一直想学习实时视频聊天的技术，虽然到现在也没有完全搞明白各种编码格式，但搞清楚怎怎么编解码H264视频，怎么编解码AAC格式音频就够了，就能实现一个最基本的视频聊天/会议系统。什么RTMP,HLS统统可以不管他，不过，不管的前提是你得自己封装视音频流。由于固执的认为只有本地化编解码才是效率最高的，所以没有打算使用ffmpeg来编解码，虽然ffmpeg在iOS上已经使用硬编码了。当然，如果在windows上开发，ffmpeg会简单一些，也可以使用x264和AAC的独立库。视音频流准确说说应该是视音频帧，中间是分割好的一段段数据。
从相机采集视频帧->调整单帧相片编码格式->编码成H264视频帧->发送到服务器->服务器转发到对端->对端接收数据->解码并显示
从麦克风采集音频->编码成AAC->发送到服务器->服务器转发到对端->对端接收数据->解码并播放
从相机采集视频：具体代码不贴了，到处都是。
调整单帧相片编码格式 ：有些Android相机输出的照片格式是YV12格式，而MediaCodec需要的是NV12格式，所以需要转换，转换代码如下：
public byte[] YV12toYUV420PackedSemiPlanar(final byte[] input, final byte[] output, final int width, final int height) {
finalint frameSize = width * height;
finalint qFrameSize = frameSize / 4;
System.arraycopy(input, 0, output, 0, frameSize);// Y
for (int i = 0; i < qFrameSize; i++) {
output[alignedFrameSize + i * 2] = input[frameSize + i + qFrameSize];// Cb (U)
output[alignedFrameSize + i * 2 + 1] = input[frameSize + i];// Cr (V)
}
return output;
}
这个地方注意，真正用在产品里需要使用openGLES来转码，CPU转码效率太低。
编码成H264视频帧：Android编码使用MediaCodec，iOS编码使用VideoToolBox。具体代码参考度娘。
发送到服务器：传输协议使用自定义协议，为了代码通用性，使用标准TCP socket C实现底层通信框架，兼容Windows，Linux，Android，iOS。
服务器转发到对端：服务器是在Linux C socket实现，理论上只要CPU，内存，网络带宽足够，可并发千万用户同时在线。
对端接收数据：接收数据也是使用标准TCP socket C实现。
解码并显示：Android解码使用MediaCodec，iOS解码使用VideoToolBox。具体代码参考度娘。
音频采集传输和视频一样。
