RFC3016，也就是《RTP Payload Format for MPEG-4 Audio/Visual Streams》中定义了LATM的封装格式。实现AAC编码后的RTP封装有两种，LATM就是其中的一种。本文将对LATM SDP字段，LATM负载格式做个简单的描述（其余的字段由于现有工程暂时没用上，所以不做描述了）。一来记录下笔记，二来，如果后续有人也捣鼓AAC，可以阅读本文并获得一些帮助。

SDP字段

MIME字段名称: MP4A-LATM

采样率：这个是必需参数，一般音频的采样率都是8k，16k，48k之类的，但是LATM的默认采样率却是90000，与视频的默认采样率一致。如果当SDP中LATM的采样是90000的话，那么一般情况是带内传输的方式，至于带内/带外，在后面RTP格式中，会有所说明。带外的话，则采样率可以是准确的，比如MP4A-LATM/8000，也就是8k的采样。

profile-level-id：这个是可选参数，AAC是有profile-level-id的概念的，RFC3016里面介绍定义在ISO/IEC 14496-1 ([6] and its amendments)，由于我下载的是ISO/IEC 14496-3:2009，定义其实在Table 1.14 – audioProfileLevelIndication values表格中，我讲表格给截图了出来，方便阅读：

profile level的定义比较多，如果到时候有用到，就参考列表即可。其中，一般用于RTP传输，以AAC-LD为主，Low Delay Audio Profile对应的level列表如下：

通过上表，就可以根据level查询到目前流所支持的AAC-LD的最大声道数量，最大采样率等信息。

object：可选参数，object其实就是AOT（audioObjectType），RFC3016中说定义在ISO/IEC 14496-3 [5]，我也将其截图出来，如下：

AOT是一个重要的参数，不过在这里是可选的，因为有带内的方式，如果是带外的话，则需要解析这个字段，因为你初始化编码器是需要AOT的。

bitrate：可选参数，表明当前AAC流所使用的比特率大小。如果使用FDK-AAC，刚好有可以配置的比特率的参数。

cpresent：可选参数，是一个bool值，当为1时，表明当前LATM封包有采用多路复用，而为0时，则没有。而如果该字段没有，则默认是有采用多路复用。在FDK-AAC中，有个AACENC_TPSUBFRAMES参数，可以设置subframes的个数。

config：可选参数，这个是带外封包非常重要的一个参数SMC（StreamMuxConfig），表明了当前LATM流的所有能力。如果是FDK-AAC可以通过函数aacDecoder_ConfigRaw来解析这个字段。

ptime：可选参数，打包时间。之前我的另一篇文章《AAC打包时间计算以及估算平均帧大小》中有了打包时间的说明，如果要兼容G711这类的，最好是选择LD/ELD 480samples。

以上就是SDP中字段的说明了。其实在开发中对接一些支持AAC LATM的终端设备，很多都是使用的带外传输的方式。也就是采样默认使用了90000，你需要去解码报文后，才能够具体知道其使用的真实采样是多少。

RTP报文

RTP报文的话，在RFC3016中，给出了这么一个简要图示：

0                   1                   2                   3
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|V=2|P|X|  CC   |M|     PT      |       sequence number         |RTP
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                           timestamp                           |Header
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|           synchronization source (SSRC) identifier            |
+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
|            contributing source (CSRC) identifiers             |
|                             ....                              |
+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
|                                                               |RTP
:                 audioMuxElement (byte aligned)                :Payload
|                                                               |
|                               +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                               :...OPTIONAL RTP padding        |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

上图中，其实是带内传输的一种，这里就说一下带内/带外的区别吧。其实带内就是携带了AME来表明当前AAC的相关编解码参数。而带外的话，则是在SDP中表明了AAC的相关编解码参数，RTP负载中，则不会再次携带这部分参数了。我们从FDK-AAC的文章《Application Bulletin: AAC Transport Formats》中，其很好的将LATM的报文给图示出来。

LOAS就是比LATM多了LOAS Syncword以及Frame Length，普通的LATM，则是直接从AME开始的。所以上面这个图示，则容易看出来LATM的负载格式了。由于目前wireshark还不能解析LATM报文的格式，不过区分LOAS/LATM的话，还是比较容易的，因为LOAS的Syncword是0x2b7，16进制看到的就是，0x56开头的。如果使用FDK-AAC，从目前对接开发来看，大部分支持LATM的使用的并非是LOAS的封包，而是普通的LATM的封包，如果到时候需要使用FDK-AAC开发的话，则TT_MP4_LATM_MCP1的传输方式即可。