h264_aac合成flv的个人经验之谈，作为自己工作的总结，不当之处，请高手指点。

第一，aac的音频包写成flv时，第一个tag中有一个字段为AudioSpecificConfig

即为ObjectProfile，SamplingFrequencyIndex，ChannelConfiguration，TFSpecificConfig。

其中，ObjectProfile (AAC main ~1, AAC lc ~2, AAC ssr ~3), 通常选中1；

SamplingFrequencyIndex (0 ~ 96000， 1~88200， 2~64000， 3~48000， 4~44100， 5~32000， 6~24000， 7~ 22050， 8~16000...)，通常aac固定选中44100，即应该对应为4，但是试验结果表明，当音频采样率小于等于44100时，应该选择3，而当音频采样率为48000时，应该选择2；

ChannelConfiguration对应的是音频的频道数目。单声道对应1，双声道对应2，依次类推。

TFSpecificConfig的说明见标准14496-3中（1.2 T/F Audio Specific Configuration）的讲解，这里恒定的设置为1；

故如果音频才采样率为24K，双声道，则aac的AudioSpecificConfig应该设置成0x1321；如果采样率为48K，6声道，则为0x1261；

第二，关于时间戳。

如果时间戳直接取音视频的时间戳，则试验发现如果第一个音视频时间戳的差值大于200毫秒，有可能出现合成的flv没有声音的现象；如果第一个时间戳比后面的时间戳大，也可能出现flv没有声音的现象。通常是音频时间戳小于视频时间戳，所以我把音频时间戳写在前面。第一个音频时间戳前面的视频就不写了，保证开始写的为音频帧。