一、音频帧的长度
音频帧的概念没有视频帧清晰，一般来说，一帧视频帧可以认作是经过某种视频编码格式编码后的一副图像，但音频帧跟具体编码格式有关，例如PCM裸数据，就不需要音频帧的概念，只需要根据采样率和采样精度就可以控制音频播放
1.1 音频播放过程
播放时，应用程序从存储介质中读取不同编码格式的音频数据，解码后的PCM数据送到音频驱动程序，转化为人耳可以辨别的模拟音频
录音时，音频驱动不停地把采样所得到的PCM数据送回给应用程序，应用程序按照某种编码格式完成采样、量化、压缩、存储等任务
二、PCM
假设采样率 48khz，位深16bit，双通道，所以长度计算公式：采样率 x 采样大小 x 声道数，单位是：kb/s，即一秒钟的音频数据需要占这么多的 bit 位存储，也成为码率
举例：帧长度 len = 48000 * 16 * 2 / 8 = 192k （Byte）
另外由于音频数据肯定是需要进行传输，一次传输多少字节的数据，一秒钟传输多少次音频数据包，这些都影响着最终音频呈现的效果：是否卡顿？是否音画同步？
举例：发送间隔选择 20ms，那么一秒钟需要发送 1000 / 20 = 50次，由于音频码率为 192k 字节，那么发送一次音频数据包的大小就是 192k / 50 = 3840 字节
三、ADPCM
ADPCM，即自适应差分脉冲编码调制，是一种针对16bit声音波形数据的一种有损压缩算法，将声音流中每次采样的 16bit 数据以 4bit 存储，所以压缩比 1 : 4，优点是算法复杂度低，编解码延时最短，但是声音质量一般，是对PCM数据进行有损压缩
三、G711.A
G711是国际电信联盟ITU-T定制出来的一套语音压缩标准，主要用脉冲编码调制对音频采样，采样率为8khz，压缩率为1：2， 把16位数据压缩成8位
G.711是主流的波形声音编解码器，有两种压缩算法，一是u律，主要运用于北美和日本；二是A律，主要运用于欧洲和世界其他地区。
pcm裸数据经过G711.A编码后，进行网络传输，打包周期一般分为10ms，20ms，30ms，以20ms为例
如果采样率 48khz，位深16bit，双通道，那么码率为：48k * 16 * 2 = 192k （Byte），那么20ms的包 = 192k / 1000 * 20 = 3840 字节个pcm裸数据，由于G711.A编码方式压缩率为 2 ：1，所以发送一次G711.A音频数据包的大小就是 3840 / 2 = 1920 字节
四、G726
G.726可将64kbps的PCM信号转换为40kbps、32kbps、24kbps、16kbps的ADPCM信号。 最为常用的方式是 32 kbit/s，由于其只是 G.711速率的一半，所以网络的可利用空间增加了一倍，G.726算法本质就是一个ADPCM， 自适应量化算法，把64kbit/s 压缩到32kbit/s
五、AAC
AAC，中文名是高级音频编码，是一种专为声音数据设计的文件压缩格式，与MP3不同，它采用了全新的算法进行编码，更加高效，音质更佳
备注：对采样率为44.1kHz的AAC音频进行解码时，一帧的解码时间须控制在23.22毫秒内，通常是按1024个采样点一帧
