧采样数
	强调部分：就是我们此处所关心的，MPEG-1，Layer III，即MP3，不论是CBR还是VBR，文件中的每一帧，其采样的个数/采样数，都是固定的1152个。

而后面要介绍如何计算VBR MP3的播放时间，正是基于此前提：

MP3，即MPEG-1，Layer III，不论是CBR，还是VBR，每一帧的采样个数都是固定的1152个。即每一帧，都是固定的1152个采样。

同时，我们还要注意另外一点，那就是对于被某个编码器将原始音频数据编码为MP3数据后，得到的MP3文件，对于此单个文件，其采样率，始终都是一样的。也就是说，如果解析MP3的第一帧MPEG头得到的采样率是44100Hz的话，那么此MP3文件后面的所有的帧的采样率，也肯定都是44100Hz，即这个采样率，对于同一个MP3文件来说，是固定的。

于此相对的是，VBR中的Variable Bitrate，中的Variable，可变的，指的是，变化的比特率，而不是采样率。

总结一下就是：

CBR和VBR中的固定和可变，都是指的是比特率Bitrate，而不是采样率Sample Rate。对于同一MP3文件，不论CBR还是VBR，采样率都是固定的。

因为该采样率对应着此MP3被编码器编码的那一时刻，编码器的采样率也是最开始时候就设置好，并且之后不会再变化（除了你重新录制另外一个MP3文件）。

关于这个知识点，一定要搞清楚，否则就会出现我最开始遇到的情况，以为VBR的采样率也是变化的，导致别人问我那么是不是意味着对VBR MP3解码，每一帧都要重新设置解码器的采样率，如果回答是，那mplayer等常见解码器的代码实现中，没看到对应设置，只看到了最开始解码MP3时候，只设置一次其采样率，其后解码每一帧，都是没有重新设置采样率的。而实际结果是，VBR变化的只是比特率，采样率是固定的，所以只需要在解码MP3最开始的时候设置一次即可。

前面已经解释了，MPEG帧= 帧头 + 数据。

下面来看看，MPEG的帧的大小，即帧头的大小，加上帧数据的大小。

解释MPEG帧大小之前，先要介绍个名词：Slot，槽。

MPEG帧，由一个个的Slot（槽）组成。

Layer I中，一个Slot是4个字节；

Layer II和Layer III中，一个Slot是一个字节。

所以，此处可以简单的理解为：

MPEG的Layer III中，帧是有一个个字节所组成。（是不是听起来像句废话，^_^）

好了，知道了此处MPEG的Layer III的帧的基本单位为字节之后，我们再来看看帧的大小是多少。

首先，帧头，不用多说，都是前面提到的，固定的32比特=4字节。

其次要好好解释一下MPEG帧的音频数据的大小，可用如下公式计算：

其中：

而对于VBR，由于每一帧的比特率都是变化的，所以计算起来就相对要复杂一些，下面就来详细介绍。

想要计算VBR的MP3的播放时间，总的来说，有两种方法：

由于在计算MP3播放时间之前，要先找到对应的MPEG的帧头，所以，先要找到MPEG具体在某个位置。

具体方法是，如果文件开始没有ID3 V2的头信息，那么一般MPEG的帧头位置是0，当然，具体还是要根据帧头中的同步位（sync bit），共11位去定位找到帧头。

主要是根据帧头格式，解析出MPEG的版本，MPEG的Layer，以及采样率，比特率等信息，用于后面的解码和计算播放时长。

总结起来，一般的MP3文件所包含的内容的结构如下：

	提示
	[]号内的，表示，可选，即如果有的话。

时长，即时间长度。

MP3，即MPEG-1，Layer III。

MPEG1，Layer III，根据表 3.4 “MPEG帧的采样数索引表（单位：个/帧）”可以查得，每一帧的采样个数，是1152，这个值是固定的。

而MPEG-1所支持的采样率，根据表 3.3 “MPEG帧的采样率索引表（单位：Hz）”可以看出有三种，44.1K，48K和32K Hz。而我们实际常见的CBR或者VBR的MP3所采用的采样率，多数都是44.1KHz=44100Hz。

所以，每一个采样的时长 = 1/44100 秒

因此：

每一帧的总时长

= 每一帧的采样个数 * 每个采样的时长

= 1152个采样 * 1/44100 秒/采样

= 1152 / 44100 秒

= 0.026秒

= 26 ms（毫秒）

这就是所谓的，MP3的每帧的时长，都是26ms这一说法的缘由。

正常，所谓CD里面的歌曲，是无损格式，即原始的声音，没有经过压缩的。

相对来说，音质最高，但是文件体积太大。到底有多大，我们可以来算一下：

每秒的原始CD的音频文件的数据量

= 声道数目 * 采样率 * 每个采样占用多少bit

= 2声道 * 44100Hz * 16位

= 1411200 bit

而对应的MP3文件来说，即将原始的音频数据文件，经过MP3的压缩算法压缩后，数据量就小多了。以常见的双声道的，频率为44100Hz，比特率为128Kbps的MP3为例：

每秒的MP3的数据量

= 比特率 * 1秒

= 128K bits

= 128 000 bit

因此：

MP3的压缩率

= 每秒的原始CD的音频文件的数据量 /每秒的MP3的数据量

= 1411200 bit / 128 000 bit

= 11.025

≈ 11

这就是大家常说的，MP3的压缩比大概有1:11，即在保持不错的音质前提下，将数据量减小到了原来的1/11。通俗点说，原先CD音质的，无压缩的歌曲是11M的话，那么对应的MP3就只有1M。相对很不错的压缩比，大大减小了歌曲的体积，在互联网时代，此优势得到很好的体现，因此MP3才真正流行了起来。

当然，如果其他参数同上，而MP3比特率是64Kbps，那么对应压缩比有1:22；

同理，如果是256Kbps的MP3，那么压缩比就小了，只有1:5.5左右了。