FFmpeg libswresample 模块的关键函数swr_convert 到底在干嘛？
目录
一、先给一句话定性
二、swr_convert 函数原型
三、参数逐个拆（重点在“样本不是字节”）
① SwrContext *s
② out[]/ in[]—— 不是 void*
packed（S16 / S32 / U8）
planar（FLTP / S16P）
③ in_count/ out_count单位是什么？
四、返回值到底什么意思？
五、最经典的坑：残留 FIFO（90%人踩）
现象
原因
正确 flush 姿势
六、AVFrame 流派的“标准模板”
解码 → swr → SDL / D3D
七、S16 packed → SDL 最小完整例子
八、常见翻车表（血泪）
九、swr_convert 内部在干嘛
十、一句话总结
觉得有用，就请您帮忙点赞转发收藏吧，您的鼓励是我创作的动力，多谢看官。
由于能力水平有限，文中的错误或不严谨的地方在所难免，还请批评指正。
swr_convert是 FFmpeg 中libswresample库的核心函数，用于执行音频重采样操作。它能够将音频流的采样率、采样格式（如从浮点转为整型）或声道布局（如从单声道转为立体声）进行转换，且不会改变音频的播放时长。
做音频播放 / 录音 / 转码的人，迟早都会撞上这一句：
swr_convert(swr_ctx, out_buf, out_samples, in_buf, in_samples);抄能跑，但一问：为什么返回值是输出帧数？in_samples 怎么给？planar 怎么摆？残留数据在哪？
今天把swr_convert拆干净，不绕术语。
一、先给一句话定性
swr_convert 不是“格式转换器”，是音频流水线工人：
负责 采样率 / 声道布局 / 样本格式 / 位深 全部打包干完。
核心任务只有三个：
重采样（SRC） 声道重排（channel layout） packed ↔ planar二、swr_convert 函数原型
int swr_convert(struct SwrContext *s, uint8_t *const out[], int out_count, const uint8_t *const in[], int in_count);看着简单，其实 4 组语义：
上下文 输出地址 / 想要多少样本 输入数据 / 实际多少样本三、参数逐个拆（重点在“样本不是字节”）
①SwrContext *s
一次初始化，反复用：
swr_alloc_set_opts(nullptr, AV_CH_LAYOUT_STEREO, // out layout AV_SAMPLE_FMT_S16, // out fmt 48000, // out rate AV_CH_LAYOUT_5POINT1_BACK, // in layout AV_SAMPLE_FMT_FLTP, // in fmt 44100, 0, nullptr);layout + rate + fmt 缺一不可
②out[]/in[]—— 不是 void*
packed（S16 / S32 / U8）
uint8_t* out[1] = { (uint8_t*)pcm16 }; swr_convert(s, out, ...);planar（FLTP / S16P）
uint8_t* out[2]; out[0] = left; out[1] = right;规则：
planar = data[i] 每声道一块
packed = data[0] 全挤一起
AVFrame::data 原样传就行
③in_count/out_count单位是什么？
单声道样本数（per channel sample count）
参数 | 意思 |
|---|---|
in_count | 输入每个声道多少帧 |
out_count | 我最多能吃多少帧 |
不是字节
不是 packet size
例：1024 帧立体声：
in_count = 1024; // FLTP: data[0][1024], data[1][1024]四、返回值到底什么意思？
int ret = swr_convert(...);ret = 本次输出的 per-channel sample 数
ret | 含义 |
|---|---|
>0 | 输出样本数 |
0 | FIFO 里攒着呢 |
<0 | 出错 |
常见误解：
“我给了 1024，为啥返回 882？”
因为：
48000 → 44100 ratio = 44100/48000 ≈ 0.91875五、最经典的坑：残留 FIFO（90%人踩）
现象
最后几秒声音没了
每次 flush 都有一小截
原因
swr 内部有 FIFO，不够一帧不吐
正确 flush 姿势
while ((ret = swr_convert(swr, out, out_max, nullptr, 0)) > 0) { write_pcm(out, ret); }口诀：
in=nullptr, in_count=0 = 冲 FIFO
六、AVFrame 流派的“标准模板”
解码 → swr → SDL / D3D
AVFrame* dec = got_frame; uint8_t* out[1] = { audio_buf }; int out_nb = swr_get_out_samples(swr, dec->nb_samples); int ret = swr_convert(swr, out, out_nb, (const uint8_t**)dec->data, dec->nb_samples); // ret = 实际可播放样本数swr_get_out_samples()先问大小，避免 alloc 太小
七、S16 packed → SDL 最小完整例子
int dst_nb = swr_get_out_samples(swr_ctx, frame->nb_samples); uint8_t* dst = (uint8_t*)malloc(dst_nb * 2 * 2); uint8_t* out[1] = { dst }; swr_convert(swr_ctx, out, dst_nb, (const uint8_t**)frame->data, frame->nb_samples); SDL_QueueAudio(dev, dst, dst_nb * 4); free(dst);八、常见翻车表（血泪）
症状 | 真凶 |
|---|---|
声音加速 | in/out rate 反了 |
爆音 | planar 当 packed |
声道左右反 | layout 没设 |
最后没声 | 没 flush |
返回负 | out_count 太小 |
九、swr_convert 内部在干嘛
[in frame] ↓ delay / compensation ↓ 重采样（polyphase filter） ↓ 声道混合（downmix / upmix） ↓ planar ↔ packed ↓ [FIFO] → out不是一帧进一帧出
十、一句话总结
swr_convert = 给样本数，吃样本数，返回输出样本数；
结束必须 nullptr/0 flush；planar 用 data[]，永远别碰字节数。